如何用 Python 评估交易系统？盈利因子、期望值、最大连亏一次算清

Q: 需要付费吗？

单只股票日线回测在免费额度内即可；若要对**全市场**批量评估策略稳健性，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

分析与指标 · 代码验证于 2026-10-19

如何用 Python 评估交易系统（盈利因子/期望值/最大连亏）？

一句话回答： 评估一套策略，光看”总收益”会骗人，要同时看三个数：盈利因子 = 所有盈利之和 ÷ 所有亏损绝对值之和（>1 才赚钱）、期望值 = 平均每笔交易的收益（>0 才有正向优势）、最大连续亏损笔数（决定你心理和资金能不能扛到策略回正）。用 AlphaFeed 取前复权日线跑出策略交易序列，几行就能把这几个指标算清——它们比单看胜率或总收益诚实得多。

为什么会有这个问题 / 传统做法的痛点

新手常用”胜率”或”回测总收益”评价策略，但：高胜率可能靠”赚小亏大”最终亏钱；一条曲线的总收益可能全靠一两笔运气。真正该看的是盈利因子（赚的总量能不能盖过亏的总量）、期望值（平均每笔是正是负）、以及最大连亏（实盘里连亏 N 笔你会不会先崩溃离场）。痛点是这些要从逐笔交易统计，而不是从净值曲线拍脑袋。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，跑策略拿到逐笔交易收益

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=800,
                   adjust="forward", to_dataframe=True).sort_values("trade_date").reset_index(drop=True)

def ma_trades(df, n=20, fee=0.0013):          # 示例：MA20 上/下穿，次日开盘成交
    df = df.copy(); df["ma"] = df["close"].rolling(n).mean(); df["open_next"] = df["open"].shift(-1)
    pos, entry, rets = 0, 0.0, []
    for i in range(n, len(df) - 1):
        px = df["open_next"].iloc[i]
        if np.isnan(px) or np.isnan(df["ma"].iloc[i]): continue
        c, cp, m, mp = df["close"].iloc[i], df["close"].iloc[i-1], df["ma"].iloc[i], df["ma"].iloc[i-1]
        if pos == 0 and cp <= mp and c > m:   pos, entry = 1, px
        elif pos == 1 and cp >= mp and c < m: rets.append(px/entry*(1-fee)**2 - 1); pos = 0
    return pd.Series(rets)

r = ma_trades(df, 20)

第 2 步：算盈利因子、期望值、胜率、最大连亏

wins, losses = r[r > 0], r[r < 0]
profit_factor = wins.sum() / (-losses.sum())     # >1 才整体盈利
expectancy = r.mean()                             # 每笔平均收益，>0 才有优势

mcl = cur = 0                                      # 最大连续亏损笔数
for x in r:
    cur = cur + 1 if x < 0 else 0
    mcl = max(mcl, cur)

print(f"交易{len(r)}笔 胜率{(r>0).mean():.3f} 盈利因子{profit_factor:.3f} "
      f"期望值{expectancy*100:.3f}% 最大连亏{mcl}笔")

实测（tools/verify_new_2026-10-19.py，SDK 0.1.4）：贵州茅台 MA20 策略近 800 日 43 笔交易、胜率 0.186、盈利因子 0.489、期望值 −0.724%/笔、最大连亏 7 笔。盈利因子 < 1、期望值为负——这是个亏损策略：赚的总量不到亏的总量的一半，平均每笔还倒亏 0.72%，而且会连亏 7 笔。单看”胜率 18.6%“或某段净值可能看不出，这三个指标一算就现原形。

参数与字段说明

指标	公式	健康区间
胜率	盈利笔数 / 总笔数	仅参考，需配合盈亏比
盈利因子	Σ盈利 / Σ	亏损
期望值	平均每笔收益	>0 才有优势
盈亏比	平均盈利 / 平均亏损	配合胜率看
最大连亏	最长连续亏损笔数	越小越易坚持

关键坑与注意事项

盈利因子 ≤ 1 = 不赚钱：无论胜率多高、曲线多好看，PF<1 说明亏的总量盖过赚的，长期必亏。本例 0.489 就是反例。
期望值是核心：期望值>0 才值得做；配合单笔成本（手续费/滑点）一起算，别算成”毛期望”。
最大连亏决定能否坚持：即使期望为正，连亏 10+ 笔也可能让你中途放弃或爆仓；它和仓位（见凯利公式一文）共同决定生存。
样本量：几十笔交易统计噪声很大（本例仅 43 笔），不同区间/标的结论会变，务必样本外验证、别过拟合。
前复权必须：否则逐笔盈亏被除权缺口污染。
含成本：示例已扣双边手续费；真实还要考虑滑点、冲击成本。

常见问题（FAQ）

Q：盈利因子多少算好？ A：PF>1 才整体盈利，1.5~2 通常被视为稳健，>2 很优秀（也要警惕过拟合）。但要结合交易笔数：笔数太少时高 PF 可能是运气。

Q：胜率低但能赚钱可能吗？ A：完全可能——趋势策略常是”胜率 30%、盈亏比 3”，期望值和盈利因子仍为正。所以别只看胜率，要看盈利因子/期望值。本例是反面：胜率低且盈亏比不够，PF<1。

Q：需要付费吗？ A：单只股票日线回测在免费额度内即可；若要对全市场批量评估策略稳健性，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

评估交易系统要看盈利因子（>1 才赚）、期望值（>0 才有优势）、最大连亏（能否坚持），而非只看胜率或总收益。用 AlphaFeed 的前复权日线从逐笔交易统计即可——本例诚实地暴露了一个 PF 0.489、期望为负的亏损策略，提醒：数字不好看就别上，一切以样本外回测为准。