蒙特卡洛模拟 [免费工具]
以随机顺序数千次重放你的交易历史，揭示结果的范围——包括你单一路径所隐藏的不幸连亏。看看多少是技能，多少是运气。
免责声明： 交易金融工具存在风险，本页所有内容仅供教育目的。此处任何内容都不构成财务建议或买入/卖出任何工具的推荐。
请输入有效值。
这个数字怎么算出来的？
基于胜率和风险回报比模拟数千个随机交易序列。
阅读完整使用指南
每个参数、公式与算例 —— 这个工具的完整参考。
什么是交易中的蒙特卡洛模拟？
蒙特卡洛模拟通过将策略自身的历史交易以数千种随机顺序重新排列，来对策略进行压力测试。你真实的交易记录只是你所经历的那些交易中的一条路径；重新洗牌这些交易，可以展示同一组交易可能产生的全部路径分布——包括那些亏损集中在早期的倒霉连续亏损。输出结果并不是对未来的更好预测，而是诚实地审视你的结果中有多少来自技能，多少来自运气。
关键概念
随机化
重新排序或重采样历史结果，以生成新的结果路径。
回撤分布
可能回撤的分布范围，而不仅仅是历史上观察到的那一次。
置信区间
大多数模拟结果落入的范围。
带真实数字的算例
- 1
输入交易历史
你的策略胜率为45%，平均盈利100美元，平均亏损60美元，共100笔交易。
- 2
运行数千次重新洗牌
模拟器以数千种不同顺序重放这些交易，每种顺序都会产生自己的权益曲线。
- 3
解读分布
中位数路径看起来与你的历史相似，但一些倒霉的顺序会将亏损集中在早期，产生深得多的回撤。
- 4
判断稳健性
如果许多模拟路径都严重亏损，你的历史结果可能依赖于幸运的顺序——策略比看起来更脆弱。
如何使用它
输入交易历史
胜率、平均盈利/亏损和交易次数。
运行模拟
生成数千条随机路径。
解读分布
中位数、最坏情况回撤和置信区间。
公式，一步步拆解
模拟
Sample N trades per run from input distribution; repeat many runs
汇总统计量描述结果的分布。
交易者常犯的错误
✗ 将历史结果视为唯一可能的结果
✓你的交易序列只是一次随机抽取。蒙特卡洛展示了同一组交易可能产生的路径族。
✗ 认为更多模拟可以修复糟糕的输入
✓数千次运行可以细化分布，但无法修复不准确的胜率或盈亏比。垃圾进，垃圾出。
✗ 将蒙特卡洛解读为对未来的预测
✓它描绘的是过去对顺序和运气的敏感性。它无法说明未来市场制度的变化。
这个工具什么时候适用 —— 什么时候不适用
适用情况
- ✓在回测之后，查看结果对交易顺序的依赖程度。
- ✓当判断一个回撤数字是稳健的还是顺序的偶然时。
- ✓在扩大资金规模之前，了解可能路径的范围。
不适用情况
- ✗在拥有有意义的交易样本之前使用它。
- ✗假设中位数路径就是‘预期结果’而忽略尾部。
- ✗将其视为样本外验证的替代品。
真正有用的实战建议
关注尾部，而非中位数
最差的5%模拟回撤才是需要据此确定仓位的数字。中位数会美化每一个策略。
比较重新洗牌与重采样
重新洗牌保留你确切的交易；有放回重采样测试的是不同的假设。两者都运行，以界定不确定性。
与样本外测试配合使用
蒙特卡洛告诉你交易中的运气；样本外告诉你数据中的运气。它们回答的是不同的问题。
相关工具与下一步
常见问题解答
蒙特卡洛能让回测更可靠吗？▾
它通过展示结果对交易顺序和运气的敏感程度来拓宽视野，但它仍然使用相同的历史输入和假设。
多少次模拟运行才足够？▾
更多运行意味着更稳定的分布，这就是该工具默认运行数千次的原因。关键是稳定性：如果随着运行次数增加，汇总数字不再大幅变化，说明采样已经足够。
重新洗牌和重采样有什么区别？▾
重新洗牌保留你确切的交易集合，但改变它们的顺序。重采样有放回地抽取交易，允许重复。两者都描绘了‘可能发生什么’，只是对未来有不同的假设。
在模拟输出中我应该关注什么？▾
关注离散程度，而非中位数——尤其是分布尾部的最坏情况回撤。如果有相当比例的模拟路径严重亏损，历史结果可能只是运气好。
蒙特卡洛和训练场的样本外测试一样吗？▾
不一样。样本外测试在未见过的历史数据上进行验证；蒙特卡洛重新洗牌你已有的交易。两者回答不同的问题，结合使用效果最强。
蒙特卡洛结果是统计生成的情景，并非对未来表现的预测。
Disclaimer: The tools and content on this site are provided for educational purposes only and do not constitute investment advice. Trading and investing involve a substantial risk of loss, and past performance does not guarantee future results.