一份回测需要多少笔交易：我们对2,126笔做了重抽样

作者 chwoo · 加密货币交易7年。自2026年春起运行自动交易机器人。 · 2026-07-20 · 更新 2026-09-08

做一个不舒服的实验：抛一枚公正的硬币十次。出现七次正面的情况相当常见，没有人会因此断定这枚硬币有魔法。 然而交易者常常看到一个策略在回测的十笔交易里赢了七笔，就断定自己找到了一个胜率70%的系统。

通常的做法是引用一下平方根法则然后就过去了。我们决定去量。我们挑了一个结果又大又明确的策略：BTC一小时线 上的布林带均值回归，它 做了2,126笔交易，赢下其中39.2%，亏掉账户的98.1%。然后我们问：如果只看这些交易里更小的一部分，它会告诉你什么？

一个胜率上盖着多厚的雾

对每个样本量，我们从那2,126笔真实交易里不放回地随机抽了2,000次，记录每个样本的胜率。5%和95%这两列是 90%的样本所落入的区间。真值在每一行都是39.2%。

在回测器里打开本文测量的那个策略 →

在十笔交易上，这个区间从 20.0%一直延伸到60.0%。同一个策略、同一个市场、同一段年份，唯一不同的是你恰好看了哪十笔。60%的胜率和20%的胜率，都是一个 39.2%的系统会普通地给出的结果。

宽度大体遵循平方根法则。从10笔到100笔是十倍的样本，区间从40.0个点缩到15.0个点，接近法则预测的大约三倍； 再往上五倍到500笔，就成了6.4个点。精度很贵：把雾减半，大约要四倍的交易。

一个亏掉98%的策略，三次里有一次看起来赚钱

胜率是这个问题的客气版本。同样的实验，这次读每个样本的收益，按本站默认的90%仓位做复利。

从上往下读最后一列。一个摧毁账户98.1%的策略，在十笔的样本里有35.9%显示盈利，在一百笔的样本里仍有19.3%。 要让这个数字归零，需要一千笔交易。如果你用二十笔交易分别检验十个想法，其中几个看起来像优势是理所当然的。 这不是运气差，这是你所选检验方式的算术。

这一列的抖动也值得指出来。十笔是35.9%，二十笔升到38.4%，三十笔又降到26.3%。这本身就是抽样噪声。哪怕是 用2,000次抽样做出来的测量值，也并不平滑。关于小数字的一切都不稳定，包括关于小数字的陈述本身。

挑樱桃能买到什么

上面的样本是随机的。挑截图的人不是随机的。于是我们把一个N笔连续交易的窗口沿整段历史滑过去，在每个长度上 留下最好和最差的那个窗口。

一个亏掉98.1%的策略，最好的三十笔区间是+43.1%，胜率70%。 最好的十笔区间胜率是80%。那一行里的每个数字都真实、可测、可复现，而且彻底误导人。营销截图就是用这个做的， 完全不需要造假。

有用的是最后一行。在连续500笔上，1,627个窗口里没有一个是盈利的，最好的区间是-22.8%。在200笔和500笔之间的某处，这个策略没地方躲了。这就是对标题那个问题的具体回答：至少 对这个策略，挑樱桃失效的地方是几百笔。

交易数和稳健不是同一件事

我们本以为交易数少的策略，周期窗口之间会最不一致，于是去查了。数据不支持这个想法。

只有40笔交易的金叉差距最大，151.3个点，符合预期。但2,126笔的布林带是105.1个点，1,743笔的MACD是116.2个点， 并没有更好。而表里最小的差距7.1个点，属于一个只有 80笔交易 的策略。

解释是这两列在量不同的东西。窗口之间的差距也取决于所涉收益的量级：带趋势过滤的RSI在任何窗口里都几乎不动， 所以它的窗口之间没法差太多。样本量约束的是估计值里的噪声，前面两张表把这一点显示得很干净。但它不会让不同 的年代彼此同意。足够的交易数，和跨市场状态的一致，是两个分开的要求，一个策略可以通过其中一个，同时在另一个上落榜。

真正管用的那个检验

如果大样本定不了案，什么能定？把同样的规则拿到别的地方跑。下面是同一个布林带策略，规则一字不改，跑在 五个币上。

五个市场，一万四千多笔交易，一个答案。把它和前面那个+43.1%的窗口放在一起，证据和轶事的区别就看得见了。 样本外检验只要点一下，却能回答一个更大的样本内检验回答不了的问题。

那该怎么用

• 低于大约30笔，不要形成看法。 在十笔上量出来的区间，在真值周围有40个点厚。
• 把几百笔当成提出一个主张的门票钱。 那是上面挑樱桃开始失效的地方，也是胜率区间收窄到个位数的地方。
• 预期你那些小检验里有三分之一会碰巧好看。 如果你用二十笔跑了十个想法，其中最好的那个什么也没告诉你。
• 读周期表，不要只读总数。 一个窗口之间互相矛盾的策略，有一个任何交易数都修不好的问题。
• 换别的币和别的周期再跑一遍。 这是整轮扫描里最便宜也最有决定性的检验。