为什么六大要素必须放在一起解读
大多数关于量化交易的描述，都把可靠性、盈亏比、交易成本、交易频率、仓位规模和心理当作成绩单上彼此独立的项目。但在实践中，它们构成一个相互关联的系统，改变其中一个要素会悄然改写其他要素的含义。 连接它们的公式是期望值。用最简单的形式表达，每笔交易的期望值等于胜率乘以平均盈利，减去亏损率乘以平均亏损，然后再减去成本。只有当最终数值大于零时，策略才具有正的净期望值，而六个要素中的每一个都会对其产生影响。胜率和盈亏比构建原始优势；成本削减优势；频率决定优势被获取的次数；仓位规模决定账户有多少资金暴露于其中；心理则决定整个过程是否真的按设计执行。 这就是为什么单凭一个数字做出的判断并不可靠。一个胜率80%的策略，如果平均亏损是平均盈利的数倍，其期望值可能为负。一个胜率30%的策略，如果盈利足够大，也可能盈利。一个在数学上稳健的系统，在实盘条件下仍可能失败——当成本上升、订单流发生变化，或者交易者在连续亏损期间放弃规则时。 这个框架是描述性的，而非规定性的：它解释交易系统内部的机制和权衡关系，并不说明哪种组合适合特定的账户、市场或时间周期。它真正表明的是，六个要素最好作为一个整体来评估，因为孤立地优化其中任何一个，通常都会损害另一个。
可靠性（胜率）：正确的心理感受
可靠性，即胜率，定义为盈利平仓的交易占总交易笔数的百分比。它是最容易衡量的要素，也是最容易被高估的要素。它在实践中的主要功能是心理层面的：高胜率带来持续的“正确感”，使系统在情绪上更容易被遵循。但它本身并不创造利润。 原因在于，胜率只是二元方程的一半。它必须与盈亏比一起解读，因为平均盈利相对于平均亏损的大小，决定了“经常正确”是否真的能转化为金钱。一个十次中赢九次、但在唯一一次亏损中亏掉十倍利润的系统，尽管看起来准确率很高，期望值仍为负。反之亦然：趋势跟踪方法往往胜率不到一半，却依然能够存活，因为少数几笔大盈利足以抵消一长串小亏损。 典型的失效模式源于为追求高胜率而追求高胜率。追逐准确率的交易者倾向于过早平仓以锁定小额利润，同时继续持有亏损头寸以避免记录亏损。这两种行为都会压低平均盈利、抬高平均亏损，从而损害盈亏比，并可能使原本可行的期望值转为负值。 第二个微妙之处在于，胜率是一个样本统计量。一个真实胜率为55%的策略，在几十笔交易中很容易出现40%或65%的结果。把一段短暂而有利的样本当作可靠性的证明，是过度自信的常见来源，而且往往导致在证据最不可信时反而加大仓位。
盈亏比：盈亏平衡的杠杆
盈亏比是每笔盈利交易的平均利润除以每笔亏损交易的平均亏损。它描述系统在正确时赚取多少、在错误时回吐多少，并同时决定收益的弹性以及系统对错误的容忍度。 它最重要的性质是决定了盈亏平衡胜率。关系很简单：盈亏平衡胜率等于一除以一加盈亏比。盈亏比为1:1时，需要胜率高于50%才能保本。盈亏比为3:1时，只需约25%。盈亏比为2:1时，需要约33%。这就是为什么盈亏比常被描述为盈亏平衡的杠杆：更高的比率降低系统生存所需的准确率，更低的比率则提高它。 由此引出两点警示。第一，盈亏比通常是向后看的平均值。金融市场会产生肥尾，异常事件可能带来远超历史样本中任何记录的亏损。因此，下一期实际实现的比率可能明显差于测量值，这支持保留缓冲，而不是假设历史数字会重演。 第二，盈亏比并非天生固定，它部分是一种选择。更宽的止损带来更少的亏损次数，但单次亏损更大；更近的目标带来更频繁但更小的盈利。这些调整会同时改变盈亏比和胜率，因此两者必须一起重新测量。在电子表格上看起来有吸引力的盈亏比，也可能反映了在快速市场中难以实现的出场价格——此时滑点会扩大实际亏损。
交易成本：确定的负向复利
交易成本包括策略看到的价格与实际获得的价格之间的所有摩擦：佣金、交易所和监管费用、买卖价差、进出场滑点、融资费用，以及在某些司法管辖区对收益或交易征收的税费。它们共同充当过滤器，把毛利润转化为净利润。 成本在六个要素中的独特之处在于，它们几乎是确定的。一笔交易可能盈利也可能亏损，但无论结果如何，成本都要支付。这使成本成为一种确定性的负向拖累，在每一次往返交易中不断累积，侵蚀账户。按单笔交易看，金额似乎很小，而这正是它们被低估的原因；按年度计算，乘以交易笔数后，它们可能占换手额的相当大一部分。 其机制效应是，成本同时降低有效胜率和有效盈亏比。一笔略高于入场价平仓的交易，在扣除费用和滑点后可能是净亏损，因此一些名义上的盈利交易变成了实际亏损。每一笔亏损都变得略大，每一笔盈利都变得略小。因此，一个毛优势很薄的系统，即使使用完全相同的信号，也可能在回测中稳健，而在实盘中无法盈利。 这个问题在高频和超短线策略中最为突出，因为其预期的单笔优势来自非常小的价格低效。如果每笔交易的平均预期收益仅略大于往返成本，数学上的优势就可能被摩擦完全吞噬。还值得注意的是，回测中的成本假设往往偏乐观：历史价差数据可能缺失，滑点可能被建模为固定常数，而不是在波动率最高、流动性最薄时恰好扩大的变量。
