阶段1量化入门●●●●●

量化凭什么赚钱？——正期望与大数定律

我的掌握程度：
q-009精讲

先掌握这个答案

两个数学概念联手给出答案： ①期望（Expectation）= 胜率×平均盈利 − 败率×平均亏损。轮盘玩家每押1元的期望 = (1/37)×35 − (36/37)×1 ≈ −0.027元/局（负期望）；赌场是 +0.027（正期望）。 ②大数定律：重复次数足够多时，平均结果必然趋近期望值。一晚几万局之后，赌场每局2.7%的微小优势被"挤"成稳定利润。 量化策略的每一笔交易=赌场的一局：单次输赢靠运气，长期结果靠期望。策略上线前必须回答：期望是正的吗？多少？够覆盖成本吗？

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

本阶段实战方法 · 把行情数字变成可比较的收益

看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。

  1. 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
  2. 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
  3. 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。

使用边界

  • 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
  • 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
不懂的术语：胜率 / 盈亏比（Win Rate / Profit-Loss Ratio）期望（Expectation）CTA / 趋势跟踪（Managed Futures / Trend Following）
背景 · 从一个困惑说起
欧洲轮盘赌有37个格子，押"单一数字"赔率1赔35，看起来很公平（甚至诱人）。赌场每局都可能输给玩家35倍，但几百年过去，赌场的灯从来没有因为"手气差"而熄灭过。
由此产生的问题
每一局的结果都是随机的，赌场凭什么敢说"稳赚"？把这个道理搬到投资：一个量化策略单笔交易也常常亏损，它凭什么预期长期赚钱？
核心概念
两个数学概念联手给出答案： ①期望（Expectation）= 胜率×平均盈利 − 败率×平均亏损。轮盘玩家每押1元的期望 = (1/37)×35 − (36/37)×1 ≈ −0.027元/局（负期望）；赌场是 +0.027（正期望）。 ②大数定律：重复次数足够多时，平均结果必然趋近期望值。一晚几万局之后，赌场每局2.7%的微小优势被"挤"成稳定利润。 量化策略的每一笔交易=赌场的一局：单次输赢靠运气，长期结果靠期望。策略上线前必须回答：期望是正的吗？多少？够覆盖成本吗？
为什么需要它
①这是量化赚钱的唯一合法逻辑：不存在"每单必赚"的策略，追求的是"概率上的优势"；②它解释了风控的地位：大数定律只照顾"活得够久"的人——一次爆仓就永远出局，所以仓位控制、止损、分散（都是保命手段）比预测更重要；③它给了你评判策略的正确姿势：不问"最近赚了吗"，问"期望是多少、样本够不够、成本扣完还剩多少"。
实际应用场景
胜率55%+盈亏比1:1 的策略期望为正（每单位风险期望+0.1）；胜率只有40%但盈亏比3:1 的趋势策略期望同样为正（0.4×3−0.6×1=+0.6）——两种性格完全不同的策略都能赚钱，只要期望为正、次数够多。反例：彩票、大部分赌局、以及一切"偶尔听说有人赚了"的游戏，期望都是负的。
与之前知识的联系
q-008说量化靠"统计规律"赚钱，本题给出了它的数学表述：规律=正期望，重复下注=大数定律。而q-005的风险概念在这里补上关键一脚——波动（运气）决定短期路径，期望决定长期归宿，两者必须同时看。至此，"量化如何赚钱"的完整答案只剩最后一块拼图：把它组织成一条流水线（下一题）。
⚠ 常见误解
  • 高胜率=好策略：胜率90%但盈亏比1:10（一次亏光十次盈利）期望为负——卖期权类策略的典型死法
  • 最近赚钱=期望为正：几百次的样本也可能只是运气好（阶段3的假设检验专门量化"多少样本才可信"）
  • 正期望就够了：还要能活到大数定律显灵——杠杆过高时，短期波动就能让你在黎明前爆仓

🤖 AI导师

导师会先检查你的前置知识（量化交易、风险（波动率）），再用案例、公式和代码帮助理解。此功能需要先启用服务。

量化学徒 · 研究与实践学习系统 ｜ 示例用于教学，实际规则以适用日期和官方说明为准