一个交易系统需要回测多少笔才算有效：公式 n ≥ (1.96σ/E)²，附四档期望值对照表

「我回测了一百笔，胜率 55%，这套系统能用。」这句话里唯一确定的信息是笔数，而一百笔在交易这种噪声水平下，几乎什么都证明不了。所需样本量不是拍出来的经验值，它有一个可以直接算的公式，只依赖两个数：单笔期望值和单笔收益的标准差。这篇把公式、算法和四档期望值下的对照表全部给出来。

先给结论，方便直接抄走：一套胜率 40%、赢 2R 输 1R 的系统（期望值 0.2R），需要大约 208 笔才能在 95% 置信水平上确认它的期望值真的大于零。 如果你一年做 100 笔，这意味着两年。

一、公式和它的来源

所需样本量的公式是：

n ≥ (1.96 × σ / E)²

n = 所需交易笔数
σ = 单笔收益的标准差（以 R 为单位）
E = 单笔期望值（以 R 为单位）
1.96 = 95% 置信水平对应的 z 值

它的来源是均值的置信区间。n 笔交易的平均收益，其标准误是 σ/√n。要让「平均收益大于零」这个结论在 95% 置信水平上成立，需要满足：

E > 1.96 × σ / √n

两边移项并平方，就得到上面那个式子。整个推导只用了一个假设：单笔收益之间相互独立。 这个假设在交易里不完全成立（连续加仓、同向持仓会引入相关性），所以实际所需笔数只会比公式算出来的更多，不会更少。

R 是这里的关键单位。一笔交易赚了多少 R，等于它的盈亏除以这一笔的初始风险金额。 止损 100 点、最后赚了 200 点，就是 +2R。用 R 而不是用金额，是为了让不同仓位大小的交易可以放在同一个分布里统计。仓位怎么算见一笔交易该用多少仓位。

二、标准差怎么算

多数人卡在这一步，因为 σ 不是直接给出的数字，要从胜率和盈亏比推。

对一个「赢就赚 W 个 R，输就亏 L 个 R」的简化模型，胜率为 p 时：

E   = p × W − (1 − p) × L
E²ₓ = p × W² + (1 − p) × L²
σ   = √(E²ₓ − E²)

代入胜率 40%、赢 2R、输 1R：

E   = 0.40 × 2 − 0.60 × 1 = 0.20 R
E²ₓ = 0.40 × 4 + 0.60 × 1 = 2.20
σ   = √(2.20 − 0.04) = √2.16 = 1.4697 R

这个 1.47 就是交易的噪声水平。 它比期望值 0.20 大了七倍多。一套优秀系统的信号强度只有噪声的七分之一，这是所有样本量问题的根源。

如果你已经有实盘记录，不需要用这个模型，直接对每笔的 R 值求标准差即可，Excel 里用 STDEV.S 一步算完，表格公式见Excel交易统计公式。用真实分布算出来的 σ 通常比模型算出来的更大，因为真实交易里有滑点、有部分止盈、有超出止损的跳空。

三、四档期望值对照表

下面这张表是核心。假定赢 2R 输 1R 的盈亏结构，反推每档期望值对应的胜率，再算所需笔数。

单笔期望值 E	对应胜率（赢2R输1R）	单笔标准差 σ	所需笔数 n	每年100笔需要
0.10 R	36.67%	1.446 R	803 笔	8.0 年
0.20 R	40.00%	1.470 R	208 笔	2.1 年
0.30 R	43.33%	1.487 R	95 笔	1.0 年
0.50 R	50.00%	1.500 R	35 笔	0.4 年

读这张表的正确方式不是「找到自己那一行」，而是看四行之间的落差：期望值从 0.3R 掉到 0.1R，只差 0.2R，所需样本量却从 95 笔涨到 803 笔，差了八倍多。

四、核心洞察：这是一个平方关系

公式里 E 在分母上，而且整体被平方。这意味着：

期望值降一半，所需样本量变成四倍。

固定 σ = 1.47R，只改变 E：

单笔期望值 E	所需笔数 n	相对上一行
0.40 R	52 笔	基准
0.20 R	208 笔	×4
0.10 R	830 笔	×4
0.05 R	3320 笔	×4

这个平方关系有三条很实际的推论。

推论一：微弱优势在实践中不可验证。 期望值 0.05R 的系统理论上是赚钱的，但你需要 3320 笔才能确认它不是随机的。一年 100 笔的话是 33 年，而市场结构在 33 年里早就变了。在人的一生尺度上，太弱的优势等于没有优势。

推论二：提高期望值比增加样本便宜得多。 想让验证周期缩短一半，你有两个选择：交易频率翻倍（成本翻倍、精力翻倍、质量下降），或者把期望值提高 41%（1.41² ≈ 2）。后者通常更容易，因为期望值的改进空间往往在出场和仓位上，不在入场信号上。改哪里更有效的分析见为什么胜率高还是亏钱。

