文汇阁为投资者提供了软件产品
智能交易系统、智能分析系统、自动跟单系统、智能对冲系统、行情转换系统、交易信号专家等，满足了不同用户的需求。
任何疑问请联系我们客服，可拨打7*24小时服务热线：400-660-1612
在线客服文｜文汇阁量化交易
如果把两套策略的回测报告摆在面前，假设它们过去三年的平均年化收益都是20%，很多交易者第一反应会认为，两者的盈利能力大致相同。接下来，大家通常会继续比较胜率、最大回撤、利润因子和Sharpe Ratio，然后选择看起来数据更加漂亮的那一套。
这种比较当然有意义，但如果停在这里，仍然可能忽略最关键的问题。
同样年化20%，背后的赚钱方式可能完全不同。
策略A可能一年做1000笔交易，其中900笔盈利，每次赚得不多，但偶尔一笔亏损非常大；策略B可能一年只赢300笔，700笔都是小亏，却依靠少数几个大趋势把全年利润全部赚回来。两套策略最后都能达到20%的年化收益，但它们在心理体验、资金曲线、尾部风险、交易成本和资金管理上的要求，几乎完全不同。
如果只看平均收益，我们看到的是最终结果。
如果看收益分布，我们才开始看到这套策略真正的性格。
这也是为什么越成熟的交易系统评估，越不会只问“平均每笔赚多少”“一年能赚多少”，而是继续研究：大部分利润来自哪里？亏损主要集中在哪里？最好的5%交易贡献了多少收益？最差的1%交易吞掉了多少利润？收益分布是右边尾巴更长，还是左边尾巴更长？如果市场出现极端波动，策略是可能突然赚到一笔巨额利润，还是可能把过去几个月甚至几年的小利润一次性吐回去？
这些问题加在一起，才真正决定一套策略是否值得长期运行。
平均收益告诉你策略看起来赚多少，收益分布告诉你这些利润可能要以怎样的代价换取。
平均收益最大的优点是简单。
假设100笔交易总共赚了1万美元，那么平均每笔盈利100美元。这个数字很容易理解，也很容易拿来和另一套系统比较。
但平均值最大的缺陷，同样来自它的简单。
它会把完全不同的交易路径压缩成同一个数字。
假设第一套策略前99笔每笔赚200美元，第100笔亏9800美元，最终总利润仍然接近1万美元。第二套策略前99笔里大部分小亏，但最后一笔抓住一轮大行情赚了2万美元，最终总利润同样接近1万美元。
如果只看平均每笔收益，两套策略非常接近。
但它们的风险结构完全相反。
第一套策略平时让人感觉极其舒服。胜率高，账户每天稳定增加，交易者很容易形成一种“系统很稳”的印象。真正的风险却隐藏在左尾，也就是某些极端亏损事件里。只要一次大行情突破历史范围，过去积累的利润就可能被迅速吞掉。
第二套策略平时体验很差。连续止损、连续小亏、长时间不赚钱，交易者经常怀疑系统是不是失效。但它的右尾很长，一旦真正抓住趋势，少数大盈利就可能覆盖大量小亏并形成全年收益。
这就是为什么平均值无法回答一个真正重要的问题：
利润究竟是怎样来的？
如果不知道利润的来源结构，平均收益就很容易制造错觉。
所谓收益分布，简单理解，就是把所有交易结果按照大小排列以后，观察盈利和亏损是怎样分布的。
有些策略的大多数交易集中在小幅盈利区域，右边盈利尾巴很短，左边却存在少数极端大亏。这类策略通常呈现负偏态。
还有一些策略的大多数交易是小幅亏损或者小幅盈利，但右边偶尔会出现非常大的盈利交易，形成一条很长的右尾。这类策略通常呈现正偏态。
这里所谓“偏态”，不是为了增加数学名词。
它真正回答的是：
你的极端结果主要出现在盈利端，还是亏损端？
