2026-10-21 最强 vs 最弱：5 个高 Sharpe 与 5 个亏损策略的真实回测拆解（震荡盘整 regime）

速览： 2026-10-21 震荡盘整行情中，回测前 5 名策略平均 Sharpe 12.47、平均最大回撤 1.64%、合计仅 107 笔；后 5 名平均 Sharpe -6.71、平均最大回撤 72.78%、合计 726 笔。交易密度而非胜率，是本样本里最强的分界线。

引言：今日行情速读

先看今天真实盘面。BTC 报 $83009，24h 涨跌 -0.0%，7d +1.6%，30d -3.7%，RSI 48.6。ETH 报 $2452，24h +0.1%，7d +1.2%，RSI 37.5。把这三个时间尺度摆在一起看：30 天是负的（-3.7%），7 天是正的（+1.6%），24 小时是平的（-0.0%）。这是典型的“下跌之后的横向消化”——不是趋势，也不是急跌，而是把波动率压下去的过程。据此判断，当前 regime 为震荡盘整。

两个主流币的强弱并不同步。BTC 的 RSI 48.6 落在绝对中性的位置，既没有超买也没有超卖；ETH 的 RSI 37.5 已经滑向弱势区间，而它 7 日涨幅只有 +1.2%，低于 BTC 的 +1.6%。这意味着在同一段震荡里，ETH 是相对更弱的那个。这个细节在后面讨论“做空类策略”时会被重新提起。

今天要拆解的，是同一套回测体系里排名最前和最后各 5 个策略。它们不是随机抽样的两组数字，而是同一套撮合逻辑、同一套成本假设下跑出来的两端。把两端放在一起看，“什么让一个策略活下来”这个问题就有了具体的答案。

一、107 笔 vs 726 笔：榜单两端的“交易密度”差异

很多人看回测榜单，第一眼扫的是 Sharpe。但把两组数据并列，最先跳出来的差异其实是笔数。

前 5 名合计 107 笔：#69 DOGE 布林带挤压突破 3 笔，#66 LINK 经典枢轴点突破 29 笔，#61 BTC TTM 挤压突破 23 笔，#63 SUI 经典枢轴点突破 11 笔，#11 VWAP 回归（BTC）41 笔，平均每个策略 21.4 笔。后 5 名合计 726 笔：#28 Parabolic SAR（SOL）163 笔，#32 波动率突破 Donchian（AVAX）321 笔，#27 Parabolic SAR（ETH）169 笔，#40 VWAP 回归（SOL）46 笔，#39 VWAP 回归（ETH）27 笔，平均 145.2 笔。后者是前者的 6.8 倍。

这个比值比 Sharpe 的差距更值得注意，因为它不是结果的差异，而是结构的差异。前 5 名里没有一个是高频机器，#69 只有 3 笔，#63 只有 11 笔；后 5 名里 #32 单策略就跑了 321 笔，#27 和 #28 分别 169 笔和 163 笔。

再看回撤。前 5 名最大回撤分别是 1.1%、2.0%、2.3%、1.7%、1.1%，平均 1.64%；后 5 名分别是 124.7%、79.6%、143.3%、10.9%、5.4%，平均 72.78%。差距是 44 倍。

把年化收益率和最大回撤做一个比值，会更直观。这就是“赚一单位收益要承担多少回撤”：

• 11 VWAP 回归（BTC）：+93.8% / 1.1% = 85.3

• 69 DOGE 布林带挤压：+22.3% / 1.1% = 20.3

• 66 LINK 枢轴点：+48.9% / 2.0% = 24.5

• 63 SUI 枢轴点：+60.0% / 1.7% = 35.3

• 28 SAR（SOL）：-140.6% / 124.7% = -1.13

• 27 SAR（ETH）：-159.5% / 143.3% = -1.11

• 32 Donchian（AVAX）：-336.6% / 79.6% = -4.23

前 5 名全部在 20 倍以上，后 5 名全部在 -1 以下。这条线比 Sharpe 更稳定，因为它同时惩罚了亏损和波动。

但这里必须插入一个严肃的警告：最大回撤 124.7% 和 143.3% 这两个数字本身是不合理的——单笔交易组合不可能亏掉本金的 124%。这说明该批回测在回撤统计上采用了名义本金口径、或者隐含了杠杆假设而没做强制平仓处理。这两个数字是“策略失效”的强信号，但不能当作真实资金曲线来读。 同理，#69 的 3 笔样本，其 1.1% 回撤和 Sharpe 29.19，统计意义接近于零。

