---
id: education_item.key-trading-performance-metrics
page_type: education_article
title: "交易绩效关键指标"
description: "交易者统计数据：胜率、盈利因子、数学期望、回撤、Recovery Factor 和夏普比率。如何记录交易日志并分析交易。"
section: education
category: "交易绩效分析"
url: https://moonbot.eu/zh/education/trade-review-and-self-analysis/key-trading-performance-metrics?format=md
locale: zh
alternate_ru: https://moonbot.eu/education/trade-review-and-self-analysis/key-trading-performance-metrics?format=md
alternate_en: https://moonbot.eu/en/education/trade-review-and-self-analysis/key-trading-performance-metrics?format=md
parent: https://moonbot.eu/zh/education/trade-review-and-self-analysis?format=md
previous: https://moonbot.eu/zh/education/trade-review-and-self-analysis/keeping-a-trading-journal?format=md
next: https://moonbot.eu/zh/education/trade-review-and-self-analysis/using-metrics-together-for-a-full-picture?format=md
status: published
updated_at: 2026-11-11T18:19:06+03:00
---

# 交易绩效关键指标

### 借助交易者统计数据客观评估交易系统

没有量化指标，就无法客观评估交易系统。正是交易者统计数据，让您能把对结果的情绪化感受与真实情况区分开来。如果不对自己的交易进行系统分析，任何关于策略 “有效” 还是 “无效” 的结论都只是主观判断。要记录并整理这些数据，交易日志至关重要：它能把杂乱无章的交易变成清晰的交易统计数据，供您分析、比较和改进。

### 1) 胜率（盈利交易占比）

公式：

**胜率 = (盈利交易笔数 ÷ 交易总笔数) × 100%**

**解读：**

- 低于 40%：策略需要认真重新审视
- 40–50%：在收益风险比良好的情况下可以接受
- 50–60%：对大多数策略而言是不错的水平
- 高于 60%：非常好的结果（但要检查收益风险比）

重要提示：胜率高并不保证盈利。胜率为 70%、但盈亏比为 1:3 的策略会亏损。与此同时，胜率只有 40%、但盈亏比为 3:1（盈利占优）的策略却会稳定带来收益。

在交易日志中，最好按信号类型分别记录胜率（例如突破、从关键价位反弹）——这有助于看清策略的哪些部分有效，哪些部分在拖累整体结果。

### 2) 平均盈利与平均亏损

公式：

**平均盈利 = 所有盈利之和 ÷ 盈利交易笔数**\
**平均亏损 = 所有亏损之和 ÷ 亏损交易笔数**

**为什么这很重要：** 这些指标能揭示交易管理中的失衡。如果平均亏损明显高于平均盈利，就说明存在问题：要么您过早锁定盈利，要么亏损仓位持有太久。

理想比例：平均盈利应至少是平均亏损的 1.5 倍。

分析自己的交易时，最好分别查看不同时间周期或不同交易品种的交易：有时整体统计看起来正常，但其中隐藏着有问题的部分。例如，在某个资产上平均盈利可能是平均亏损的 2 倍，而在另一个资产上则恰恰相反。

### 3) 盈利因子（Profit Factor）

**公式：**

盈利因子 = 所有盈利交易的总盈利 ÷ 所有亏损交易的总亏损

**解读：**

- 低于 1.0：亏损的系统
- 1.0–1.5：盈利但偏弱的系统
- 1.5–2.0：良好的系统
- 高于 2.0：优秀的系统
- 高于 3.0：请检查数据，可能是样本不足或过度优化

***示例：***

- 总盈利：5000 USDT
- 总亏损：2500 USDT
- 盈利因子 = 5000 ÷ 2500 = 2.0

这意味着每亏损 1 美元，您就能赚到 2 美元。

计算盈利因子时，可以直接使用交易日志中的交易统计数据，其中每笔交易都已被归类为盈利或亏损。这能降低计算出错的风险。

### 4) 数学期望（每笔交易的平均结果）

**公式：**

数学期望 = (胜率 × 平均盈利) - ((1 - 胜率) × 平均亏损)

**解读：**

- 为负值：亏损的系统
- 资金的 0–0.5%：盈利能力偏弱
- 0.5–1%：良好的系统
- 高于 1%：优秀的系统

**示例：**

- 胜率：55%（0.55）
- 平均盈利：50 USDT
- 平均亏损：40 USDT

数学期望 = (0.55 × 50) - (0.45 × 40) = 27.5 - 18 = 每笔交易 9.5 USDT。在资金为 10,000 USDT 时，相当于每笔交易 0.095%。如果您每周进行 20 笔交易，\
**预期周收益率：20 × 0.095% = 1.9%。**

根据交易者统计数据定期计算数学期望，有助于及时发现信号质量下降，并在亏损变得严重之前调整策略。

### 5) 最大回撤（Maximum Drawdown）

指资金从局部高点到随后低点的最大跌幅。

公式：

**回撤 = ((最高余额 - 高点之后的最低余额) ÷ 最高余额) × 100%**

***示例：***

- 余额达到 12000 USDT
- 随后降至 10200 USDT
- 回撤 = ((12000 - 10200) ÷ 12000) × 100% = 15%