如果最极端的结果通常是大盈利，那么策略的主要任务是承受日常小亏，等待少数真正重要的机会。
如果最极端的结果通常是大亏，那么策略平时可能非常稳定，但必须高度警惕某一天出现正常模型无法处理的尾部事件。
这个区别，对资金管理非常重要。
因为同样10%的年化收益，一套正偏态策略和一套负偏态策略，需要完全不同的风险预算。
正偏态收益分布最典型的特征，是大量小亏、小赚，加上少数非常大的盈利。
很多趋势跟踪策略都具有类似结构。
原因很简单。
真正的大趋势并不经常出现。
市场大量时间处于震荡、假突破、无方向或者短趋势状态。趋势系统一旦试图突破入场，就很容易遭遇反向止损。
所以一套趋势策略可能连续亏5次、10次，甚至20次。
这些亏损单独看都不大。
真正改变全年收益的，是少数几次持续时间很长的趋势。
比如黄金突然进入持续数百美元的单边走势，原油出现持续趋势，某个货币对发生长周期重定价。只要系统能够让盈利奔跑，少数几笔大盈利就可能覆盖前面所有小亏。
这类策略最重要的不是胜率。
而是右尾。
如果把所有大盈利交易拿掉以后，系统可能根本不赚钱。
所以正偏态策略最大的运营难点，是交易者必须有能力忍受一段时间的“看起来很差”。
你必须接受连续止损。
接受胜率可能只有30%甚至更低。
接受多数交易没有意义。
接受真正的利润集中在少数极端赢家上。
这对人性是非常大的挑战。
因为人天然喜欢频繁获得正确反馈。
而正偏态系统经常让你感觉自己大部分时间都错。
负偏态策略的特征恰好相反。
它的大多数交易都赚钱。
平均每次赚一点。
胜率很高。
账户曲线平滑。
真正危险的是，左边偶尔会出现一个非常大的亏损。
卖期权、逆势网格、某些均值回归、过度加仓以及部分高胜率套利模型，都可能呈现不同程度的负偏态特征。
这种策略最容易获得交易者喜欢。
原因也很简单。
它每天都在给你正反馈。
今天赚。
明天赚。
连续20天赚钱。
连续50笔交易只有几笔小亏。
交易者自然会产生一种心理：
这个系统很稳。
甚至会慢慢提高仓位。
问题在于，真正的风险可能一直没有出现。
举一个极端例子。
如果一套策略99%的时间每次赚100美元，剩下1%的时间可能亏1.5万美元，那么它会制造一个非常漂亮的胜率。
99%。
但这个99%本身几乎没有任何安全意义。
因为决定策略长期命运的不是前面99笔。
而是第100笔出现时账户还能不能活。
这就是负偏态策略最危险的地方。
它不是经常告诉你风险很大，而是长时间告诉你风险很小。
胜率是零售交易市场最喜欢宣传的指标之一。
70%。
80%。
90%。
甚至95%。
这个数字非常有吸引力。
因为它符合人的直觉：赢得越多，策略越好。
但交易真正关心的不是赢多少次。
而是赢的时候赚多少，输的时候亏多少。
假设策略A胜率90%，平均盈利100美元，平均亏损1000美元。
它的期望值大约是：
90% × 100 − 10% × 1000，也就是负10美元。
虽然90%的交易都赚钱，长期仍然可能亏损。
相反，策略B胜率只有35%，平均亏损100美元，平均盈利300美元。
它的期望值是：
35% × 300 − 65% × 100，也就是正40美元。
胜率只有35%，却可能长期拥有正期望。
所以判断一套系统最危险的习惯，就是把胜率当成风险指标。
高胜率只是告诉你：
这套系统经常赢。
它没有告诉你：
输一次会发生什么。
而对于负偏态策略来说，真正的问题恰恰集中在那少数失败交易里。
