一份實務指南，說明在信任加密貨幣回測前，如何把勝率與期望值、獲利因子、平均盈虧與最大回撤一起讀。
高勝率只告訴你，回測中有多高比例的交易以獲利收場。它不告訴你獲利交易是否大到足以覆蓋虧損交易、手續費、滑價與回撤。
Traseq 是無需寫程式的加密貨幣現貨研究工作區，不是實盤交易、交易所執行、券商終端，也不保證績效。這篇指南談的是如何解讀歷史回測證據，而不是預測未來報酬。
當平均虧損遠大於平均獲利時，高勝率策略仍可能虧錢。最快的檢查方式是期望值：
期望值 =（勝率 x 平均獲利）-（敗率 x 平均虧損）
如果期望值為負，代表這個策略在測試樣本中平均每筆交易是虧錢的，即使多數交易都是贏家。在信任結果前，請把勝率和獲利因子、平均盈虧、交易筆數、手續費、滑價與最大回撤一起讀。
從無程式的加密貨幣現貨策略開始,鎖定版本、執行回測,並讓結果保持可追溯以供比較。
勝率是以獲利收場的已平倉交易比例：
勝率 = 獲利交易 / 全部交易
它是有用的情境資訊。低勝率可能代表連敗較長，策略更難執行。高勝率可能代表頻繁小贏，交易紀錄看起來較平順。
但勝率不衡量每次結果的大小。兩套系統可以都是 60% 勝率，卻產生完全不同的結果：
勝率相同，經濟結果不同。
期望值把頻率與大小結合起來。它回答勝率無法回答的問題：平均每筆交易發生了什麼？
系統 A：高勝率、負期望值
90%$50$50010%（0.90 x $50）-（0.10 x $500）= $45 - $50 = 每筆交易 -$5
這套系統 10 次贏 9 次，但在樣本中平均每筆交易仍約虧 $5。一次大虧會抹掉十次小贏。
系統 B：低勝率、正期望值
35%$300$12065%（0.35 x $300）-（0.65 x $120）= $105 - $78 = 每筆交易 +$27
這套系統多數時間是錯的，但在樣本中平均每筆交易仍為正，因為平均獲利遠大於平均虧損。這也是趨勢跟蹤 vs 均值回歸在比較勝率與報酬大小時，常呈現不同樣貌的原因。
獲利因子比較總獲利與總虧損：
獲利因子 = 總獲利 / 總虧損
獲利因子高於 1.0，代表測試樣本中的總獲利超過總虧損。低於 1.0，代表虧損超過獲利。它是期望值的規模無關版本。
可以粗略這樣讀：
| 獲利因子 | 如何解讀 |
|---|---|
低於 1.0 | 測試樣本中虧損 |
1.0 到 1.3 | 很薄，容易受成本影響 |
1.3 到 1.5 | 候選，但仍需驗證 |
高於 1.5 | 較強的樣本結果，仍需穩健性檢查 |
不要把這張表當成預測。高獲利因子如果來自太少交易、單一離群值、不切實際成本，或過度調整過的期間，仍可能很脆弱。
回測基礎 demo 會在 2024-09-01 到 2025-05-30 的真實 BTC/USDT 1h K 棒上執行三個系統模板。這段期間包含 BTC 走向歷史高點的趨勢段，以及之後回落到區間的階段，很適合看出為什麼光看勝率不夠。
| 模板 | 勝率 | 獲利因子 | 報酬 | 解讀 |
|---|---|---|---|---|
| SMA(200) 趨勢濾網 | 18.4% | 1.51 | +31.70% | 勝率最低、報酬最高、回撤也最深 |
| RSI 均值回歸 | 49.1% | 1.26 | +21.44% | 勝率最高、樣本為正,但不是最高報酬 |
| Donchian 突破 | 38.9% | 0.86 |
最高勝率沒有帶來最高報酬。RSI 的勝率最高,但勝率較低的 SMA 趨勢過濾在樣本中報酬更高,同時回撤也更深。Donchian 的勝率居中,但仍是淨虧損。這裡的重點不是哪個模板永遠比較好,而是勝率單獨無法解釋結果。
在給勝率太多權重前，先照這個順序檢查：
完整的指標判讀順序，請閱讀回測指標：勝率、獲利因子與夏普比率，以及文件中的解讀回測結果。
想親自看出這個落差嗎？打開回測基礎 demo，切換三個模板，並把勝率拿來和獲利因子、報酬與最大回撤比較。
會。如果平均虧損遠大於平均獲利，策略可能有負期望值。勝率 90%、平均獲利 $50、平均虧損 $500 的策略，在樣本中平均每筆交易約虧 $5。
期望值是測試樣本中每筆交易的平均損益，公式是（勝率 x 平均獲利）-（敗率 x 平均虧損）。正期望值代表樣本中的平均交易為正；負期望值則不是。
獲利因子通常更適合用來篩選獲利能力，因為它包含結果大小。勝率告訴你交易多常是贏家；獲利因子告訴你測試樣本中的總獲利是否超過總虧損。
趨勢跟蹤與突破策略常在等待少數較大贏單時，承受許多小虧損。低勝率可能是這種風格的正常特徵，但前提是較大的贏單足以抵消虧損與成本。
請把勝率與平均獲利、平均虧損、期望值、獲利因子、交易筆數、手續費、滑價、最大回撤與樣本外行為一起讀。勝率是行為情境，不是單獨的判決。
-12.89%| 勝率居中,但樣本仍虧損 |
2026年5月1日