一句话:期望值是同一类交易做很多次之后的平均结果。它只能从连续、不挑拣的样本里算,算出来也只是估计,要附上它有多靠不住。

本文是《交易决策与训练系统》30 课的第 3 课。作者 Eliza。

本课结构图

第 3 课结构图:从连续样本算净期望值,再用三种方法拷问

图的文字版: ①先冻结形态定义,再连续记录每一次机会,每笔换算成 R。②从中算出胜率、平均盈利、平均亏损,扣掉成本,得到净期望值。③算完再拷问三遍:前后两半对比,不稳就继续前向测试;去掉最大赢家,撑不住就降低风险;按环境分层,只在某类环境成立就暂停或改版本。④最常见的污染是只挑成功案例入样本,样本一脏,后面算得再准也没用。

开场:一枚硬币,抛一次、十次、一百次

设想一个游戏。我给你一枚普通硬币,正面我付你 150 美元,反面你付我 50 美元。我们俩谁也不知道下一次是什么。每抛一次,你的期望值是 +50 美元:一半机会赚 150,一半机会亏 50,平均下来是 75 减 25。

交易员这份工作,基本就是在市场里找这种数学上对自己有利的局面。判断一笔交易时,可以换一个问法:同样的局面重来一千次,我愿不愿意每次都做?这个问题有答案。这一笔会不会赢,没有答案。

可是「平均每次赚 50」落到你手里,我按硬币规则算了一下:

玩几次平均能赚最后亏钱或打平的概率
1 次50 美元50%
2 次100 美元25%(两把全输)
10 次500 美元约 5.5%
100 次5,000 美元约三百五十万分之一

第一行最扎心。玩一次,你亏钱的机会和赚钱一样大。一个明明很划算的游戏,开头两把有四分之一的可能全输。

玩得再久,连亏也不会消失。抛 100 次,里面出现过连续 5 次反面的概率约 81%。抛 1,000 次,出现过连续 10 次反面的概率约 39%。连输 10 把,账上是 −500 美元,而这个游戏的期望值仍然是每把 +50。

把赔率缩小也一样。正面赚 20、反面亏 10,抛 10 次期望赚 50 美元,可最后亏钱或打平的概率还有约 17%。抛 100 次,降到约 0.04%。抛上几千次,最后亏钱的概率还会继续变小,但永远不是零,而且真实交易很少有这么干净的赔率。

期望值管的是一类决策重复很多次之后的平均,管不了眼前这一把。眼前这一把输了,游戏还是该继续。

麻烦在于,真实交易没人告诉你「正面 150,反面 50」,得自己数。

原理

公式只有四个变量

期望值 = 胜率 × 平均盈利 − 亏损率 × 平均亏损

扣掉手续费、点差、滑点后仍然为正,值得做。为负或为零,跳过。

用 R 记,每个变量都没有单位,不同品种、不同账户可以放一起算(第 2 课)。比如胜率 45%,平均盈利 1.8R,平均亏损 1R:

0.45 × 1.8R − 0.55 × 1R = +0.26R

这是毛期望值。平均成本如果是每笔 0.06R,净期望值是 +0.20R,成本吃掉了两成多。

胜率不是目标

面试交易员时有一道经典题:一个交易者需要多高的胜率才能成功?答案和胜率无关,要看期望值是不是正的。

亏得比赚得多,照样该做。一笔交易 70% 的时候赚 9 美元,30% 的时候亏 15 美元。单次亏损比单次盈利大,可是 0.7 × 9 − 0.3 × 15 = 6.3 − 4.5 = +1.80 美元,该做。

两种极端都能赚钱。有胜率只有两成的顶尖交易员,靠赢的时候赢得很大。也有胜率九成的交易员,每冒 1 美元风险只赚 25 美分,靠把亏损控制得极好。

算一下两人的门槛。胜率 20%、每次输 1R,赢单平均要 4R 才刚好打平,超过 4R 才赚钱。胜率 90%、每次赢 0.25R,输单刚好 1R 时期望是 0.9 × 0.25 − 0.1 × 1 = +0.125R。输单一旦平均放大到 2.25R,期望就归零;滑到 3R,变成 −0.075R。前者靠赢得大,后者靠输得小,后者的命门在于亏损一刻也不能失控。

高胜率的陷阱。卖保险的公司大多数时候都在收保费,看上去一直在赢。95% 的时候赚 1 美元、5% 的时候亏 19 美元,扣费用前期望值是零。卖深度虚值期权也是这个形状。卖期权本身可以是好策略,但它不是免费午餐,高胜率也不代表安全。