金融市场的大部分时间相对正常。
真正毁掉账户的，通常不是正常时期。
而是尾部。
所谓尾部，就是收益分布两端那些非常罕见、但结果极端的事件。
右尾代表极端盈利。
左尾代表极端亏损。
如果一套系统的大多数利润依赖右尾，那么交易者最重要的任务，是确保在真正的大行情到来以前没有提前退出系统。
如果一套系统主要风险集中在左尾，那么最重要的任务，是确保极端损失出现时不会毁掉账户。
这两种管理逻辑完全不同。
正偏态策略最怕的是：
连续亏损后人为停止系统，结果刚停掉就错过真正的大行情。
负偏态策略最怕的是：
连续盈利后不断提高杠杆，结果尾部风险出现时仓位恰好最大。
所以收益分布真正改变的，不只是我们怎么评价策略。
它直接决定：
什么时候应该坚持。
什么时候应该减仓。
什么时候应该保持风险上限。
假设一个策略已经连续赢了50笔。
交易者通常会发生什么变化？
最开始0.1手。
后来0.2手。
再后来0.5手。
因为系统不断赚钱，人会自然认为风险低于原来判断。
这就是高胜率策略最危险的行为反馈。
历史上的连续盈利会改变人的主观概率。
系统越稳定，交易者越愿意增加杠杆。
但如果这个策略本身属于负偏态结构，真正的尾部风险并没有因为前面连续盈利而消失。
甚至恰恰相反。
你的仓位可能已经在风险事件出现以前膨胀到了最高水平。
这也是为什么一套机构级负偏态策略必须拥有非常严格的仓位上限。
不能因为最近胜率高而随意放大。
风险预算应该由尾部损失决定，而不是由最近盈利决定。
真正成熟的仓位管理，不应该奖励连续赚钱带来的自信，而应该持续尊重收益分布中最坏的那一端。
如果正偏态策略理论上很优秀，为什么不是所有人都愿意使用？
因为它很难坚持。
假设一套趋势策略长期期望值为正，但胜率只有35%。
这意味着65%的交易都会亏。
你可能连续止损8次。
10次。
甚至更长。
回测报告告诉你：
正常。
但真实账户里连续10次亏损的感觉完全不同。
交易者会开始怀疑参数。
怀疑市场环境。
怀疑程序。
甚至怀疑自己。
最危险的时候，是第10次止损以后决定关闭策略。
因为真正的大行情可能恰好发生在第11次。
这就是正偏态策略最深的悖论。
统计优势可能存在。
但人未必能够承受它实现优势之前的路径。
所以评估一套低胜率高赔率系统时，不能只问：
长期赚钱吗？
还必须问：
我能不能承受它赚钱之前的连续失败？
如果不能，再好的数学期望都没有实际意义。
一套胜率35%的策略，连续亏损10次并不是什么不可想象的极端事件。
很多交易者在回测里看到35%胜率，会觉得自己心理已经准备好了。
真正进入实盘以后才发现：
连续亏损不是抽象数字。
它是一连串真实体验。
每一笔都有手续费。
每一笔都有滑点。
每一笔都会降低账户权益。
更重要的是，每一笔都会对信任产生影响。
这就是为什么低胜率策略必须提前研究最长连续亏损、历史亏损簇、滚动胜率和回撤持续时间。
不是为了预测下一次一定会亏多少笔。
而是提前告诉资金管理者：
正常情况下，这套系统最难受的时候可能长什么样。
如果历史样本显示连续亏损15次完全正常，那么账户仓位就必须能够承受20次甚至更长。
否则你不是在做统计交易。
你只是在赌亏损序列不会恰好落在自己身上。
有一个指标我认为非常值得所有策略开发者关注：
利润贡献集中度。
简单说，就是全年利润到底由多少笔交易贡献。
假设全年赚10万美元。
其中最赚钱的5笔贡献了8万美元。
这意味着剩下几百笔交易合起来只贡献2万美元。
这类策略通常高度依赖右尾。
