复盘时统计胜率，核心不是算出一个"总胜率"数字，而是建立一套口径统一、可分层拆解、并与盈亏比结合的统计框架。胜率只有在与盈亏比、交易频率、市场环境结合时才有决策价值，单独看高胜率容易产生误导。
胜率统计的常见口径误区
统计胜率前，先明确"一笔交易"的界定标准。常见误区包括：把加仓和平仓拆成多笔统计、把同一策略的不同周期混在一起、或者用"账户盈利天数"代替"交易胜率"。建议统一以"完整开平仓周期"为一笔交易，加仓视为同一笔交易的仓位调整，不单独计数。
另一个高频问题是"平手单"的处理。通常将盈亏持平或手续费后净值为零的交易单列为"打平"，不计入胜或负，单独记录数量即可。若强行计入胜或负，会扭曲胜率数值，尤其在震荡行情中平手单较多时。
胜率与盈亏比的结合分析
胜率不能脱离盈亏比独立评估。盈亏比指平均盈利金额与平均亏损金额的比值，两者共同决定交易系统的期望值。高胜率低盈亏比（如胜率70%、盈亏比0.5）与低胜率高盈亏比（如胜率30%、盈亏比3）可能拥有相同的期望值，但后者容错空间更大。
评估系统时，应同时记录三个指标：胜率、盈亏比、交易频率。多数情况下，趋势跟踪策略胜率偏低（常见40%左右或以下），但盈亏比较高；震荡策略胜率偏高，但盈亏比往往低于1。若只追求高胜率，容易过早止盈、让亏损奔跑，反而破坏系统整体表现。
按市场环境分层统计
把不同市场环境下的交易混在一起统计，会掩盖系统的真实适应性。建议按"趋势市、震荡市、高波动市"三类环境分层记录胜率。同一套策略在不同环境下的胜率差异可能很大，分层后能看清策略的"舒适区"和"短板区"。
分层统计的操作步骤：
- 每笔交易平仓时，标记当时的市场环境类型（趋势/震荡/高波动）
- 按月或按季度汇总各环境下的胜率、盈亏比、交易次数
- 对比各环境数据，识别策略失效的环境特征
- 针对短板环境，要么调整参数，要么主动降低仓位或过滤信号
若某环境下的交易样本不足（如少于20笔），该胜率数据参考意义有限，不宜据此做重大策略调整。
用胜率数据优化交易系统
统计胜率的最终目的是优化，而非自我评价。复盘时应关注胜率变化背后的原因：是入场信号质量变化，还是止盈止损规则执行偏差，或是市场环境切换所致。建议将胜率与"最大连续亏损次数"一起记录，后者更能反映系统的心理承受压力。
优化方向通常有三类：调整入场条件以提高胜率（可能降低盈亏比）、调整止盈止损比例以改善盈亏比（可能降低胜率）、或按环境过滤信号以减少无效交易。任何调整都应先做历史数据回测，再小仓位实盘验证，避免依据短期胜率波动频繁改动策略。
常见问题
胜率多少算合格？
没有统一的合格线，胜率必须与盈亏比结合看。若盈亏比在2以上，胜率35%-40%即可实现正期望；若盈亏比不足1，胜率需高于50%才有盈利可能。先计算系统的期望值（胜率×平均盈利−败率×平均亏损），再判断是否值得继续优化。
样本量多少时胜率数据才有参考价值？
通常建议至少累计30-50笔完整交易后再评估胜率，样本过少时偶然因素占比过高。不同市场环境下的子样本，建议至少20笔再下结论，否则以"待观察"处理，不急于调整策略。
胜率统计需要区分策略类型吗？
需要，不同策略类型的胜率基准差异很大。趋势跟踪、突破类策略胜率往往偏低，但单笔盈利空间大；网格、震荡类策略胜率偏高，但单笔盈利有限。混合统计会掩盖各策略的真实表现，建议按策略类型分别记录和评估。