胜率陷阱：为什么 90% 的胜率可能比 50% 更糟

昨天，Polymarket 上的“特朗普会见普京”市场提供了一个完美的提醒：胜率是一个具有误导性的指标。

我观察到一位高质量的交易者——通常每笔交易下注 10,000 美元——在当天晚些时候下了一笔 100 美元的“否” (NO) 注。这看起来很奇怪：规模小，概率低，很可能会输。

但这 100 美元是一次精心设计的对冲。“否”的价格约为 0.20 美元，暗示会面的可能性约为 80%。如果由于地缘政治摩擦、健康问题或航班延误在最后一刻取消，这 100 美元将支付 500 美元（5 倍回报，4 倍利润）。如果按预期解决为“是”，这 100 美元就作废了。没关系，这是保险的成本。

与此同时，一群交易者正在庆祝他们通过全天黄牛交易获得的 90% 以上的胜率。他们看起来很成功。但如果你的盈亏依赖于一连串的微小盈利，而你拒绝购买保险，那么一次黑天鹅事件就可以抹去数周的收益。

下“否”注的交易者的胜率可能会下降一个点，但他们的整体账户变得更加稳健。

这是核心论点：你的胜率不是你的优势。期望值、仓位管理和收益凸性才是。

▶为什么胜率存在偏差（且危险）

许多交易者执着于胜率，因为它简单且让人感觉良好。但研究和实践一致表明，它是一个带有偏差的视角：

→ 胜率忽略了风险回报比

你可以赢得 70% 以上的交易，但如果你的平均亏损远大于平均盈利，你仍然会亏损。这是交易入门知识，但在人们发布令人印象深刻的胜率百分比以掩盖糟糕的风险管理时，往往会被忽视。

示例：

▪交易者 A：90% 胜率，赢 1 美元，输 10 美元
▪10 笔交易：赢 9 次 (+9 美元)，输 1 次 (-10 美元) = 亏损 1 美元
▪交易者 B：50% 胜率，赢 3 美元，输 1 美元
▪10 笔交易：赢 5 次 (+15 美元)，输 5 次 (-5 美元) = 盈利 10 美元

→ 认知偏差放大了这一指标

交易者倾向于将胜利归功于个人能力，而将失败归咎于“运气不好”。这种自利偏差使高胜率感觉像是能力的证明，即使它只是由于波动或被低估的风险。

关于交易心理的研究强调了这种偏差如何扭曲表现评估：

▪自归因偏差：成功 = 技能，失败 = 运气
▪确认偏差：只记得盈利的交易
▪幸存者偏差：失败者退出，留下“幸存者”

▶真正重要的指标

→ 期望值 (Expectancy)

公式：

期望值 = (胜率 × 平均盈利) - (败率 × 平均亏损)

计算您的期望值：

▪记录您最近的 50 笔交易
▪计算平均盈利和平均亏损
▪应用公式

好的交易者：期望值 > 0

优秀的交易者：期望值 > 交易金额的 5%

→ 利润因子 (Profit Factor)

公式：

利润因子 = 总盈利 / 总亏损

| 利润因子 | 评估 |

|---------------|------------|

| < 1.0 | 亏损中 |

| 1.0 - 1.5 | 勉强盈利 |

| 1.5 - 2.0 | 良好 |

| > 2.0 | 优秀 |

→ 最大回撤 (Maximum Drawdown)

即使期望值为正，如果回撤超过 50%，你也可能被清仓。

好的交易者：最大回撤 < 30%

优秀的交易者：最大回撤 < 15%

▶案例研究：两位交易者

交易者 A (高胜率，低回报)

| 指标 | 数值 |

|--------|-------|

| 胜率 | 85% |

| 平均盈利 | $15 |

| 平均亏损 | $100 |

| 期望值 | -$3.75 ❌ |

| 利润因子 | 0.77 |

交易者 B (低胜率，高回报)

| 指标 | 数值 |

|--------|-------|

| 胜率 | 45% |

| 平均盈利 | $120 |

| 平均亏损 | $50 |

| 期望值 | +$26.50 ✅ |

| 利润因子 | 2.45 |

结论：交易者 B 的胜率只有 45%，但期望值是交易者 A 的 7 倍。

▶如何优化您的交易系统

→ 1. 记录正确的数据

记录每笔交易：

▪入场和出场价格
▪仓位大小
▪持仓时间
▪盈亏金额
▪市场条件

→ 2. 每周计算正确的指标

不要只看胜率。每周计算：

▪期望值
▪利润因子
▪最大回撤
▪夏普比率

→ 3. 基于期望值而非自我意识进行调仓

凯利公式（简化版）：

仓位 % = (胜率 × 风险回报比) / 风险回报比

→ 4. 在关键时刻添加廉价的凸性

就像开头提到的 100 美元“否”对冲：

▪成本：100 美元
▪潜在收益：400 美元
▪目的：保护账户整体利益

→ 5. 预先承诺风险预算

▪单次交易风险：不超过账户的 2%
▪总风险：不超过账户的 10%
▪触及止损时停止交易

→ 6. 以极度的诚实进行复盘（而非胜率）

问自己：

▪“我的期望值在提高吗？”
▪“我的回撤受控吗？”
▪“我的利润因子在增长吗？”

→ 7. 围绕流动性和滑点进行优化

▪在流动性充足时交易
▪避免在重大新闻发布期间大额入场
▪考虑滑点成本

→ 8. 将时间作为变量

▪短期：黄牛交易（高胜率，低利润）
▪中期：趋势跟踪（中胜率，中利润）
▪长期：事件对冲（低胜率，高利润）

投资组合策略可以平滑权益曲线。

▶心理陷阱：为什么我们迷恋胜率

▪简单性：百分比比期望值更容易理解
▪舒适感：高胜率让我们感觉自己是“正确”的
▪社交性：90% 的胜率听起来比 50% 好得多

现实：获利的交易者关心的是盈亏金额，而不是获胜次数。

▶实战 Polymarket 策略

策略 A：事件对冲（低胜率，高回报）

▪场景：重大不确定事件（选举、裁决）
▪方法：购买小额反向头寸保险
▪目标：保护主头寸
▪胜率：~20%
▪利润因子：> 5.0

策略 B：趋势跟踪（中胜率，中回报）

▪场景：具有明确趋势的市场
▪方法：顺势而为，设置止损
▪目标：捕捉大部分趋势
▪胜率：~50%
▪利润因子：~2.0

策略 C：黄牛交易（高胜率，低回报）

▪场景：波动剧烈的市场
▪方法：快速进出，捕捉微小波动
▪目标：积累微小盈利
▪胜率：~70%
▪利润因子：~1.3

建议：组合策略，让策略 A 保护 B 和 C。

▶总结

| 指标 | 重要性 | 原因 |

|--------|------------|--------|

| 期望值 | ⭐⭐⭐⭐⭐ | 长期获利能力的唯一预测指标 |

| 利润因子 | ⭐⭐⭐⭐ | 衡量经风险调整后的回报 |

| 最大回撤 | ⭐⭐⭐⭐ | 决定你是否会被清空 |

| 胜率 | ⭐⭐ | 只有结合风险回报比时才有用 |

核心教训：

> 一个胜率 50%、赢 3 输 1 的交易者，将彻底击败一个胜率 90%、赢 1 输 10 的交易者。

停止追逐高胜率。开始追逐高期望值。

想追踪真正获利的交易者吗？

[→ 订阅 PolyBaymax 高级版](/pricing)

[→ 下一篇：仓位管理秘籍](/blog/position-sizing)