如果回测刚好错过一个大趋势，结果可能完全不同。
另一套系统全年同样赚10万美元，但最大5笔盈利只贡献1万美元，大量中等盈利共同构成全年结果。
这两套系统的稳健性完全不同。
前者可能拥有很强的趋势捕捉能力，但收益对少数大行情高度敏感。
后者则可能具有更加均匀的盈利来源。
所以不能只看总利润。
还应该问：
前1%的交易贡献多少利润？
前5%贡献多少？
如果剔除最大10笔盈利，系统还赚钱吗？
如果剔除最大10笔亏损，策略风险结构会发生什么变化？
这些问题能够非常快地揭示一套系统到底依赖什么赚钱。
很多策略报告会写：
平均盈利200美元。
平均亏损100美元。
盈亏比2:1。
看起来非常不错。
但如果盈利分布非常集中，真正的大部分赢家只有80美元，只是因为偶尔有一笔5000美元盈利把平均数拉高，那么“平均盈利200”并不能代表普通交易。
同样，如果大部分亏损只有50美元，但偶尔出现一笔1万美元巨亏，平均亏损也可能无法充分表达左尾风险。
所以除了平均值，更应该研究中位数。
如果平均盈利200美元，但盈利中位数只有70美元，说明分布右尾很长。
如果平均亏损100美元，但亏损中位数只有30美元，说明少数大亏正在明显拉高均值。
平均值与中位数的差距，本身就是收益分布的重要信息。
这也是为什么成熟策略分析不能只停留在一个漂亮的盈亏比数字。
必须继续研究这个数字是怎样形成的。
回测最大的天然限制之一，就是我们只能看到已经发生过的市场。
如果一套策略过去十年没有遇到真正极端的行情，回测就会告诉你：
风险很低。
但这并不意味着未来不会发生过去样本之外的事件。
尤其是负偏态策略，历史数据特别容易产生虚假安全感。
因为尾部事件本来就少。
十年没有出现，并不等于概率为零。
所以在评估高胜率负偏态策略时，不能只看历史最大亏损。
还必须做压力测试。
如果波动率突然翻倍会怎样？
如果价格跳空穿过止损怎么办？
如果流动性突然消失怎么办？
如果点差扩大五倍怎么办？
如果原来每天都能成交的价差突然无法成交怎么办？
如果多个相关品种同时朝不利方向运动怎么办？
这才是尾部风险评估真正应该做的事情。
一套策略在回测里可能表现非常漂亮。
真正实盘以后却完全不是同一个结果。
原因之一，就是流动性。
尤其是那些看起来胜率很高、每笔利润很薄的策略，对流动性极其敏感。
假设平均每笔理论利润只有3美元。
手续费1美元。
滑点再多1美元。
实际利润已经减少三分之二。
如果市场极端时点差突然扩大，原本盈利的交易甚至可能直接变成亏损。
所以策略收益分布不能只看毛收益。
还应该看扣除真实交易成本以后的净分布。
尤其需要研究：
大盈利发生时能不能成交？
大亏发生时能不能退出？
这一点非常关键。
有些策略的盈利发生在正常市场环境，成交很容易；真正的大亏却发生在流动性最差的时候。
这种收益分布比历史报表看起来危险得多。
很多回测把手续费设置成一个固定数字。
点差设置固定。
滑点甚至直接设为零。
这种处理对于粗略研究可以接受，但对于真正判断策略质量远远不够。
现实中的成本会变化。
伦敦、美盘活跃时点差可能很小。
重大数据发布前后可能突然扩大。
平静行情滑点很低。
极端行情滑点可能完全失控。
所以真实世界里，交易成本本身也有分布。
如果一套高频策略的利润高度集中在非常小的边际优势上，那么成本尾部就可能决定策略生死。
一套每笔平均赚5美元的策略，如果正常成本2美元、极端成本8美元，那么市场稍微变坏，期望值就可能翻转。
