期望值：衡量决策质量的核心工具

上一章我们学了随机事件和概率。现在我们有了"可能性"的概念，下一个关键问题是：怎么衡量一个决策的长期价值？答案是——期望值。

什么是期望值？

期望值就是"长期平均结果"。它把所有可能的结果按各自的概率加权求和。

公式很简单：

E(X) = P₁×X₁ + P₂×X₂ + ... + Pₙ×Xₙ

其中 P 是概率，X 是对应的结果值。

一个生活化的例子

假设你在考虑要不要带伞出门：

不下雨（概率70%）：带伞的"成本"是稍微麻烦一点，记为 -1
下雨（概率30%）：不带伞会被淋成落汤鸡，"成本"记为 -10；带伞则无事发生，记为 0

带伞的期望值 = 70%×(-1) + 30%×0 = -0.7

不带伞的期望值 = 70%×0 + 30%×(-10) = -3

-0.7 > -3，所以理性选择是带伞。即使70%的可能性不需要伞，但那30%的风险让带伞成为更优决策。

期望值在交易分析中的应用

现在把这个逻辑应用到交易分析中。假设你有一个策略，每次操作的两种结果：

盈利：概率（胜率）为 55%，平均盈利 300 元
亏损：概率（败率）为 45%，平均亏损 200 元

每次操作的期望值 = 55% × 300 + 45% × (-200) = 165 - 90 = 75 元

这意味着：虽然你有45%的可能会亏损，但长期来看，你每次操作平均能赚 75 元。这就是正期望策略。

胜率、盈亏比与期望值的三角关系

期望值由三个要素决定：胜率、平均盈利、平均亏损。它们之间的关系是：

期望值 = 胜率 × 平均盈利 - (1 - 胜率) × 平均亏损

这里引入一个重要概念——盈亏比（也叫赔率）：

盈亏比 = 平均盈利 / 平均亏损

这三个数字之间存在一个关键关系：胜率和盈亏比通常是负相关的。

什么意思呢？

高胜率策略（如网格交易）：经常赚，但每次赚得不多；偶尔亏，但亏得不少。胜率可能65%，盈亏比可能只有0.8:1
低胜率策略（如趋势跟踪）：经常小亏，但抓住一次大趋势就大赚。胜率可能35%，但盈亏比可能达到3:1甚至更高

用42号概率实验室的真实数据说话

让我们看看平台五大策略在393个交易日中的表现（2025年1月至2026年8月）：

多因子综合：累计收益 28.46%，最大回撤 19.76%，收益/回撤比 1.44
网格交易：累计收益 26.16%，最大回撤 9.91%，收益/回撤比 2.64
短期突破：累计收益 24.99%，最大回撤 8.92%，收益/回撤比 2.80
动量轮动：累计收益 18.87%，最大回撤 6.04%，收益/回撤比 3.12
趋势跟踪：累计收益 12.32%，最大回撤 2.01%，收益/回撤比 6.13

注意看"收益/回撤比"这一列。趋势跟踪策略累计收益最低（12.32%），但它的收益/回撤比高达6.13——这意味着它每承受1%的回撤风险，就能获得6.13%的收益。这是效率最高的策略。

而多因子综合策略虽然累计收益最高（28.46%），但它承受的回撤也最大（19.76%），效率比只有1.44。

这告诉我们什么？不要只看累计收益，要看你承担了多少风险才获得这些收益。期望值不仅包括赚多少，还要考虑亏多少。

为什么40%胜率可能比80%胜率更赚钱

回到那个反直觉的问题。假设：

策略A（高胜率）：胜率80%，平均盈利100元，平均亏损400元

期望值 = 80%×100 - 20%×400 = 80 - 80 = 0元

策略B（低胜率）：胜率40%，平均盈利500元，平均亏损200元

期望值 = 40%×500 - 60%×200 = 200 - 120 = 80元

策略A经常赢，但偶尔一次大亏就回到原点。策略B经常小亏，但赢的时候赚得足够多。长期来看，策略B明显更优。

在交易分析中，不是赢的次数多就赢。关键是赢的时候赚多少，输的时候亏多少。

期望值的局限性

期望值是一个强大的工具，但它也有局限：

它假设概率和盈亏是稳定的：实际上市场在不同阶段表现不同
它不考虑顺序：先亏后赢和先赢后亏的期望值相同，但对你的心理和资金影响完全不同
它不考虑极端情况：一个期望值为正的策略，也可能在某段时间内持续亏损

这就是为什么我们在42号概率实验室的策略评估中，不仅看期望值，还要看最大回撤、波动率等指标——它们补充了期望值忽略的信息。

本章要点

期望值 = 所有可能结果按概率加权的平均值，衡量决策的长期价值
期望值由胜率、平均盈利、平均亏损三者决定
胜率和盈亏比通常负相关：高胜率往往意味着低盈亏比，反之亦然
不要只看胜率，要综合看期望值
期望值有局限，需要结合回撤、波动率等指标综合评估

思考题

某策略胜率为50%，平均盈利200元。问：平均亏损最多多少元时，这个策略的期望值才为正？（提示：设平均亏损为X，列方程求解。）

下一章，我们将学习大数定律——它解释了为什么期望值只有在大量重复之后才能兑现，以及为什么你不能因为几次亏损就否定一个正期望策略。

⚠️ 免责声明：本课程内容仅供教育和学术交流目的，旨在帮助读者理解概率论与统计学基础知识。文中所有数据均为历史回测统计结果，不代表未来表现。任何策略的回测数据均不构成对未来收益的保证或承诺。请读者理性学习，独立思考。