二、0% 胜率与 41.7% 胜率的悖论：Sharpe 到底在奖励什么

这一节是全文最反直觉的部分。前 5 名策略的胜率全部是 0.0%，#69 是 0.0%，#66 是 0.0%，#61 是 0.0%，#63 是 0.0%，#11 也是 0.0%。而后 5 名里，#28 胜率 41.7%，#32 胜率 39.2%，#27 胜率 34.3%，#40 胜率 43.5%，#39 胜率 40.7%，平均 39.88%。

也就是说：胜率四成的策略平均年化 -163.24%，胜率零的策略平均年化 +47.64%。

这不可能用“策略好坏”来解释，只能从统计口径和样本量上找原因。

第一种可能：胜率定义与收益计算口径不一致。如果胜率的判定标准是“平仓价优于入场价且达到某个阈值”，而收益计算包含了分批止盈、移动止损的部分成交，那么完全可能出现“每笔都赚了一点，但没有一笔达到胜率判定阈值”的情况。这在 3 笔、11 笔这种极小样本上尤其容易发生。

第二种可能：样本量太小，统计量本身不可靠。#69 只有 3 笔，#63 只有 11 笔。3 笔交易中“获胜笔数为 0”在数学上完全不能推出任何结论——它的置信区间宽到没有意义。相比之下 #32 的 321 笔和 #27 的 169 笔，胜率 39.2% 和 34.3% 至少是稳定估计。

所以结论是：前 5 名的 0% 胜率不是优点，是警示。它告诉我们这批样本还不足以支撑任何结论。 一个只有 3 笔交易的策略，即使 Sharpe 高达 29.19，也不能被视为“最强”，只能被视为“待验证”。

那后 5 名的问题出在哪？不在胜率，在于单笔期望为负。用年化收益除以笔数做一个粗糙的单笔期望估算：

• 28 SAR（SOL）：-140.6% / 163 笔 ≈ -0.86% / 笔

• 32 Donchian（AVAX）：-336.6% / 321 笔 ≈ -1.05% / 笔

• 27 SAR（ETH）：-159.5% / 169 笔 ≈ -0.94% / 笔

• 40 VWAP 回归（SOL）：-135.1% / 46 笔 ≈ -2.94% / 笔

• 39 VWAP 回归（ETH）：-44.4% / 27 笔 ≈ -1.64% / 笔

对照前 5 名：

• 63 SUI 枢轴点：+60.0% / 11 笔 ≈ +5.45% / 笔

• 11 VWAP 回归（BTC）：+93.8% / 41 笔 ≈ +2.29% / 笔

• 66 LINK 枢轴点：+48.9% / 29 笔 ≈ +1.69% / 笔

差异非常清楚：胜率 41.7% 的 #28，输在“赢的时候赚得少、亏的时候亏得多”；胜率 0% 的 #63，至少在样本内每笔平均是正的。

这就是“活下来”的第一条规律：胜率是结果指标，单笔期望是原因指标。 一个策略可以胜率三成还稳定盈利（只要盈亏比足够），也可以胜率四成五还持续失血（只要单笔亏损大于单笔盈利）。而在高频策略上，后者会被交易成本进一步放大——321 笔的 #32，每一笔的滑点和手续费都在叠加。

三、时框放大镜：15m 的两种命运，与 4h swing 的双杀

这批数据里藏着一个天然的对照实验，非常有价值：同一个策略逻辑，同一种时框，不同标的。

VWAP 回归 · 15m ultra · 三个标的，三种结局

• 11 BTC/USDT：Sharpe 7.13，年化 +93.8%，最大回撤 1.1%，41 笔

• 40 SOL/USDT：Sharpe -7.38，年化 -135.1%，最大回撤 10.9%，46 笔

• 39 ETH/USDT：Sharpe -8.39，年化 -44.4%，最大回撤 5.4%，27 笔

三个策略的逻辑相同、时框相同（15m ultra）、笔数量级接近（27–46 笔）。唯一的变量是标的。结果是从 +93.8% 到 -135.1%，跨度 228.9 个百分点。