推论三：连亏一段完全不能说明问题。 期望值 0.2R 的系统，跑到 50 笔时的 t 值只有 0.96，远达不到显著。50 笔的结果是正是负，基本上是掷硬币。 用 50 笔的结果去改规则，改的是噪声。要不要因为连亏换系统，判据见连亏之后要不要换系统。

五、换一个置信水平，数字会变多少

1.96 对应双侧 95%，这是学术界的默认值，对交易者未必是最合适的。

置信口径	z 值	E=0.1R	E=0.2R	E=0.3R	E=0.5R
单侧 95%	1.645	585 笔	147 笔	65 笔	24 笔
双侧 95%	1.960	830 笔	208 笔	93 笔	34 笔
双侧 99%	2.576	1434 笔	359 笔	160 笔	58 笔

交易者用单侧 95% 是有道理的，因为你关心的问题是单向的：「期望值是不是大于零」，而不是「期望值是不是不等于零」。用单侧口径，E=0.2R 的系统 147 笔就够，比双侧少了近三成。

但不要为了让数字好看而一路放宽口径。放宽到 80% 置信，意味着每五套通过检验的系统里有一套其实是无效的，而你会把真金白银押上去。

六、样本量够了，还有四个条件

笔数达标只是必要条件，下面四条同时满足，回测结论才成立。

条件一：样本必须覆盖至少两种市场环境。 208 笔全部来自同一段单边行情，等于只测了一种情况。一个粗略的检验方法是把样本按时间切成三段，看三段的期望值符号是否一致。分环境表现的检验方法在交易系统是不是真的有效里有更细的做法。

条件二：参数不能是在同一批数据上调出来的。 用同一批数据调参数再用它验证，是在用答案检验答案。正确做法是留出最后 30% 的数据完全不看，参数定死之后再在这段上跑一遍。参数敏感度怎么测见怎么评估一套策略。

条件三：每笔的风险必须大致相等。 R 这个单位成立的前提是每笔的初始风险一致。如果你有些笔重仓有些笔轻仓，那么这批样本的分布是混合的，标准差会被严重低估，算出来的样本量偏小。

条件四：回测里的成本必须按实际填。 手续费、点差、滑点全部计入。这三样合起来经常吃掉 0.05R 到 0.1R，正好是一套弱系统的全部期望值。

七、样本不够的时候该怎么办

现实是多数人手上只有几十笔。这时候有三条可行的路，都不包括「先上仓位试试」。

第一条：先看执行率，不看盈亏。 50 笔判断不了系统好坏，但足以判断你的执行情况。执行率低于 90% 的话，盈亏数据本身就不是这套系统的表现，是你和系统的混合表现，谈有效性没有意义。

第二条：降低单笔风险，把笔数跑出来。 用四分之一的仓位跑到 200 笔，代价是这段时间的收益很小，收获是一个可以下结论的样本。这比用满仓跑 50 笔然后猜要划算得多。什么时候可以把资金加回来，门槛见什么条件下可以加大交易资金。

第三条：换更细粒度的指标。 期望值收敛得很慢，但有些中间量收敛得快很多。比如「入场后 5 根 K 线内的平均浮盈」这类指标，方差比最终盈亏小，几十笔就能看出趋势。它不能替代期望值检验，但可以早期给出方向性的提示。

八、三个常见误区

误区一：用回测的总收益率下结论。 总收益率把笔数、仓位、复利三件事混在一起，不同笔数之间无法比较。一切结论都要落到单笔 R 的分布上。

误区二：把优化次数当成免费的。 在同一批数据上试了 50 组参数，选出最好的那组，这组的表现天然被高估。粗略修正方法是把置信要求提高：试了 k 组参数，就把 z 值按 k 组独立检验来收紧，试 20 组的话 z 从 1.96 升到约 3.0，所需样本量会翻倍还多。

误区三：觉得日内高频可以绕过样本量问题。 高频确实能快速积累笔数，但高频的单笔期望值通常也小得多（扣掉成本后经常在 0.05R 量级），而所需样本量按平方放大，两边基本抵消。没有免费的样本。

写在最后

这个公式最有价值的地方不是让你算出 208 这个数字，是让你接受一件事：交易信号的强度只有噪声的七分之一，所以任何短期结果都不携带信息。

理解了这一点，很多困扰会自动消失。连亏五笔要不要改规则，不用纠结，样本量不够，不改。这个月赚了 30% 说明系统很好吗，不说明，样本量不够。

系统评估的完整指标清单见怎么评估一套策略，这些指标各自的及格线在夏普比率多少算好里。而所有这些指标的前提，都是先有足够的样本。

3秒免费测一下你的”管不住手指数”：journal.xtradingtime.com（记住 3316，就能找到我们）

---

本文内容仅供教育和参考用途，不构成任何投资建议。文中的统计方法基于单笔收益独立同分布的简化假设，实际交易中相关性会使所需样本量进一步增大。交易有风险，入市须谨慎。