蒙特卡洛模拟 — 用户指南与参考
蒙特卡洛模拟以数千种随机顺序重放您的交易历史。本指南解释其工作原理、每个输入参数，并通过一个示例展示如何解读分布。
Disclaimer: 本指南仅供教育用途，不构成投资建议。
蒙特卡洛模拟的作用
该模拟将您的历史交易重新排序（或重采样）数千次，生成权益曲线和回撤的分布。它回答了一个单次回测无法回答的问题：结果在多大程度上取决于交易恰好出现的特定顺序？
为什么您的回测只是一次幸运的抽样
任何交易序列都只是所有可能顺序中的一次随机抽样。蒙特卡洛模拟描绘了同一组交易可能产生的路径族，包括亏损集中在早期的尾部情况。
模拟的工作原理
根据您的胜率、平均盈利和平均亏损，模拟器生成数千个交易序列和权益路径，然后汇总分布——中位数、最坏情况回撤和置信区间。
示例：45% 胜率
您的策略在 100 笔交易中胜率为 45%，平均盈利 $100，平均亏损 $60。模拟将这些交易重放数千次。中位数路径看起来与您的历史相似，但一些不走运的顺序会将亏损集中在早期，产生深得多的回撤。如果许多模拟路径严重亏损，那么历史结果可能只是运气好。
如何使用计算器
输入您的交易摘要并运行数千次模拟。阅读分布并关注尾部——最差的 5% 模拟回撤是您需要据此确定仓位的数字。
常见错误
最常见的错误是将历史结果视为唯一可能的结果。另一个错误是认为增加模拟次数可以弥补糟糕的输入。而将蒙特卡洛模拟解读为对未来的预测则完全偏离了重点。
参数说明
| 参数 | 含义 |
|---|---|
| 起始余额 | 模拟开始的账户余额。 |
| 胜率 | 盈利交易的概率，取自您的历史数据。 |
| 风险回报比 | 平均盈利与亏损的比率。 |
| 每笔交易风险 | 每笔交易中账户承担风险的百分比。 |
| 交易数量 | 每条模拟路径抽样的交易笔数。 |
| 模拟次数 | 要生成的随机路径数量。 |
核心概念
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。
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。
该工具何时适用——何时不适用
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。
真正实用的技巧
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。
相关内容与后续步骤
常见问题
蒙特卡洛模拟能让回测更可靠吗？▾
它通过展示对交易顺序和运气的敏感性来拓宽视野，但仍然使用相同的历史输入。
多少次模拟运行才足够？▾
运行次数越多，分布越稳定。如果增加运行次数后汇总数字不再变化，说明抽样已经足够。
重新排列和重采样有什么区别？▾
重新排列保持您确切的交易集合，但改变它们的顺序。重采样则是有放回地抽取交易。
在模拟输出中我应该关注什么？▾
关注离散程度，尤其是尾部的最坏情况回撤。
蒙特卡洛模拟与样本外测试相同吗？▾
不同。样本外测试在未见过的数据上验证；蒙特卡洛模拟则重新排列您已有的交易。
为什么尾部比中位数更重要？▾
中位数会美化每个策略。最差的 5% 模拟回撤是您必须能够承受的。
- 类型
- 用户指南
- 更新于
- 2026-09
- 来源
- SoloTrade.io 教育内容
蒙特卡洛结果是统计生成的情景，并非对未来表现的预测。