量化交易与统计套利： 在金融市场中，一个量化策略并不需要100%的准确率。
如果一个策略的胜率是53%，且每次盈亏比合理，那么在单次或少数几次交易中它完全可能连续亏损；
但只要通过高频或多品种的方式让交易次数N变得足够大，大数定律就会确保该策略的最终整体收益向正期望值收敛。
在量化交易和风险管理中，胜率（Win Rate）和盈亏比（Risk/Reward Ratio 或 Profit/Loss Ratio）是决定一个交易系统能否长期盈利的核心双子星。
大数定律之所以能在量化交易中发挥作用，其底层公式就是由这两个指标共同构建的正期望值（Positive Expected Value）。
胜率 (Win Rate)
定义： 在总交易次数中，盈利交易次数所占的比例。
公式：胜率 = 盈利交易次数 / 总交易次数 * 100%
特点： 胜率非常直观，高胜率（如 70% 以上）能给交易者带来极佳的心理舒适度，但它单独存在时没有任何意义。
定义： 在一段时间内，平均每笔盈利交易的金额与平均每笔亏损交易的金额之比。
公式： 盈亏比 = 平均盈利金额 / 平均亏损金额
特点： 盈亏比反映了策略的"爆发力"或"性价比"。例如，盈亏比为 3 : 1 意味着你平均赚 3 块钱的同时，平均只亏 1 块钱。
一个量化策略能不能赚钱，不看高胜率，也不看高盈亏比，而是看数学期望（Expected Value, EV）是否为正。
单笔交易期望值 (EV) = （胜率 X 平均盈利） - [(1 - 胜率) X 平均亏损 ]
只要 EV > 0，根据大数定律，随着交易次数的增加，你的账户总资金曲线就会稳步向上。
胜率与盈亏比的平衡平衡图（保本底线）
为了不亏钱（即 EV = 0），胜率和盈亏比必须满足以下关系：
最低盈亏比 = （1 - 胜率） / 胜率
在实际市场中，很难做到“高胜率的同时兼顾高盈亏比”（那是圣杯，几乎不存在）。主流的量化策略通常在两者之间做抉择：
代表策略： 趋势突破、海龟交易法则。
胜率： 通常只有 30% -- 40%。
盈亏比： 往往达到 3:1 甚至 5:1 以上。
生存逻辑： 这种策略在震荡市中会频繁吃小亏（不断止损），但只要抓住一次大趋势（单边行情），赚取的利润就能一次性覆盖掉之前所有的试错成本，并带来巨大的超额收益。
代表策略： 期现套利、网格交易、统计套利、高频做市。
胜率： 可以高达 70% -- 90% 以上。
盈亏比： 通常很低，可能只有 0.5:1 甚至更低（即赚小钱，亏大钱）。
生存逻辑： 依靠极高的概率优势和极庞大的交易次数（大数定律加速器）。这种策略最怕“黑天鹅事件”——只要一次极端行情没控制住风险（如没有严格止损），就可能引发“火鸡效应”（养了100天，第101天被宰），一笔亏损吐出之前所有的利润。
在构建和回测策略时，单纯看这两个指标还不够，通常需要结合以下维度：
最大回撤（Maximum Drawdown, MDD）： 低胜率策略虽然长期赚钱，但中间可能会经历连续 10 次的亏损（痛苦的连损期）。你的资金链和心理承受能力能不能扛过去？
凯利公式（Kelly Criterion）： 知道了胜率和盈亏比后，如何计算每一笔交易的最佳仓位比例？
(其中 f 为最佳仓位，p 为胜率，b 为盈亏比)
摩擦成本（滑点和手续费）： 手续费会同时侵蚀胜率和盈亏比。一个在回测中胜率 52%、盈亏比 1:1 的高频策略，加上手续费和滑点后，期望值可能直接变为负数。
凯利公式（Kelly Criterion）是概率论和财富管理中极具传奇色彩的一个公式。它由约翰·拉里·凯利（John Larry Kelly）在 1956 年提出，最初用于解决电话线路信号传输的噪音问题，后被天才数学家爱德华·索普（Edward Thorp）等广泛应用于 21 点赌博和华尔街量化投资中。