这就是为什么“毛利润稳定”不等于“真实利润稳定”。
成熟系统必须把交易成本当成策略的一部分。
如果要真正评价一套策略，我认为第一步应该先识别它的收益来源。
它靠趋势吗？
靠均值回归吗？
靠流动性溢价吗？
靠卖波动率吗？
靠价差收敛吗？
不同收益来源，自然对应不同分布。
趋势跟踪通常接受低胜率，换取右尾。
均值回归通常接受较小的平均利润，但需要防止趋势行情里的左尾风险。
卖波动率策略常常拥有高胜率，却必须为极端波动建立非常严格的防御。
套利可能平时非常稳定，但当相关关系破裂时，尾部风险会突然上升。
只有先知道利润从哪里来，才能理解亏损应该在哪里出现。
这也是为什么一套真正成熟的策略报告，应该能够解释自己的收益结构，而不只是展示漂亮的绩效数字。
如果我要评价一套量化策略，我不会只看年化收益、胜率和最大回撤。
至少还会同时观察几个维度。
首先是期望值，也就是长期平均每笔交易到底贡献多少净收益。
其次是收益分布偏态，判断极端结果主要集中在盈利端还是亏损端。
第三是尾部损失，尤其是最差1%、最差5%交易到底有多严重。
第四是利润集中度，看看是不是少数交易贡献了绝大部分利润。
第五是连续亏损长度，判断资金和心理需要承受什么样的失败序列。
第六是回撤持续时间，因为一套正期望系统如果需要长期水下，也可能难以运营。
第七是流动性敏感度，判断在正常和极端市场中能不能按预期成交。
第八是交易成本敏感度，判断成本增加以后，原来的正期望是否仍然存在。
这些东西放在一起以后，我们看到的才是一套真正完整的策略。
Sharpe Ratio非常重要。
它通过收益与波动之间的关系，帮助我们判断单位波动带来了多少回报。
但它同样存在局限。
尤其是收益分布明显偏态的时候。
一套负偏态高胜率策略，日常波动可能非常小，Sharpe看起来很高。
真正的大亏还没有发生以前，曲线甚至非常漂亮。
而一次尾部事件可能瞬间改变全部历史表现。
这就是为什么只依赖标准差衡量风险，会低估非对称分布里的极端风险。
所以Sharpe应该和偏度、峰度、最大回撤、尾部损失以及压力测试一起看。
任何一个单独数字都不能取代完整的风险结构。
不同策略不应该使用同样的杠杆。
这件事情经常被忽略。
假设两套策略的最大历史回撤都是15%。
如果第一套是正偏态趋势系统，风险主要来自连续小亏，单笔极端亏损相对可控；第二套是负偏态高胜率系统，平时回撤很小，但存在一次巨大尾部亏损可能，那么第二套就应该使用更低的杠杆。
因为历史最大回撤可能还没有真正反映尾部事件。
同样，正偏态系统虽然理论上能够依赖大赢家修复损失，但如果连续亏损期间仓位太大，也可能在大行情到来以前耗尽风险预算。
所以仓位不能只看平均收益。
应该根据分布结构配置。
正偏态策略要防连续亏损。
负偏态策略要防单次毁灭。
高频小利润策略要防成本恶化。
套利策略要防相关关系突然断裂。
这才是真正有针对性的资金管理。
为什么机构喜欢组合多个不同策略？
不仅因为分散品种。
更重要的是分散收益分布。
一套趋势策略可能在震荡期表现差，但在极端趋势中非常优秀。
一套均值回归策略平时稳定，却怕持续趋势。
如果两者相关性较低，那么一个策略左尾出现的时候，另一个策略可能恰好进入盈利阶段。
这种组合价值比简单增加多个类似策略更重要。
如果账户里放了十个EA，但全部都是同一种高胜率均值回归结构，那么看起来策略很多，真正遇到单边极端行情时可能全部一起亏。
这不叫分散。
