回测交易机器人需要多少笔交易？为什么 100 笔不是统一答案

为什么单一交易数量无法证明策略？

回测只是可能结果的样本，并不是策略未来完整的结果分布。增加交易通常会让估计更稳定，但每一笔新增交易的价值取决于它是如何产生的。

同一个平静月份中的五百次入场可能只是在重复一种市场环境。经过数千组参数实验后选出的百笔交易可能反映优化运气。使用未来信息计算的一千笔交易，无论样本多大都无效。

正确问题不只是需要多少笔交易，还包括剩余多少不确定性、样本代表哪些条件，以及最终评估与策略开发之间有多大程度的独立性。

为什么三十笔交易规则经常被误解？

随着样本增大，一些近似统计计算会变得更方便，因此三十个观察值有时被说成统计最低要求。但这不表示三十笔交易能够证明盈利优势。

在小样本中，少数结果就能显著改变胜率。三十笔交易中十八笔盈利，观察胜率为 60%。只要其中三笔从盈利变成亏损，胜率就会降至 50%。

交易收益还包含胜负之外的信息。盈利金额、亏损金额、分布偏度、极端事件、序列依赖与成本都会影响盈利能力。一个勉强可以描述比例的样本，仍可能无法估计最大回撤或尾部风险。

样本规模如何影响胜率的不确定性？

置信区间说明为什么相同的观察胜率在不同样本规模下意义不同。下方图表假设观察胜率为 60%，并为真实概率计算近似 95% Wilson 区间。

三十笔交易后的区间约为 42.3% 至 75.4%。一百笔交易后仍约为 50.2% 至 69.1%。一千笔交易后缩小到约 56.9% 至 63.0%。

这项计算只用于解释。它把每笔交易视为具有相同概率的独立二元结果，而真实交易可能违反两个假设。因此图表展示的是抽样不确定性，不是精度保证。

一百笔交易足以完成回测吗？

一百笔交易可以暴露明显问题。它能够显示成本是否消除毛收益、亏损是否聚集、单笔交易是否贡献大部分利润，以及基本期望值是否为正。

但它不是统一的批准线。优势较小且收益变化较大的策略，可能需要远多于优势明显且稳定的策略。高频系统可能在单一环境中产生一百笔交易，低频系统则可能需要数年才能达到相同数量。

更合理的方法是把一百笔交易视为中期审查。如果结果薄弱、不稳定或依赖少数异常值，就没有理由信任它。如果结果仍然有希望，下一步也应是更严格的验证，而不是立即建立信心。

一千笔交易可能没有想象中那么多信息

统计计算通常假设观察值相互独立，但交易结果可能并不独立。同一次市场冲击中建立的十个仓位，在报告里是十笔交易，却可能只是对同一个事件的一次共同押注。

分批建仓、相关资产与重复信号也会产生类似依赖。如果比特币、以太坊和多个山寨币同时触发信号，这些交易可能共享同一种整体市场暴露。把它们全部视为独立证据会夸大有效样本规模。

除了单笔交易，还应按日期、市场事件、交易篮子与市场环境查看结果。如果把聚集交易合并后利润消失，实际证据就比原始数量显示的更弱。

回测时长与市场环境同样重要

交易数量说明规则执行了多少次，时间覆盖则说明规则面对了哪些环境。完整评估需要两者。

样本应根据策略特点覆盖上涨、下跌、横盘、平静与剧烈波动时期，也应包括流动性和交易成本变化。只在整体上涨阶段测试的机器人，并没有证明它在市场结构改变后如何表现。

市场频率不同，因此没有统一的月份或年数。关键在于样本是否包含可能明显改变入场、退出、成本与风险的条件。

实验越多，所需证据越强

交易数量不能与测试过的想法数量分开。如果一个策略只评估一次，漂亮结果有一种含义。如果测试一百万种变体，只保留最优结果，强劲表现可能只是偶然出现。

每个指标选择、参数范围、特征组与市场选择都会增加拟合噪声的机会。关于回测过度拟合的研究表明，从大量实验中筛选结果，会降低普通表现指标的说服力。

应记录实验过程，并为最终评估保留完全未使用的数据。邻近参数应表现合理，成本恶化后结果仍应具有价值。更大样本有帮助，但无法消除不受控制的搜索造成的影响。

不同指标需要不同数量的数据

胜率的稳定速度与平均收益、利润因子和最大回撤不同。少数巨额盈利可能主导平均收益与利润因子，而严重回撤可能几年才出现一次。

因此，完整策略不存在单一样本门槛。运营者应检查胜率的可信范围、盈亏分布、交易之间的依赖、异常结果的贡献，以及不利序列的长度。

蒙特卡洛重采样可以说明交易顺序变化如何影响回撤与最终收益，却无法创造原始数据中不存在的市场环境。统计工具只能描述样本，不能替代具有代表性的数据。

• 胜率及其置信区间
• 平均盈利、平均亏损与期望值
• 包含和排除最大交易后的利润因子
• 最大回撤与最长恢复时间
• 最长连续亏损
• 按月份、环境和市场划分的结果

实用验证流程

使用第一批样本开发想法，而不是证明想法。在评估未见数据之前固定规则。加入现实的手续费、价差、滑点与资金费率，然后比较不同市场环境与邻近参数下的结果。

前向观察能够加入开发阶段不可能挑选的新交易。有限实盘执行随后会揭示真实成交、延迟与运行差异。每个阶段都应预先定义接受与暂停条件。

目标不是达到某个神奇数字，而是在不让测试信息泄漏回策略选择过程的前提下降低不确定性。

TensorParadigm 的 1,373 笔模拟交易说明什么？

TensorParadigm 从 2026 年 1 月 1 日开始的历史模拟共报告 1,373 笔已完成交易，其中 907 笔盈利。与只有几十个结果的报告相比，这个样本提供了更多信息。

交易数量仍不能证明未来表现。样本覆盖特定时期，模拟对每次进场和出场收取 0.12% 的手续费并计入 0.03% 的滑点，与实盘交易的费率相同。入场之间的依赖以及市场环境覆盖范围也必须考虑。

因此，TensorParadigm 会把交易数量与收益率、最大回撤、胜率、利润因子和模拟时期一起展示。下一层证据来自新数据、受控实盘与持续监控。

诚实的判断标准

三十笔交易可以作为早期观察，一百笔交易可以作为有用的检查点，数百笔交易可以明显降低活跃策略的不确定性。但这些数字都不能自动验证交易机器人。

可信回测需要把足够的交易数量与多种环境、现实成本、有限依赖、未见评估数据，以及对实验数量的诚实记录结合起来。最好的样本不只是规模大，还应让策略开发者难以欺骗自己。