简单来说，凯利公式解决的是：在已知“胜率”和“盈亏比”（具有正期望值）的前提下，为了让长期总收益最大化，每一步应该投入总资金的多少比例？
它完美地平衡了收益（下注太少赚得慢）与破产风险（下注太多容易归零）。
对于单笔交易或下注，最经典的凯利公式如下：
$f^*$：当前应该投入的资金比例（最优下注比例）。
$p$：胜率（获胜的概率，介于 0 到 1 之间）。
$q$：败率（失败的概率，$q = 1 - p$）。
$b$：盈亏比（净赔率，即赢的时候能净赚多少，输的时候输掉 1。例如赢了赚 2 元，输了赔 1 元，则 $b = 2$）。
假设你通过历史回测，开发了一个加密货币期权或现货的量化策略，参数如下：
胜率 ($p$) = $60\%$ ($0.6$)
盈亏比 ($b$) = $1.5:1$ ($1.5$)（即平均赚 150 刀的同时，平均止损 100 刀）
败率 ($q$) = $1 - 0.6 = 0.4$
将数据带入凯利公式：
结论： 凯利公式给出的最优解是，你每笔交易应该动用当前总账户资金的 $33.33\%$。
为什么不梭哈（$100\%$ 仓位）？为什么不永远只下注 $1\%$？
凯利公式的独特之处在于，它的目标是最大化资金曲线的复合年化增长率（几何平均数，Logarithmic Utility），而不是单次交易的期望绝对值（算术平均数）。
如果我们观察上图的“资金增长率曲线”（y轴为长期增长速度，x轴为下注比例 $f$）：
下注太少（曲线左侧）： 如果你只下注 $1\%$，虽然安全，但资金增长极慢。
凯利顶点 ($f^*$)： 这是曲线的最高点。在这一点上，长期来看你的财富翻倍速度是最快的。
过度下注（曲线右侧）： 一旦下注比例超过 $f^*$，虽然单次赢的金额变大，但连续亏损带来的“本金回撤惩罚”会呈指数级上升。
破产区 ($f > 2f^*$)： 如果下注比例超过最优值的两倍，根据大数定律，长期来看你的账户必然最终归零（破产）。这就是为什么“高杠杆频繁梭哈”的结局注定是毁灭。
在实际的金融量化交易中，几乎没有人会直接使用 $100\%$ 的凯利公式。量化团队通常会采用“半凯利”（Half-Kelly）或更保守的固定比例。原因有三：
凯利公式基于一个严格假设：胜率 $p$ 和盈亏比 $b$ 是恒定已知的。但在真实的交易市场中，这两个指标是通过历史数据回测（Backtest）估计出来的。未来的市场一旦发生非平稳变化（ Regime Shift），真实的胜率只要稍微往下掉几个百分点，原本的 $f^*$ 就会瞬间变成过度下注区，导致灾难性的回撤。
即便策略参数完全准确，严格执行满额凯利公式，中间也会经历极其惊心动魄的资金回撤。为了换取长期最高的速度，你必须忍受中途资产缩水 $50\%$ 甚至 $80\%$ 的痛苦，这在现实的基金管理或个人交易中是无法承受的。
半凯利策略（下注 $\frac{1}{2} f^*$）： * 代价： 牺牲了大约 $25\%$ 的理论最大长期增长速度。
回报： 将账户的整体波动率（标准差）和最大回撤砍掉了一半，极大增强了策略对参数估计误差的容错率（安全边际）。
凯利公式给量化交易者的最大启示是：
期望值为负 ($EV \le 0$) 的游戏绝不下注： 如果代入公式算出的 $f^*$ 是负数，说明该策略没有概率优势，哪怕一分钱都不该投入（如任何赌场的纯概率博弈）。
管理好“资金的复利回撤”： 赚 50% 然后亏 50%，你的本金不是原地踏步，而是变成了 $1.5 \times 0.5 = 0.75$（净亏 25%）。控制单笔亏损比例，才是让大数定律发挥威力的前提。