盈亏平衡胜率,别只算纯算术

盈亏比 2∶1,盈亏平衡胜率是 1 ÷ (1 + 2) = 33.3%。

一家期货自营考核公司的负责人在访谈里讲过他们的统计:风险回报比大约 2∶1 的人,往往是排行榜上表现最好的一批。比如某位做纳斯达克期货的交易员,每笔持仓约三小时,平均盈利 420,平均亏损 210。这位负责人说,这个比例下大约要四成的胜率才能稳定盈利。

40% 比 33% 高一截,他没解释差在哪。我的读法是成本和估计误差要留余量,自己算盈亏平衡时要把成本折进去,别停在纯算术。

估计,不是知道

交易里从来不真正知道准确的期望值。四个变量里,平均亏损最好估,因为初始止损是一个明确的价位。难的是胜率和平均盈利。办法有三个:

  1. 回测。 有历史数据,就回头数类似的案例有多大比例成功、平均赚多少。
  2. 前向测试。 没有历史数据,就从现在起用模拟账户盯着符合条件的机会,一笔笔记。
  3. 长期盈亏曲线。 长期往下,可以相当有把握地说期望值为负;长期往上,反之。

期望值是动态的,像扑克里每翻一张公共牌,手牌的期望值都在变;市场也在演化。杠杆只放大原有的优势,如果期望值为负,加杠杆只是亏得更快。

方法:从一张 20 笔的表算到 +0.27R

第一步:冻结形态定义

例子:开盘后强劲上涨,至少盘整一小时,期间低点抬高,然后向上突破创日内新高。入场是突破,初始止损放在突破那根 K 线的低点,退出用 10 周期均线做移动止盈。

定义里每一条都必须是入场前看得见的。提前定义好形态,之后每碰到一次符合条件的机会,都要记下来。只挑成功的那几笔,不算样本。

第二步:连续记录,包括亏的

每个符合条件的案例记一行:代码、日期、R。

第一笔:突破价 218 美元,突破 K 线低点 215 美元,每股风险 3 美元,等于 1R。价格涨到 221 美元后收盘跌破 10 周期均线,离场成交在 221 美元附近,+1R。

亏损的一律记 −1R:止损固定在突破 K 线低点,这组样本假设每次都在那里成交。盈利的用了移动退出,大小不一。

第三步:算四个数

下面是我编的一张 20 笔样本,用来演示:9 笔盈利,分别是 1、1.7、2、1.2、3.1、1.5、2.4、0.9、2.6R;11 笔亏损,每笔 −1R。

  • 胜率:9 ÷ 20 = 45%
  • 平均盈利:16.4 ÷ 9 ≈ 1.82R
  • 平均亏损:1R
  • 期望值:0.45 × 1.82 − 0.55 × 1 ≈ +0.27R

翻成钱:每笔冒 100 美元风险,平均每笔赚 27 美元左右。

第四步:换一种算法校验

把 20 笔的 R 直接加起来:盈利合计 16.4R,亏损合计 −11R,净 +5.4R,除以 20 笔,+0.27R。这和公式结果一致;如果不一致,说明哪一步抄错了。

第五步:拷问这个数

  • 去掉最大的赢家重算。 拿掉那笔 3.1R:剩 19 笔,合计 +2.3R,期望值 +0.12R,缩水一半多。一笔交易撑着半个结果。
  • 算盈亏平衡胜率。 平均盈利 1.82R 时,胜率要高于 1 ÷ 2.82 ≈ 35.5%。你的 45% 只要估高 10 个点,期望值就转为略负。
  • 前后两半对比。 对比前 10 笔和后 10 笔的期望值是否接近,如果只在前半段为正,整体的正数不能算数。
  • 按事前能解释的环境分层。 比如高波动与低波动、有新闻与没新闻。分组前就定好维度,看完结果再挑维度的不算。

二十笔太少,这几步的意义是让你看清这个数有多脆。真实样本里,拷问的结果经常和整体平均讲的故事相反。

第六步:写下一步的决定

只有三个选项:继续前向测试、降低风险、暂停或改版本。用条件语言写。「20 笔样本毛期望值 +0.27R,去掉最大赢家只剩 +0.12R,样本太少,不加仓,继续记录到 50 笔」合格。「这个形态每笔能赚 0.27R」不合格。

更多真实案例

总账赚钱,拆开是一半该做、一半不该做

一位刚入行的交易员做了很多 IPO。被问到为什么时,他说因为 IPO 能赚钱。总账上没错:这个类别赚了 1.1 万美元。

可往下拆开,他在三只热门 IPO 上赚了 3 万,在七只差的 IPO 上亏掉了 1.9 万。三只好的平均每只赚 1 万,七只差的平均每只亏两千七百多。

只要能提前识别出差的那几只、剔掉,同一个类别的利润就从 1.1 万变成 3 万,增长一倍半还多。拆细之后,还能在最好的那类上加仓。

一个总的期望值,经常是几个性质不同的小类的平均。平均没算错,但它把该做的和不该做的混成了一个数。

八成利润来自一成交易日

一位资深的美股日内交易员晒过自己 2024 年的统计:全年盈利七位数美元,大约 240 个交易日里,最好的 24 天贡献了全年利润的约 79%。最差的一天只亏了约 2.1 万美元。

