以为仓位管理能修好负的期望值
仓位改变的是波动和速度，从不改变符号。一套平均每笔小亏的策略，做大之后按比例亏得更多；马丁式加仓只是把同一个负期望压缩成更少见但更大的亏损。
期望值
每笔交易预期赚到或亏掉的平均金额，按胜率乘以平均盈利减去败率乘以平均亏损计算。策略要盈利，期望值必须为正。
亦称：数学期望, 每笔交易期望收益, 优势
更新于
一句话讲清
把盈利和亏损各自按发生的频率加权之后，一笔交易平均值多少钱。数值为正说明策略有优势；数值为负，那么无论在仓位大小上怎么做文章，都无法把它变成利润。
为什么重要
期望值是唯一直接回答那个问题的绩效数字，而其他所有指标都只是它的替身：这套策略在扣除成本之后，平均每笔交易赚钱吗？胜率和盈亏比各占它的一半，而这两者又常常被单独引用。
- 它是压在其他所有指标底下的及格线。没有正期望值，复利、手数设置和组合构建都产生不了长期利润——它们只改变账户到达期望值所指方向的速度。
- 它把一套策略变成一个速率。每年 300 笔交易、每笔 20 美元的期望值是一个可以拿去和现实对照的预测，而盈利因子做不到这一点。
- 它是被现实成本损害最严重的数字，所以拿回测期望值和实盘期望值作比较，是检验回测是否老实定价的最廉价方法。
- 它无视人们据以下单购买的胜率。在本站发布的十四只 EA 上，按胜率排序与按每笔交易期望值排序彼此相反，秩相关为 −0.53。十四只里最高的胜率 79.66% 在期望值上排第十二；最低的 31.27% 排第三。胜率决定钱来得有多勤，不决定有多少钱。
如何计算
期望值 =（胜率 × 平均盈利）−（败率 × 平均亏损） - 胜率
- 已平仓交易中以盈利结束的比例，用小数表示。
- 平均盈利
- 盈利交易在扣除点差和佣金后的平均利润。
- 平均亏损
- 亏损交易在扣除成本后的平均亏损，取正数。
败率等于 1 − 胜率，平均亏损取正数。用 R 倍数而不是货币来表达——把平均盈利和平均亏损放在所承担风险的单位里计量——可以让它在不同账户规模和手数设置之间进行比较。
多少算高、多少算低
- 低于 0 为负——任何仓位管理都救不回来
- 0 到 0.05R 为正但仍在成本余量之内——实盘中很可能消失
- 0.05R 到 0.25R 对经过测试的零售 EA 而言是可用的优势
- 高于 0.25R 强势——在相信它之前，先确认它在样本外也活得下来
需要一起看的指标
单一数字无法描述一套策略。下列指标会改变这个数字的读法。
示例
一套策略赢下一半的交易。盈利的那些平均 120 美元，亏损的那些平均 80 美元。把两边分别按发生频率加权，就得到一笔交易的价值。
- 胜率
- 50%
- 平均盈利
- 120 美元
- 平均亏损
- 80 美元
- 每笔交易期望值
- +20 美元
- 按每年 300 笔计算，在考虑波动之前大约是 6,000 美元。
同样这 20 美元，是以一长串 120 美元盈利和 80 美元亏损的形式到来的，从来不会按每次 20 美元支付——期望值是平均数，不是付款时间表。
计算 (0.50 × 120) − (0.50 × 80) = 60 − 40 = 20 美元
结果 每笔交易 +20 美元的期望收益
怎么读这个数字
期望值是由三个估计出来的输入搭起来的预测。它的可靠程度等于其中最弱那一项的可靠程度，所以要核对每个数字的来源。
| 区间 | 含义 |
|---|---|
| 由不含现实成本的回测算出 | 被高估。点差和佣金直接从平均盈利里扣掉、直接加到平均亏损上，而且目标越小，这种影响越大。 |
| 在固定手数上按货币计算 | 能用，但无法与在另一种手数下测试的策略比较。请先换算成 R 倍数。 |
| 在数百笔交易上计算 | 可靠到足以据此做计划，因为平均盈利正是需要最多交易笔数才能稳定下来的那个输入。 |
| 在样本外数据上重算 | 这才是值得据以行动的数字。相对样本内下降三分之一属于正常；符号发生变化则说明那点优势是拟合出来的。 |
