初学者应该了解的胜率知识
直接回答：什么是“胜率”
胜率是一种基于记录的指标，用于描述交易中以盈利（通常称为“胜”）结束的次数占总平仓交易数的比例。用初学者的话来说：它是盈利结果的百分比，而不是对未来结果的保证。
计算机制：胜率如何计算
一个常见的定义是：
- 胜率 = （盈利交易数量 ÷ 总平仓交易数量）× 100%
要正确计算，你需要明确以下假设：
- 什么算作“平仓交易”。例如，是否只包括完全平仓的头寸，还是也包括部分平仓？
- 什么算作“盈利”。是否严格定义为净收益大于零，或者你的方法对微小盈亏平衡的结果有不同处理？
- 何时衡量结果。胜率基于已实现的平仓交易结果。持仓期间未实现的盈亏通常不计入常规定义。
带明确假设的示例
假设你在固定时间段内回顾了 20 笔已平仓交易，其中 12 笔是盈利的，依据是你将“盈利”定义为扣除成本后净收益大于零。那么：
- 胜率 = (12 ÷ 20) × 100% = 60%
此示例使用了一个简单且固定的规则。如果你更改规则（例如，将接近零的结果视为盈利，或排除某些类型的交易），即使实际表现未变，胜率也可能发生变化。
证据与为何相同胜率可能隐藏不同结果
仅凭胜率无法说明你在盈利时赚了多少，或在亏损时赔了多少。一个系统可能有很高的胜率，但如果其亏损远大于盈利，整体表现仍可能很差。
一种实用的思考方式是将以下两个要素分开考虑：
- 频率：盈利发生的频率（即胜率）
- 幅度：盈利和亏损的大小（盈利时的收益 vs. 亏损时的损失）
即使不使用任何交易信号，你也可以从自己的交易历史中验证这一逻辑：比较平均盈利额和平均亏损额，然后判断亏损是否占主导地位。
局限性与常见错误：胜率可能出什么问题
至少有一个重要局限是：胜率可能具有误导性，因为它忽略了盈亏分布形态和现实中的摩擦成本。
常见的错误模式包括：
- 成本与执行影响：如果你在计算胜率时未计入成本（如手续费、点差或滑点等），你的“盈利”在计入成本后可能实际为亏损。
- 定义漂移：改变你对“盈利”的定义（或包含哪些交易）可能导致胜率看起来更好或更差，而并未反映真实改进。
- 小样本波动：交易数量较少时，胜率可能因随机性而大幅波动。短期历史数据不是稳定的估计。
- 非平稳性：市场和条件会变化。过去的胜率可能仅反映特定环境下的表现，而非持久特性。
验证与自我检查的下一个问题
为了负责任地将胜率作为学习指标使用，在信任任何结论之前，请验证以下几点：
- 使用最初相同的纳入标准和结果定义重新计算。
- 检查样本量（极小的交易数量通常不可靠）。
- 将胜率与盈亏信息进行比较（例如，平均亏损是否超过平均盈利）。
一个有用的后续问题是：如果胜率保持不变，盈利和亏损的幅度是否发生变化？ 如果是，胜率可能保持稳定，但实际结果已发生显著变化。