用比例估:这 24 天拿走了约八成,剩下两百多天合起来只占约两成,摊到每一天,只是最好那些日子的零头。

这种偏斜对成熟交易员很正常,而且从新手成长为顶尖的过程中会越来越明显。有了利润缓冲和经验,遇到牌桌上那种「口袋一对 A」的局面,会以大得多的规模下注。最差一天亏得不多,说明风险系统在起作用:没有越跌越加,止损也在执行。

新手不该期待同样的偏斜。另一位入行几年的年轻交易员觉得自己进步太慢,把数据拉出来一看:大约四分之三的交易盈亏互相抵消,基本归零,最好的六七个交易日贡献了超过全部的利润。这恰恰是会成功的交易员在这个阶段该有的样子。

去掉最好的几天重算,数字会缩得很厉害。这不说明策略不行,只说明期望值住在一条细尾巴里,你得先知道这条尾巴有多粗。

九成以上的胜率,是警讯

一位在公开平台上每天晒盈亏的交易员,有过一段很亮眼的连胜:64 个交易日里 61 天盈利,盈利日合计约 43 万美元,账户显示的职业胜率在九成以上。很多盈利日是 2,500、4,000、6,000 美元。然后来了一个大亏损日,第二天又来一次,单日约 −19 万美元,接近一个普通盈利日的 30 倍。

对照一下:一位资深的日内交易员去年的胜率约 71%,而且这个数是被一批卖虚值期权的单子拉高的。他认识的一位做价格行为的交易员,胜率不到五成。这类策略合理的胜率大约在 40% 到 65% 之间。所以一个九成多的胜率,第一反应应当是警觉。

平均每个盈利日约 7,050 美元(43 万 ÷ 61)。每 100 个交易日里 93 个盈利日,大约赚 65.6 万。剩下 7 个亏损日里,只要有 3 天是 25 万的量级,亏损就有 75 万,整体为负。问题不在 93%,在亏损日的尺寸和频率。

另一份被拿出来讨论的业绩:214 笔交易,赚了七位数美元,利润因子 26,胜率 89%。利润因子是总盈利除以总亏损。一个粗尺度:超过 10 就值得怀疑,超过 20 几乎是幻想。很多长期赚钱的职业交易员,利润因子在 2 到 5 之间。

MULN:先量风险,再谈回报

2023 年 7 月 5 日,MULN 发新闻稿,称将对「裸卖空」采取行动。这只股票此前从按拆并股调整后的 300、350、400 美元一路跌到约 12 美分(均按当年 7 月的股本口径)。同年 1 月,GNS 在类似举动之后,从 50 美分涨到了 5 美元、7 美元。

一位资深的美股日内交易员看到这条新闻,没问「会不会像 GNS 那样涨」,先问会亏多少。他的计划是做多后不动就走,亏大约一两美分加佣金;如果跳空下跌,亏得会更多。至于回报,他估计涨 10 美分的概率可能过半,同时承认真实概率永远不知道。

用一个只有两种结果的简化算例代入公式,赚 10 美分的概率取 50%,其余 50% 的情形亏 2 美分:0.5 × 10 − 0.5 × 2 = +4 美分。就算赢的一半只剩 5 美分,也有 +1.5 美分。

买点是突破当日高点的 12 到 13 美分。后来股价涨到 19 美分,小幅回调并在那一带收盘;尽管没有继续涨,仍然是一笔好交易。

很多人一上来问「能涨多少」。先问「不涨会亏多少」,风险容易量,量完再让回报去跟它比。

最容易错的地方

1. 把期望值当成下一笔的预测。 开场那张表说得很清楚:期望值为正,玩十次还有 5.5% 的机会亏钱。改法:连亏几笔,先查执行和环境变没变,别先改规则。

2. 只拿成功的样本算。 设想一个人同一天做五个账户:一个赚 4,000,另外四个分别亏 2,500、1,500、3,000、1,000,合计亏 4,000。他可以只发赚钱那个账户的截图,配一句「今早做 NQ 赚了 4,000」。字面全对,印象全错。要把所有符合定义的机会都记进同一张表,包括没做的、亏的。

3. 把胜率当目标。 九成胜率配一次大亏,期望可以为负。两成胜率配 5R 的赢单,期望可以为正。胜率和盈亏比要永远一起看。

4. 看总账,不拆。 IPO 那个例子,总账是对的,拆开才看见钱从哪来。改法:至少按一个事前说得出理由的维度拆一次。

5. 估计太乐观,还拿来加杠杆。 70% 赚 9、30% 亏 15 那笔,盈亏平衡胜率是 62.5%。真实胜率掉到 60%,期望值是 0.6 × 9 − 0.4 × 15 = −0.60 美元。做估计时要留余量,样本越少余量越大。