**解读：**

- 10% 以内：正常回撤
- 10–20%：偏高，需要关注
- 20–30%：危急，必须重新审视交易方法
- 超过 30%：危险区域，资金全部亏光的风险很高

**如何使用该指标：** 将当前回撤与历史最大回撤进行比较。如果当前回撤接近或超过历史最大值，这就是降低风险或暂停交易的信号。

在交易日志中，值得单独记录大幅回撤的时刻：是哪些交易造成的、发生在什么条件下、您当时如何应对。这样的交易分析有助于今后避免重复同样的错误。

### 6) 恢复因子（Recovery Factor）

**公式：**

Recovery Factor = 净利润 ÷ 最大回撤

**解读：**

- 低于 2：系统恢复缓慢
- 2–5：恢复速度可以接受
- 高于 5：恢复迅速

**示例：**

- 期间净利润：3000 USDT
- 最大回撤：1000 USDT
- Recovery Factor = 3000 ÷ 1000 = 3

这意味着利润是最大回撤的 3 倍——说明系统的稳健性不错。

Recovery Factor 高，说明即使经历了大幅回撤，系统也能较快收复失地。在激进的资金管理方式下，这一点尤为重要。

### 7) 夏普比率（适用于交易的简化版本）

反映您每承担一单位风险能获得多少收益。

**适用于交易的简化公式：**

夏普比率 = 期间平均收益率 ÷ 收益率标准差，\
其中：

- **期间平均收益率**：所分析期间内所有交易结果（以百分比或金额计）的算术平均值
- **收益率标准差**：衡量各笔交易结果相对于平均收益率的离散程度。它反映您的结果波动有多大：标准差越大，每笔交易的盈利就越难预测。

收益率标准差分几步计算：

1. 计算所有交易的平均收益率。
2. 对每笔交易，求出其收益率与平均收益率之差。
3. 将每个差值平方。
4. 把所有平方值相加，再除以交易笔数。
5. 对所得结果开平方根。

公式：

**√\[Σ(单笔交易收益率 - 平均收益率)² ÷ 交易笔数\]**

**示例：**

- 交易：+5%、+3%、-2%、+4%
- 平均值：2.5%
- 偏差的平方：(5-2.5)²、(3-2.5)²、(-2-2.5)²、(4-2.5)² = 6.25 + 0.25 + 20.25 + 2.25 = 29
- 标准差：√(29÷4) = √7.25 **≈ 2.69%**

**解读：**

- 低于 1：收益风险比较差
- 1–2：可以接受
- 2–3：良好
- 高于 3：优秀

对大多数新手交易者来说，这个指标过于复杂。请重点关注更简单的指标：盈利因子、胜率和最大回撤。不过，随着经验增长，结合夏普比率分析自己的交易，能让您更深入地评估盈利的稳定性和风险管理的质量。

### 如何记录交易日志并收集统计数据

要让交易统计数据真正有用，重要的是不仅记录结果，还要记录每笔交易的背景：

- 进场/出场的日期和时间。
- 交易品种和时间周期。
- 信号类型（突破、反弹、背离等）。
- 进场价、止损价和止盈价。
- 以金额和百分比计的实际结果。
- 进场和出场原因的简要说明。
- 情绪状态（可选，但对长期分析很有帮助）。

这种做法能把交易日志从简单的交易记录变成完整的分析工具。基于它，您可以生成报告、对交易进行分组，并发现粗略浏览时看不到的规律。

### 统计分析的实用建议

- **定期**：至少每周分析一次交易者统计数据。这样可以及时发现指标恶化。
- **分组**：按类型、时间周期和交易品种划分交易。这样您就能明白问题究竟出在哪里。
- **动态**：不仅要看当前数值，还要看它们随时间的变化。例如，盈利因子连续几周下降就是一个警示信号。
- **目标**：将各项指标与您的交易目标进行对照。如果数学期望太低，无法达到期望的收益率，就需要更换策略或增加交易次数（如果条件允许）。

### 使用统计数据时的常见错误

- 记录交易日志，却不加以分析。日志本身并不会改善结果——只有定期分析自己的交易，它才有价值。
- 忽视交易的背景。简单地汇总盈利和亏损可能会掩盖重要细节。
- 用过小的样本评估系统。要得出可靠结论，至少需要 50–100 笔交易。
- 在收集统计数据的过程中更改策略规则。这会扭曲结果，使交易统计数据失去参考意义。
- 只看胜率。如前所述，盈利交易占比高并不保证盈利。

### 统计数据在交易者长期成长中的作用

**交易者统计数据**不只是一组数字，而是您的决策及其后果的历史记录。定期进行交易分析，有助于发现策略的优势和弱点、纠正错误并逐步改善结果。交易日志会成为您的个人教科书：其中不仅保存着成功的交易，也保存着那些让您学到重要东西的交易。

随着时间推移，交易统计数据将让您不再只是“做交易”，而是依据事实而非直觉，有意识地管理自己的盈利和风险。

建议阅读补充材料 [“带设置的报告主区域” >>>](https://moonbot.eu/zh/documentation/reports-window/main-reports-area-with-settings?format=md)

## 导航

路径: [首页](https://moonbot.eu/zh?format=md) / [学习](https://moonbot.eu/zh/education?format=md) / [交易绩效分析](https://moonbot.eu/zh/education/trade-review-and-self-analysis?format=md) / 交易绩效关键指标

上级栏目: [交易绩效分析](https://moonbot.eu/zh/education/trade-review-and-self-analysis?format=md)

上一页: [记录交易日志](https://moonbot.eu/zh/education/trade-review-and-self-analysis/keeping-a-trading-journal?format=md)

下一页: [综合运用交易绩效指标](https://moonbot.eu/zh/education/trade-review-and-self-analysis/using-metrics-together-for-a-full-picture?format=md)

## 相关内容

- [综合运用交易绩效指标](https://moonbot.eu/zh/education/trade-review-and-self-analysis/using-metrics-together-for-a-full-picture?format=md)
- [逐项分析策略要素](https://moonbot.eu/zh/education/trade-review-and-self-analysis/analysis-of-individual-strategy-elements?format=md)