我的交易系统胜率73.5%却亏损：16年回测审计

我花了几天时间审核自己构建的一个实时外汇系统，该系统拥有超过 16 年的历史数据。结果出现了意想不到的亏损，而发现这一问题的诊断方法具有足够的普适性，值得撰文分享——它不仅适用于交易领域的参数搜索，也适用于其他任何参数优化场景。

下方的所有数据均源自实际运行测量，绝非示意性数据。

设置

17 种配置，4 小时入场 K 线，在 1 小时 K 线上模拟出场，时间跨度从 2010-05-28 至 2026-07-08，共 7,641 笔交易。关键在于，我向系统输入的是历史 CSV 数据而非实时数据流，且使用的是未经修改的生产函数，因此被测试的代码路径与实际实盘运行的代码路径完全一致。

错误 1：模拟将成本计入了错误的位置

平台的 OHLC K 线使用的是 BID（卖出）价格。回测在 K 线收盘时建立入场，将止盈和止损设置在收盘价 ± n·ATR 处，并针对 BID 的高低点检查是否触及，最后从最终盈亏中减去点差。

而在实盘中，多头头寸以 ASK（买入）价成交，挂单区间相对于该 ASK 价设定，平仓则发生在 BID 价。因此，实盘需要价格多运行一个点差的距离才能到达目标位，也会提前一个点差的距离触及止损位。

从结果中扣除成本，等同于向触发机制收取成本，这两者并不相同。前者改变的是你的盈利金额，后者改变的是哪些交易能够最终获利。

实测数据显示：胜率会损失 2–5 个百分点，且始终对交易者不利。

这一原则广泛适用于交易之外的领域：如果你的模拟将成本作为事后调整应用，而非建模生成这些成本的机制，那么你的事件计数就是错误的，而不仅仅是总额有误。

错误 2：胜率是设计选择，而非证据

目标设为 0.5–0.8×ATR，止损设为 1.5–2.0×ATR。这意味着盈亏比为 0.25–0.4，通过算术计算即可确定保本胜率：

保本胜率 = SL / (TP + SL) = 75–82%

在样本外测试中，仅使用向前滚动测试片段：4,947 笔交易，胜率 73.5%，亏损 -4,669.9 pip，平均每笔交易亏损 -0.944 pip。

胜率为 73.5% 却仍然亏损并非悖论。小目标容易被频繁触及，这正是小目标的特性。高胜率是以接受四倍于盈利幅度的亏损为代价换来的——它从来都不是存在交易优势的证明。

值得借鉴的诊断方法

在重新优化任何参数之前，我首先问了一个问题：参数曲面是否根本就可学习。

对于每个前向滚动（walk-forward）折叠：在训练窗口和测试窗口上评估整个参数网格，然后计算两者之间的 Spearman 秩相关系数。

若 rho > 0  -> 训练秩次可预测测试秩次；选择具有意义
若 rho ~ 0  -> 曲面纯属噪声；任何选择规则都无济于事

第二行才是关键所在。它区分了*"我的优化器很糟糕"与"这里根本没有任何有效信号"*——这两种情况从外部看来完全相同，却需要截然相反的应对策略。

119 个折叠的统计结果如下：

• rho 中位数：** -0.024**
• rho 均值：-0.030，95% 置信区间 [-0.090, +0.030] — 包含零
• rho > 0 的折叠占比：47.9% — 等同于抛硬币

零信息量。与此一致的是，采用平台平滑处理的前向滚动优化所产生的样本外结果，甚至比那些我从未触碰过的原始参数更差；并且在 17 种配置中有 11 种选择了网格边界——这正是优化器"无从下手"的典型特征。

随后我检查了该效应是否存在于任何地方

38 个交易品种，非重叠持仓期，波动率缩放，并按资产类别汇总，因此 1,140 次测试缩减为 6 次，分为前半段与后半段对比：

有两点是我未曾预料到的：

盈亏平衡交易成本比夏普比率更具决策参考价值。 FX major 的盈亏平衡点约为 3bp，FX cross 约为 1bp——两者均低于实际点差。在编写任何策略代码之前，“此处是否存在优势”这一问题便已有定论。

显著的结果反而是虚假的。 Energy 在全样本中显示 t = 3.73。但在后半段表现持平至负向。若不进行分段检验，它看起来将是表中最强的发现。

Crypto 是唯一的幸存者，但其衰减剧烈（从 0.54 降至 0.15）。在现实的 CFD 点差下，后半段转为负值。这是历史效应，而非当前效应。

实际教训

在构建策略之前，先构建证伪器。

之所以一长串配置看起来像是“已验证”，是因为流程中没有任何组件负责说这里什么都没有。每个部分都被设计用来寻找某些东西，所以它每次都确实找到了东西。

上述的秩相关测试仅花了一个下午，就否定了数月的参数研究工作——包括我最有信心的一条线索。这正是该测试发挥的作用，也是我长期以来为研究流程添加的最廉价的保险措施。

---

本文档属于研究记录，不构成投资建议。过往业绩并不代表未来表现。交易 CFD 存在极高的亏损风险。

---

照片由 Tyler Prahm 拍摄，发布于 Unsplash

---

Photo by Tyler Prahm on Unsplash