期望值怎么算：判断一套方法能不能赚钱的唯一公式
胜率、盈亏比、期望值，这三个词经常被混着用。前两个是输入，第三个才是结论。一套方法能不能赚钱，只看期望值。
公式
期望值 = 胜率 × 平均盈利 - 败率 × 平均亏损用 R 值表示更直观（假设每笔风险固定为 1R）：
期望值（以 R 计）= 胜率 × 平均盈利R - (1 - 胜率) × 1举例：胜率 45%，盈利时平均拿 2R，亏损时亏 1R。
期望值 = 0.45 × 2 - 0.55 × 1 = 0.9 - 0.55 = +0.35R意思是：平均每做一笔，赚 0.35 个风险单位。如果每笔风险是账户的 1%，那平均每笔收益是 0.35%。
为什么高胜率也可能亏
这是最反直觉、也最重要的一点。假设：
- 胜率 70%
- 盈利时平均赚 0.5R
- 亏损时平均亏 1R
期望值 = 0.7 × 0.5 - 0.3 × 1 = 0.35 - 0.3 = +0.05R表面上「十单赢七单」，实际几乎不赚钱。再把这笔账加上手续费、点差、滑点，就变成负的。
反过来：
- 胜率 35%
- 盈利时平均赚 3R
期望值 = 0.35 × 3 - 0.65 × 1 = 1.05 - 0.65 = +0.4R十单只赢三单半，但赚钱效率比上面那个高八倍。
结论：胜率是最容易被感知、也最没有信息量的指标。
平均盈利与平均亏损怎么取
不能用「最好的那笔」或「最差的那笔」，要用平均值，而且要排除异常值。
实操做法：
- 取最近 50-100 笔完整交易记录
- 算所有盈利单的平均盈利（以 R 计）
- 算所有亏损单的平均亏损
- 如果有一两笔极端值（比如一笔赚了 10R），标注出来，分别算「含/不含」两个版本
第五步最关键：算完两个版本，看结论是否变化。 如果去掉一笔极端值期望值就从正变负，说明你的方法依赖运气，不是依赖优势。
样本量要多大
| 样本量 | 能得出的结论 |
|---|---|
| 少于 20 笔 | 没有结论，全是噪音 |
| 20-50 笔 | 只能看出大概方向 |
| 50-100 笔 | 可以初步判断 |
| 100 笔以上 | 相对可靠 |
| 300 笔以上 | 可以分场景（品种、周期、行情）统计 |
另一个和样本量有关的判断：如果一个方法的期望值是 +0.1R，你需要极大的样本才能确认它不是运气。 期望值越小，需要的样本越多。+0.1R 的方法，实盘上很难和「零期望值 + 一点好运」区分开。
所以优先找期望值明确为正（>0.3R）的方法，而不是抠微小的优势。
期望值怎么用来淘汰方法
三个用途：
一、淘汰。 期望值为负的方法，无论胜率多高、感觉多好，都应该停掉。
二、比较。 两个方法都为正时，选期望值高的，但也要看回撤（见后文）。
三、定位问题。 期望值为负时，拆开看是胜率太低还是盈亏比太差：
| 症状 | 问题所在 | 改法 |
|---|---|---|
| 胜率高、期望值为负 | 盈亏比太差，赚小亏大 | 拉长持仓、放大目标位 |
| 胜率低、期望值为负 | 入场质量差 | 收紧入场条件 |
| 两者都正常、期望值仍为负 | 成本太高 | 减少交易频率，降手续费 |
期望值和回撤的关系
两个方法期望值都是 +0.4R，选哪个？
要看连续亏损的概率。胜率 35% 的方法，连亏 8 次的概率不低；胜率 60% 的方法几乎不会。连亏 8 次意味着账户回撤 8%（单笔 1% 风险），也可能意味着你会在第 6 次放弃。
期望值决定长期能不能赚，回撤决定你能不能坚持到长期。 后者往往更难。
一个必须接受的现实
期望值算出来是正数，不代表下个月一定赚。它只保证在足够多的样本下，结果会向期望值收敛。
而这个「足够多」，通常比你想象的更远。一个月做 10 笔，一年 120 笔，样本才刚刚够判断。
所以不要用一个月的结果去否定一套方法，也不要用一个月的结果去相信自己很厉害。
相关阅读
盈亏比怎么算见《盈亏比怎么算》；胜率与盈亏比的组合见《胜率与盈亏比的关系》；最大回撤怎么算见《最大回撤怎么算》；记录交易数据的方法见《交易日志怎么记》。