20笔交易赢12笔，60%胜率可信吗？置信区间、样本量与成本检验

20笔交易赢了12笔，胜率确实是60%；但据此认定策略拥有稳定的60%获胜概率，证据还远远不够。在交易相互独立、胜率保持不变的简化模型下，其95%双侧威尔逊置信区间约为38.66%至78.12%。它甚至不能排除真实胜率低于50%的可能，更不能单凭这个比例判断净盈利能力。评价一份交易记录，关键不是60%这个数字是否好看，而是样本误差、交易成本和结果筛选方式会不会推翻结论。

先定义一笔交易，再数盈利次数

统计单位应先固定：一笔从入场到退出的完整交易，还是某次执行成交？同一持仓拆成多次成交或分批平仓，不能自动视作多个独立样本。还要明确“盈利”是扣费前还是扣费后，零收益交易如何归类。为了让胜率好看而删除持平交易，实际上改变了统计对象。

下面先假设每笔交易只有赢、输两种结果，交易之间独立，而且背后的获胜概率稳定。这些是模型条件，不是把数据导入表格就自动满足的事实。区间衡量的是对获胜概率的估计有多不确定，并不是下一笔交易收益会落在哪个范围。

同为60%，20笔和200笔的含义不同

设盈利次数为k，总交易数为n，样本胜率q=k/n。95%双侧威尔逊区间取z=1.96，先算中心m和半宽h，再用m−h与m+h得到上下界：

m = (q + z²/(2n)) ÷ (1 + z²/n)

h = z × √[q(1−q)/n + z²/(4n²)] ÷ (1 + z²/n)

复算时保留中间精度，只在展示时四舍五入。200笔的估计值并没有更高，只是不确定范围收窄了。“95%”描述的是满足模型条件时，重复抽样所构造区间的覆盖性质；威尔逊法是名义95%方法，并非每种有限样本都恰好覆盖95%。它也不是说，已经算出的这个固定区间有95%的后验概率包含真实胜率。

把区间与成本后的盈亏平衡点对照

再设一个刻意简化的收益模型：盈利交易扣费前赚1R，亏损交易扣费前亏1R，每笔完整交易固定支付0.05R成本。这里R是固定风险金额单位，不是账户权益的百分比。若真实胜率为p，每笔预期净收益为2p−1−0.05，所以盈亏平衡胜率是52.5%，而非50%。

把60%代入，点估计为每笔赚0.15R。但代入未经四舍五入的区间端点，20笔样本对应的模型平均收益区间约为−0.277R至+0.512R；200笔则约为+0.012R至+0.281R。只有第二组的下界略高于零，而且仅在每笔盈亏幅度与成本都固定的假设下成立。

现在不改盈利次数，只把成本提高到0.08R。盈亏平衡胜率升至54%，200笔样本的胜率下界53.08%就过不了门槛，对应平均收益下界约为−0.018R。很小的执行成本变化，就足以逆转原本勉强成立的结论。两种计算都不能保证下个月盈利，也不能约束最大回撤。

真实交易的盈利幅度、亏损幅度和滑点通常不固定。这时只估计胜率的不确定性，不能得到交易期望的不确定性；还要分析净收益分布，以及盈亏金额估计本身的误差。许多小盈利与少数巨大亏损，也可能形成很高的胜率。

200行记录，不一定提供200份独立证据

围绕同一次央行决议同时建立的五个持仓，可能都在押注同一个宏观方向；一笔订单拆成十张成交单，更不会凭空增加十次独立试验。这与多个持仓仍可能集中于同一风险来源的道理相通：表面数量不能替代对共同驱动因素的检查。

相关性会让简单二项模型的区间显得过分乐观。交易日志应保留事件日期、策略标识和重叠敞口，必要时采用按事件分组或保留时间依赖的重抽样分析，但不能随意把交易数除以二就宣称已修正相关性。市场环境、交易场所或策略规则改变以后，较大的历史样本同样不能证明旧胜率仍然适用。

究竟要多少笔才够？先说清想估计什么

没有通用的合格笔数。若只是规划比例估计的精度，可用近似式n ≈ z²p(1−p) ÷ e²，其中e是希望达到的绝对半宽。保守取p=0.5、z=1.96、e=0.05，得到384.16，向上取整为385笔。这里5个百分点应输入0.05，而不是5。

这只是正态近似下的样本量规划，不是威尔逊区间的精确样本量解，也不是检验盈利能力的统计功效计算，更不是累计到385笔就可以交易的许可。若样本本身经过挑选，估计再精密也不能消除选择偏差。

让验证流程比结果更难被挑选

在验证期开始前，固定入场、退出、费用与胜负分类规则，并事先约定评估日期或样本量。每完成一笔就检查一次、首次达到满意区间便停止，会改变抽样程序，不能继续沿用普通固定样本区间的原始置信解释。

保留实际试过多少种参数与策略，开发样本之外还应有按时间划分、未参与调参的验证数据。先从大量版本里挑出最好的一条，再像只测试过一次那样展示区间，会隐去筛选风险。完整记录应同时呈现交易数、盈利数、区间方法、成本假设、独立性检查及覆盖的市场阶段。下界未过门槛，意味着这项检验的证据不足，不等于证明策略必亏；下界过了门槛，也只是一条有条件的证据，仍不能替代执行质量与盈亏分布分析。