没人会公布的那个概率
破产概率计算器
一个策略在优势来得及显现之前，先触及你的回撤上限的概率。
破产概率是指一连串交易在策略优势完成复利之前，先把账户打到某个既定失败阈值的概率。它取决于四件事：胜率、盈亏比、单笔风险比例，以及多深的回撤算作「破产」。胜率 45%、盈亏比 2:1、每笔冒 1% 的风险，出现 40% 回撤的概率接近于零；把单笔风险提到 5%，同样的优势就会产生一个不可忽视的破产概率——优势没有变，变的只有仓位。
策略与仓位
每一笔单独仓位所承担的净值百分比
你真的会停手的那个亏损幅度——通常远低于 100%
完全在你的浏览器中运行，输入内容不会被上传或保存。
破产概率
- 破产概率
- —
- 归一化优势
- —
- 可承受的风险单位数
- —
- 单位风险期望值
- —
- 保本胜率
- —
100% 表示优势非正——破产只是时间问题，而不是概率问题
回撤阈值 ÷ 单笔风险。账户总共能吸收多少次满额亏损。
把破产阈值设成「你真的会停手的那个回撤」，而不是 100%。绝大多数账户在被清空之前很久就已经被放弃了；一个在 −40% 被放弃的策略，和一个在 −100% 被强平的策略，失败得同样彻底。
计算公式
A = (p·R − q) ÷ (p·R + q) normalised edge; = p − q when R = 1
U = Ruin threshold % ÷ Risk per trade %
RoR = ((1 − A) ÷ (1 + A))^U when A > 0, otherwise 100 %
p = win rate q = 1 − p R = payoff ratio
Approximation: assumes constant fractional risk and independent trades.- 1 输入来自回测或实盘记录的胜率与盈亏比。
- 2 输入你在每一笔单独交易上承担的净值百分比。
- 3 设定那个真的会让你停手的回撤幅度——而不是理论上的 100%。
- 4 把单笔风险减半，观察概率下降了多少；这个敏感度才是真正的输出。
破产是仓位问题，不是优势问题
完全相同的策略统计量，仅仅因为单笔风险比例不同，就会得出天差地别的生存概率。风险减半，账户能吸收的连续亏损次数就翻倍；而破产概率随这个次数呈指数下降，所以很小的仓位调整会让答案变动几个数量级。这正是为什么仓位管理是系统化交易中杠杆最大的一个决定：它不会提升优势，但它决定了优势兑现的那一刻你还在不在场。
这个模型的假设，以及它在哪里失效
公式假设固定比例风险、交易之间相互独立、胜率与盈亏比保持稳定。真实策略三条全都违反：亏损会在市场状态切换时扎堆出现，看似分散的持仓会因相关性把风险重新集中，优势本身也会衰减。请把输出当作危险程度的下界，而不是预测——真实概率通常比模型说的更糟，绝不会更好。
参考资料
- Grinstead and Snell's Introduction to Probability — American Mathematical Society (Dartmouth CHANCE Project edition)
- A New Interpretation of Information Rate — Bell System Technical Journal, AT&T (hosted by Princeton University)
- ESMA agrees to prohibit binary options and restrict CFDs to protect retail investors — European Securities and Markets Authority (ESMA)
本工具用于教学与测算。输出结果仅代表你所输入假设下的算术结果，不构成预测、推荐或投资建议。量化交易可能造成本金损失。
常见问题
简短回答，并写明假设条件。
破产概率多少才算可以接受？
多数系统化交易团队的目标是：相对于一个他们真的会执行的回撤阈值，把概率压到远低于 1%。具体数字其实没那么重要，重要的是敏感度测试：改变单笔风险，观察概率变动的速度。如果小幅提高就带来大幅跳升，说明你的仓位设在了悬崖的错误一侧。
为什么我的破产概率是 100%？
因为期望值为零或为负——胜率与盈亏比组合起来并不构成正优势。在这种情况下，只要交易笔数足够多，破产就是必然的，与仓位大小无关。把你的胜率和保本胜率对照一下，就能看到这个策略差了多少。
这里考虑了持仓之间的相关性吗？
没有。模型假设的是一串相互独立的单仓结果。同时运行多个策略，或者在高相关标的上同时持有多个仓位，实际上会把有效单笔风险抬高到你填入的数值之上——有时会高很多，因为相关性恰恰在会产生连片亏损的那种行情里升高。