6. 把不同版本混成一个平均数。 定义改过一次就是新版本,旧样本不能悄悄重贴标签,新旧也不能合并,每个版本各用一张表。

7. 忘了成本。 70% 赚 9、30% 亏 15,毛期望 +1.80 美元。按每笔成本 1 美元算,净期望只剩 +0.80 美元,少了一半多(第 25 课细算)。成本要折成 R,逐笔记。

适用边界

期望值适合规则能事先写下、结果能一致记录的重复决策。互不相干的策略混在一起,平均数没有意义。

三种情况下,算出来的数不可信:样本只来自幸存的标的,或者偷看了未来数据;成交复制不了,比如回测按理想价成交,现实里排不上队;还有未知的无限尾部,要靠压力测试,不能用一个均值带过。

这个数也会过期。参与者、波动、流动性都在变,今天的 +0.2R 不会一直有效。期望值的兑现也要时间:不少职业交易员的累计盈亏曲线,头三四年看起来只是零头。

同一套算法也能拿来管习惯。写日志的期望值是正的,报复性交易和持仓时盯着盈亏看,期望值是负的。

练习:拆开一张看起来很赚钱的表

材料: 你自己回放或实盘里至少 30 个连续样本,保留原始顺序。没有,就先做 A 部分。

A. 手算

  1. 正面赚 150、反面亏 50,算一次的期望值。再算:正面赚 20、反面亏 10,玩 10 次预期赚多少。
  2. 70% 赚 9、30% 亏 15,算期望值和盈亏平衡胜率。真实胜率掉到 60% 会怎样?
  3. 平均盈利 420、平均亏损 210,算纯算术的盈亏平衡胜率。对比四成的经验值,写一句差距来自哪。
  4. 一份业绩:64 个交易日 61 天盈利,盈利日合计 43 万美元,单个亏损日 −19 万。算平均盈利日,并写出你要先问对方的问题。

B. 自己的样本

  1. 每笔换成净 R(扣成本),算净期望值和累计成本。
  2. 前一半和后一半对比,不许重新筛。
  3. 去掉最大一笔盈利重算,记下缩水多少。
  4. 选一个事前能解释的环境变量分层。
  5. 写下一阶段的决定:继续前向测试、降低风险、暂停,或改规则开新版本。

评分(满分 15):

  • 3 分:A 部分算对,A2 写出了「胜率掉到 60% 转负」。
  • 3 分:B 的样本连续、有版本号,没删亏损样本。
  • 2 分:成本逐笔折成 R。
  • 2 分:前后对比、去掉最大赢家都做了。
  • 2 分:分层变量是事前定的。
  • 3 分:结论用条件语言,并写下一步。

参考答案: A1 是 +50 美元,10 次预期 +50 美元。A2 是 +1.80 美元,盈亏平衡 62.5%,60% 时 −0.60 美元。A3 是 33.3%。A4 平均盈利日约 7,050 美元;先问亏损日有几天、每天多大、仓位怎么定的。删掉亏损样本或事后重定义形态,整份判零。

算完的数可以丢进期望值计算器核对一遍。

用得上的工具

和其他课的关系

  • 上游:第 1 课把决策质量和结果分开,第 2 课给了 R 这把尺。本课把它们变成一个数。
  • 下游:第 4 课讲怎么把一个观点写成可以这样记录的假设。第 25、26 课讲回测不偷看未来、前向测试要多少样本。第 27 课讲这个数怎么衰减。
  • 仓位线:第 13、15 课的仓位,就是「期望值越高,下注越大」的落地。

用 NQ Replay 练这一课

期望值要靠样本攒出来。开 10x 或 60x 倍速,一个晚上能回放好几个交易日,不用在实盘里干等几周。NQ Replay 是我们自己做的应用,在模拟环境里逐笔回放过去的纳指期货(NQ)交易日,带括号单、prop 式亏损限额和逐笔复盘。可以申请 7 天免费试用,需要自备有授权的 NQ 逐笔数据。


本文仅作交易教育用途,不构成任何投资建议,也不承诺任何收益。真实案例中的股票代码、日期和行情来自公开资料;文中交易者的个人盈亏与统计数字经过调整;示意算例的数字为作者自拟。交易有亏损风险,请按自己的情况独立判断。

在计算器里验证

算一下你的净期望值

你的胜率、平均盈利和平均亏损各是多少?扣掉成本还剩几成?

例:胜率 45%,平均盈利 1.82R,平均亏损 1R,毛期望值约 +0.27R。

打开期望值计算器