这不是“VWAP 回归有效”或“VWAP 回归无效”能回答的问题。它说明的是：在 15m 这种极短时框上，标的的微观结构（点差、盘口厚度、插针频率）对策略结果的解释力，可能高于策略逻辑本身。 BTC 是三者中流动性和深度最好的，也是最不容易被单笔大额挂单打穿的。SOL 和 ETH 在 15m 上的噪音更大，VWAP 回归依赖的“价格向成交量加权均价收敛”这个假设，在噪音大的标的上更容易被反向击穿。

Parabolic SAR · 4h swing · 两个标的，双双失血

• 28 SOL/USDT：Sharpe -5.28，年化 -140.6%，最大回撤 124.7%，163 笔，胜率 41.7%

• 27 ETH/USDT：Sharpe -6.40，年化 -159.5%，最大回撤 143.3%，169 笔，胜率 34.3%

这两条数据几乎是镜像的：163 笔 vs 169 笔，-140.6% vs -159.5%，124.7% vs 143.3%。SAR 是趋势跟踪指标，核心假设是“一旦翻转就代表趋势确立”。在 4h 时框上跑出 163–169 笔，意味着大约每 2–3 天就翻转一次信号。这个频率在震荡盘整里是灾难：每一次翻转都对应一次假突破，每一次假突破都是一次止损。

注意它们和 #61 的对照。#61 BTC TTM 挤压突破同样在 4h swing 上，23 笔，Sharpe 8.48，年化 +13.2%，最大回撤 2.3%。同样是 4h 趋势类，23 笔和 163 笔的差别，就是“等信号”和“追信号”的差别。 TTM 挤压要求波动率压缩到极值才触发，天然过滤掉了大部分噪音；SAR 每根 K 线都在重算，没有过滤层。

再看 #66 LINK 经典枢轴点突破（1h short，29 笔，+48.9%，Sharpe 9.09）和 #63 SUI 经典枢轴点突破（1h short，11 笔，+60.0%，Sharpe 8.44）。这两个是 1h 时框，理论上比 4h 更容易过度交易，但笔数分别是 29 和 11，反而比 4h 的 SAR 少一个数量级。时框不等于交易频率，过滤条件才是。

四、震荡盘整 regime 下的策略适配：突破类要打折，回归类也未必安全

今天 BTC 在 $83009，30 日 -3.7%、7 日 +1.6%、24 小时 -0.0%，RSI 48.6；ETH 在 $2452，RSI 37.5。这是一个波动率被压缩、方向未定的状态。在这个状态下，回测榜单的两端该怎么读？

先看突破类。 前 5 名里，#69（布林带挤压突破）、#66（经典枢轴点突破）、#61（TTM 挤压突破）、#63（经典枢轴点突破）四个都是突破逻辑，占 80%。突破策略在震荡盘整里的处境是矛盾的：一方面，波动率压缩正是突破的前置条件（#69 的“挤压”和 #61 的“TTM 挤压”本质上就是在等这个）；另一方面，震荡盘整意味着假突破的概率高于真突破。

从回测数据看，这四个策略的共同特征是笔数极少（3、29、23、11）——它们不是在频繁交易，而是在等待。这是它们在样本内保持低回撤（1.1%–2.3%）的结构性原因。但这也意味着，一旦今天的震荡以一个假突破收场，这类策略的下一笔交易很可能就是一次止损。突破类策略在震荡盘整里的正确用法不是“更激进”，而是“更少的笔数、更严格的确认条件”。

再看回归类。 #11 VWAP 回归（BTC）是前 5 名里唯一的均值回归逻辑，Sharpe 7.13，+93.8%，回撤 1.1%，41 笔。理论上，震荡盘整是均值回归策略最舒服的环境——价格反复回到均值，回归的胜率会提高。

但回测给出了警告：#40（SOL）和 #39（ETH）同样是 VWAP 回归、同样是 15m ultra，结果分别是 -135.1% 和 -44.4%。“regime 对策略有利”不等于“这个策略在这个标的上有效”。 regime 是必要条件，不是充分条件。