只是复制风险。
真正的组合必须研究：
不同策略的收益分布能不能互相补充。
谁在趋势里赚钱？
谁在震荡里赚钱？
谁拥有右尾？
谁承担左尾？
当一种极端环境出现时，是否有另一个模型能够产生相反收益？
这才是真正的组合工程。
漂亮回测最常见的问题，并不是造假。
而是它展示了平均世界，却没有充分展示极端世界。
正常行情里，系统利润稳定。
交易成本正常。
滑点正常。
波动率正常。
相关性正常。
所以回测非常漂亮。
真正的实盘失败，往往发生在这些假设同时失效的时候。
波动率突然扩大。
相关性同时上升。
流动性下降。
成本扩大。
止损滑点。
仓位原本已经比较高。
于是几个平时看起来独立的风险突然叠加。
这就是尾部相关性。
平时大家互不相关。
真正市场危机时却同时朝一个方向亏。
所以真正高级的回测，不应该只模拟平均市场。
还应该主动制造坏环境。
把点差扩大。
把滑点提高。
把收益分布尾部加厚。
把相关性提高。
然后看系统还能不能活。
如果只有在一切正常的时候才赚钱，那还不能称为稳健系统。
一套策略最终能不能真正为你所用，不仅取决于数学期望。
还取决于你是否能够承受它的收益路径。
有些人适合趋势交易。
他能够忍受连续亏损，等待大行情。
有些人完全受不了连续10次止损。
即使系统长期期望值为正，他也一定会中途停掉。
那这套策略对他来说就没有意义。
同样，有些人喜欢高胜率系统。
每天小赚让他感觉很好。
但他是否真正能够接受某一天突然亏掉三个月利润？
如果不能，也不适合负偏态策略。
这就是交易系统和人的匹配。
没有绝对最好的收益分布。
只有：
你是否理解它。
能否承受它。
资金是否适合它。
风险预算是否匹配它。
如果让我设计一张真正机构化的策略评估表，我会要求它至少回答以下问题。
全年总利润是多少？
其中最赚钱的1%、5%、10%交易分别贡献多少？
最差的1%、5%、10%交易损失多少？
盈利中位数和平均盈利差多少？
亏损中位数和平均亏损差多少？
胜率是多少？
平均盈亏比是多少？
最长连续亏损是多少？
收益分布偏度是什么方向？
有没有明显尾部风险？
成本增加20%以后还能赚钱吗？
点差扩大两倍以后还能运行吗？
极端行情里止损是否仍然可以成交？
如果剔除最大的几笔赢家，策略是否仍然具有正期望？
如果这些问题都没有答案，只给一个“年化30%”，我认为远远不够。
因为年化收益只是结果。
策略质量存在于结果的生成过程里。
我一直喜欢把交易系统理解成一门生意。
如果一家企业每个月稳定赚100万元，但每五年有一次可能亏1亿元，那么这家企业的商业模式显然存在巨大的尾部风险。
另一家公司连续几年利润很低，偶尔因为成功项目一次赚几亿元，它的商业模式则属于典型正偏态。
交易也是一样。
每一种策略，本质上都是一个利润生产模型。
趋势系统像风险投资。
失败项目很多，但少数赢家贡献巨大收益。
负偏态高胜率系统更像保险业务。
平时不断收保费，但必须为极端理赔准备足够资本。
套利像薄利高周转业务。
真正怕的是市场机制突然变化或者流动性消失。
这样理解以后，很多东西都会变得清楚。
你不会再简单比较：
谁胜率更高。
而会问：
这门生意到底是靠什么赚钱，又最可能因为什么破产？
这才是真正的风险分析。
还有一个经常被忽视的问题。
历史上的收益分布并不是永远稳定。
一套策略过去可能是正偏态。
后来大赢家越来越少。
右尾开始缩短。
同时连续亏损没有减少。
这可能意味着趋势优势正在下降。
