收益与交易结果的偏度

一个高胜率的例子

十笔交易：九笔盈利各 +100 美元，一笔亏损 −800 美元。胜率是 90%，而平均单笔是（900 − 800）÷ 10 = +10。相对均值的偏离是九次 +90 和一次 −810。二阶中心矩是（9 × 8,100 + 656,100）÷ 10 = 72,900，所以标准差是 270。三阶中心矩是（9 × 729,000 − 531,441,000）÷ 10 = −52,488,000。除以 270 的三次方 = 19,683,000，得到偏度约为 −2.67。

这份成绩在大部分时间里看起来很出色，而它依赖于那一笔大额亏损不要变得更大。这种形态在某种意义上卖保险的策略里很典型：用很宽的止损去做反向、收很小的目标，或者卖出期权权利金。

为什么偏度比均值更要紧

• 负偏度在小样本里把风险藏起来：一份很短的记录可能根本不包含任何一次大额亏损，而每一个比率都会看起来比这个策略本身更好。
• 正偏度在小样本里把优势藏起来：长长的连亏出现在那些稀少的大额盈利之前，而策略往往就在连亏期间被放弃。
• 夏普比率对这两种形状一视同仁；索提诺比率，以及直接去看最糟的那几笔交易，能把它们分开。
• 自营公司的规则和偏度互相作用：一条单日亏损上限只有在止损被尊重时才封住一个负偏策略的左尾；而一条一致性规则会惩罚一份利润来自一天的正偏记录。

在 Senzoukria 里

指标目录里的偏度研究绘制最近 N 根 K 线收益的偏度（默认 50），用总体矩，而在窗口是平的时候不给数值；它描述的是近期价格变化的形状，不是你交易的形状。

对策略评估来说，Gauntlet 计算每日结果的偏度，并把它用在概率夏普和紧缩夏普里——这两个指标要求一份负偏的记录展示出更高的夏普才能通过。回放报告显示最好交易和最差交易，而性能面板在最好那一笔占净利润 50% 或更多时发出提示，这是一份被右尾抬起来的记录的一个简单迹象。