最后看今天的标的强弱。 BTC RSI 48.6 中性，ETH RSI 37.5 偏弱。如果震荡格局延续但内部继续分化，做空类策略（#66 LINK 1h short、#63 SUI 1h short）的条件会比做多类更接近成立。但要强调：这是条件推演，不是预测。回测数据只能说明“在类似环境下这类策略曾录得什么样的数字”，不能说明接下来会重复。

实战启示：当前环境下该怎么做

把上面四节的分析压缩成可执行的几条。

第一，先看笔数，再看 Sharpe。 #69 的 Sharpe 29.19 建立在一笔 3 次交易的样本上，这个数字的信息量接近于零。一个可参考的门槛是 30 笔以上再讨论统计意义——按这个标准，前 5 名里只有 #11（41 笔）勉强达标，#66（29 笔）接近，#61（23 笔）、#63（11 笔）、#69（3 笔）都不足。不要把样本不足当成策略优秀。

第二，用“年化/最大回撤”做二次筛选。 前 5 名这个比值全部在 20 以上（#11 是 85.3，#63 是 35.3，#66 是 24.5，#69 是 20.3，#61 是 5.7）；后 5 名全部为负。这个比值的好处是它同时惩罚亏损和波动，比单看年化更难被小样本美化。经验上，这个比值低于 1 的策略，在真实资金曲线上几乎不可用。

第三，同策略换标的必须重测。 #11、#40、#39 是同一套 VWAP 回归逻辑，在 BTC 上 +93.8%，在 SOL 上 -135.1%，在 ETH 上 -44.4%。这意味着任何“把这个策略搬到另一个币”的想法，都需要重新跑一遍回测，而不是假设它能平移。

第四，警惕高频。 #32 的 321 笔换来 -336.6%，单笔期望 -1.05%。在 1h 时框上，321 笔意味着平均每天超过一次以上的开平仓，交易成本和滑点会持续侵蚀边际优势。真正跑出正收益的 #66（29 笔）和 #63（11 笔）都在同一个时框上，笔数只有前者的十分之一到三十分之一。

第五，当前震荡盘整下，控制频率优先于控制方向。 BTC 在 $83009 附近、30 日 -3.7%、RSI 48.6，方向未定；ETH 在 $2452、RSI 37.5，相对更弱。这种环境下，突破类策略需要更严格的确认（避免假突破），回归类策略需要更严格的标的选择（避免在噪音大的币上做收敛交易）。回测里那些低回撤的策略（1.1%–2.3%），共同点都不是“抓得准”，而是“出手少”。

以上这些筛选、回测、执行的动作，在 Quant Pro 里被产品化了——它把这套回测体系和执行链路打包在一起，资金始终在用户自己的 OKX 账户内，不涉及归集。对研究者来说，它的价值不在于给出一个“最强策略”，而在于让“笔数、单笔期望、年化/回撤比”这些指标可以被稳定复现。

风险提示

本文引用的全部为历史回测数据，不构成对未来的任何暗示。历史回测结果与实际交易结果之间可能存在重大差异，原因包括但不限于：市场结构变化、流动性枯竭、滑点与手续费、执行延迟。

具体到本文数据，有三点必须单独提示：

其一，样本量风险。#69（3 笔）、#63（11 笔）、#61（23 笔）、#39（27 笔）的样本量均不足以支撑统计推断，其 Sharpe 和年化数字的置信区间极宽。

其二，统计口径风险。前 5 名策略胜率全部为 0.0% 却录得正年化，这一现象指向胜率判定与收益计算的口径差异，具体口径需在回测引擎中核验，不应据此认为“低胜率是优点”。

其三，回撤口径风险。#28 最大回撤 124.7%、#27 最大回撤 143.3%，超过 100% 的回撤在真实账户中意味着爆仓。这说明该批回测在杠杆与强平处理上采用了简化假设，实际可执行性需重新评估。

本文不构成投资建议。加密资产价格波动剧烈，任何策略都存在本金损失的可能。

常见问题

Q1：为什么胜率 0.0% 的策略还能有 +22.3% 的年化？

两种解释，都需要核验。第一种是统计口径：如果胜率判定要求单笔收益达到某个阈值，而策略采用分批止盈或移动止损，就可能出现“每笔都有正收益但没有一笔达到胜率阈值”的情况，#69 只有 3 笔，这种偏差会被