另一套高胜率策略过去极端亏损很少。
后来左尾开始越来越厚，亏损事件出现频率上升。
这可能说明市场结构已经改变。
所以真正专业的系统监控应该研究滚动收益分布。
最近100笔交易和历史1000笔相比发生了什么？
偏度有没有变化？
大盈利数量有没有减少？
大亏发生频率有没有提高？
平均值是不是仍然一样，但分布已经恶化？
这类变化往往比净利润更早暴露问题。
交易做到最后，我们会慢慢发现一个非常朴素的事实。
赚钱并不难定义。
账户余额增加，就是赚钱。
真正困难的是判断：
这种赚钱方式能不能持续。
一套策略平均每个月赚2%。
很好。
但如果每三年可能一次亏掉50%，完全是另一回事。
一套系统胜率90%。
很好。
但如果那10%的亏损足以吞掉全部利润，90%的胜率没有你想象中那么珍贵。
另一套策略胜率只有30%。
看起来很差。
但如果亏损始终受控，而真正的大趋势能够带来10倍、20倍于单次风险的盈利，它同样可能是一门非常好的生意。
所以真正高级的交易研究，不会停留在：
赚多少。
胜率多少。
平均多少。
它会继续研究：
利润集中在哪里？
亏损集中在哪里？
尾部在哪里？
利润的右尾有多长？
亏损的左尾有多深？
大多数交易是什么样？
极端交易是什么样？
成本恶化以后会怎样？
流动性消失以后会怎样？
仓位放大以后，尾部风险会不会出现非线性增长？
只有这些问题全部进入策略研究以后，我们才真正开始理解：
一套系统到底在做什么生意。
这就是为什么我认为，收益分布的重要性远远高于很多交易者的想象。
平均收益告诉我们这套策略表面上赚了多少钱。
收益分布则告诉我们：
这些钱是怎样赚来的。
需要经历多少失败。
依赖多少极端赢家。
承担什么尾部亏损。
以及最终有多大概率能够真正把利润留下来。
平均收益告诉你策略看起来赚多少，收益分布告诉你这些利润可能要以怎样的代价换取。
研究可以复杂。
执行必须简单。
胜率可以很高，也可以很低。
真正不能缺少的是正期望、风险边界和对收益分布的理解。
最后真正值得我们长期持有的，从来不是“看起来最会赚钱”的策略。
而是那套你清楚知道：
它为什么赚钱，它什么时候亏，它最坏会怎样，以及当最坏的那一天真正到来时，账户依然能够活下来的系统。
——文汇阁量化交易
本文仅用于量化交易、策略研究、收益分布、风险管理及资产配置方法交流，不构成任何黄金、外汇、期货、证券、差价合约或其他金融产品的投资建议、交易指令、资金管理建议或收益承诺。
文中提到的正偏态、负偏态、胜率、盈亏比、期望值、尾部风险、收益集中度、Sharpe Ratio及其他统计概念，均属于策略研究工具。历史统计分布不能保证未来保持稳定，市场结构、流动性、交易成本、波动率、相关性及政策环境的变化，都可能导致收益分布发生显著改变。
尤其需要注意，高胜率策略并不代表低风险，低胜率策略也不自动代表高收益。任何策略都应结合极端亏损、最长连续亏损、最大回撤、流动性约束、真实点差、佣金、滑点、保证金以及账户总体风险预算进行评估。
回测中未出现的尾部事件，未来仍然可能发生；历史最大亏损也不应被理解为未来亏损上限。涉及杠杆、加仓、卖波动率、套利或高频交易的策略，在极端环境下可能出现远高于历史样本的损失。
历史表现不代表未来结果。真正成熟的风险管理，不只研究平均情况下能够赚多少钱，更要提前研究极端情况下可能付出什么代价。
上一篇： 从交易策略到交易操作系统：文汇阁顺势对锁V1.37，把滚动、锁仓、冻结、消仓…
下一篇：暂无信息
