样本量：8 战 7 胜靠谱吗？ Sample Size & Luck

交易太少，运气说了算

一枚公平的硬币抛 8 次，出现 6 次正面一点也不稀奇。回测只有十几笔交易时，胜率同样可能被运气抬高或压低——样本量太小，结论就站不住。

给胜率画一个范围

与其只看一个胜率数字，不如问“真实胜率大概在哪个范围”。这个置信区间随交易笔数增加而收窄：8 战 7 胜的范围很宽，下限只比 50% 高一点。

试得越多，越容易撞上好看的结果

在同一段数据上试了几十组规则，总有一组碰巧特别漂亮，这就是数据窥探。要相信一个结果，需要足够多的交易，最好还有从没用过的新数据来检验。

本课要点

• 回测里的胜率只是一次抽样结果，交易笔数越少，偶然性越大。
• 8 战 7 胜（87.5%）对应的真实胜率约 95% 置信区间是 53%–98%，下限只比 50% 高一点。
• 交易笔数越多，区间越窄：同样 60% 的胜率，100 笔比 20 笔可信得多。
• 就算区间看起来不错，也只说明过去那段数据；还要考虑成本、市场变化和反复试参数带来的偏差。

动手试试

下面这些练习可以在本课的互动模拟里完成：

1. 点「例题：8 战 7 胜」：「我的胜率区间」下限是多少？再看直方图：真实胜率只有 50% 时，有多少回测“看起来很棒”（胜率 ≥ 60%）？
2. 保持真实胜率 50%，把交易笔数从 8 拖到 200：直方图变窄了吗？「看起来很棒」的比例怎么变？
3. 把真实胜率调到 55%、笔数调到 30：直方图里还有多少绿色柱子（观察胜率低于 50%）？一个真有优势的策略，回测也可能看起来在亏钱。
4. 把笔数设为 20，拖动「赢了几笔」：至少赢几笔，区间下限才高于 50%？换成 100 笔再试一次。

小测与解析

1. 一个真实胜率 50%、盈亏 1:1 的策略（没有优势），只回测 10 笔交易。观察到胜率 70% 的可能性？

答案：并不罕见，大约每 6 次回测就有 1 次胜率不低于 70%。10 笔里赢 7 笔及以上的概率约 17%，运气就足以造出漂亮的成绩。

2. 其他条件相同，把回测交易笔数从 20 笔增加到 200 笔，胜率的置信区间会？

答案：变窄。样本越多，估计越精确，区间越窄。

3. 两个策略都显示 60% 胜率：A 来自 15 笔交易，B 来自 300 笔交易。哪个结论更可信？

答案：B，因为样本量大，偶然性小。300 笔的 60% 区间大约是 54%–65%，15 笔的区间宽到包含 50% 以下。

本课术语

• 置信区间 (Confidence Interval)：根据样本估计出的一个范围，真实值大概率落在其中。样本越少，区间越宽。
• 数据窥探 (Data Snooping)：在同一段历史数据上反复尝试大量规则或参数，总能碰巧找到一组好看的结果，但它往往只是运气。
• 期望值 (Expectancy)：长期平均每笔交易能赚多少：胜率 × 平均盈利 − 败率 × 平均亏损。为正才值得做。
• 样本量 (Sample Size)：统计结果所依据的数据个数，例如回测里的交易笔数。笔数越少，胜率、收益越容易被运气左右。
• 胜率 (Win Rate)：盈利交易次数占全部交易次数的比例。