| 从公开的汇总里还原 | 四个数字就够：净利润、交易笔数、胜率和盈利因子，可以把平均盈利和平均亏损原样还原出来。卖家根本不必公布那三个输入。 |
- 比较策略之前，先把期望值乘上交易频率。一年抓四次的 0.3R 优势，是比一周抓四次的 0.05R 更小的生意。本站十四次运行正是因此整体重排：在每笔期望值上排第十、只有 6.07 USD 的那一只，按年利润却排第一，达到 5,808.25 USD，因为它一年触发 956.7 次；而每笔排第三、有 16.94 USD 的那一只，一年只做 38.9 笔，全年 658.44。
- 剔除最大的那一笔盈利交易再算一次。如果期望值转负，那么撑起平均盈利的是一个离群值，而不是那套规则。
- 剥头皮策略在实盘中损失的回测期望值份额最大，因为它们的平均盈利在数量级上最接近一个来回的成本。本站十四次运行里最小的平均盈利是 0.1 手下的 10.03 USD，最大的是 217.23 USD，同样一笔固定的每单成本，咬前者要狠上二十倍。
本站发布的十四次运行算下来，每笔交易的期望值在 1.84 USD 到 20.52 USD 之间，全部基于 10,000 USD 入金、0.1 手。请把它们当作佣金之前的数字来读：运行清单对这十四次记录的佣金都是 0，所以这些平均值里只含点差和库存费。此外十四次里有十二次跑在测试器由 M1 K 线生成的报价上，而不是真实报价，而这些 K 线所携带的点差只在其中一次运行里被测量过，为 19.14 点。
常见误区
把期望值当成下一笔交易的结果
它是对一个分布取的长期平均值。在 40% 胜率下，下一笔交易最可能的结果是亏损，而账户可以在期望值毫无变化的情况下，连续几十笔都待在起点之下。
不做成本建模就直接用回测的平均值
每笔 20 美元的回测期望值，在点差、佣金和滑点都算上之后，实盘里经常变成 12 美元。这个落差并不意外——它正是计算中被略去的那部分。
把 R 倍数和货币混着用
0.2R 的期望值和 20 美元的期望值，在不知道后者背后每笔风险之前无法比较。选定一个基准，并把它说清楚。
假定总能算出 R
R 需要一个明确写出的每笔风险，而上架页面常常什么也不写。本站发布的十四次运行里，有两只根本没有暴露止损参数，三只把止损设为价格的百分比，九只以点数设定——也就是说，整个目录里每笔交易背后的风险甚至不在同一个单位上。货币口径的期望值十四次都能还原，R 版本则不能。
把高胜率读成大优势
这两者是彼此交换的。本站十四次运行中，盈利规模与亏损规模之比从 0.33 到 2.92，并且与胜率反向移动：胜率 79.66% 的那只，承受的亏损是其盈利的三倍；胜率 31.27% 的那只，拿到的盈利接近其亏损的三倍。在这场交换里活下来的是期望值，单看胜率活不下来。
常见问题
- 我能自己算出一只 EA 的期望值吗？
- 能，用上架页面已经给出的数字就行。净利润除以交易笔数，直接得到每笔交易的期望值。要把它拆成平均盈利和平均亏损，还需要胜率和盈利因子，这四个数放在一起就能原样还原出两个均值——这套还原在本站十四次运行上都能把公开的净利润复现到分。对这十四次运行做一遍，得到的是 0.1 手下每笔 1.84 USD 到 20.52 USD。
- EA 的期望值多少算好？
- 用 R 倍数表达，在计入现实成本之后，每笔大致 0.05R 到 0.25R 是经过测试的零售 EA 的可用区间。和这个数字同样重要的是它背后的交易频率，因为每笔期望值乘以每年交易笔数，才是真正的收益。
- 期望值和盈利因子是一回事吗？
- 不是，尽管两者同向变动。盈利因子是总毛利润与总毛亏损之比，没有量纲；期望值是每笔交易的平均金额，带有单位。期望值告诉你一笔交易值多少钱，而这正是仓位管理和破产风险计算所需要的。
- 为什么我的实盘期望值比回测低？
- 因为点差、佣金、滑点和成交延迟会同时压低平均盈利并抬高平均亏损。这种影响在目标较小的策略上按比例最大，所以剥头皮损失最多，宽目标的趋势跟踪损失最少。
相关文章
与该指标直接相关的 EA
公开记录以「期望值」衡量的上架产品。
