为什么「最佳策略」比看起来更难
策略是可重复的交易模式或入场条件——不是单笔交易。一次盈利不能证明可重复的优势。目标是看策略是否在不同市场条件、品种和时间段中表现一致，并用带标签的数据验证你的假设。
每次用相同方式命名策略，用足够样本量审查，并根据风险调整后的表现判断——而非精选 P&L。
每次用相同方式命名策略，用足够样本量审查，并根据风险调整后的表现判断——而非精选 P&L。
1. 打标签前先定义策略
用通俗语言写下你交易的每种策略。每种策略一句话即可。在交易之前完成——标签和风控规则应在首次入场前就位，而非事后定义。
示例 — EUR/USD 日内交易者：
在 Journal 中将策略和 mistake 标签创建为自定义标签。分步创建标签见 Journal Basics。
示例 — EUR/USD 日内交易者：
- London breakout — 伦敦开盘后亚洲区间首次 15 分钟突破。
- Pullback to VWAP — 冲动行情后在 VWAP 处的趋势延续入场。
- Range fade — 在已形成的震荡中于区间高点做空 / 低点做多。
- 名称简短且固定——不要在月中改名。
- 每笔交易一个主要策略标签。
- 区分 setup 标签与 mistake 标签（
FOMO、revenge、oversized）。mistake 标签解释好策略为何失败；它们本身不是策略。
在 Journal 中将策略和 mistake 标签创建为自定义标签。分步创建标签见 Journal Basics。
2. 为每笔交易打标签——包括亏损单
策略比较的好坏取决于打标签的纪律。在平仓时或每日复盘时打标签，而非月底细节已模糊时。
最低习惯：
每种策略应打标签的交易数：在决定保留或砍掉前，每种策略至少积累 20–30 笔带标签交易。少于 15 笔时，仅将结果视为方向性提示——继续交易并打标签。不要用五笔交易评判策略。若交易频率低，将窗口延长至每种策略 60–90 天，而非在 10 笔时就下结论。
最低习惯：
- 平仓后在 Journal 中打开该笔交易。
- 添加策略标签。
- 若执行偏离计划，添加一条背景备注（「entered early」、「moved stop」）。
每种策略应打标签的交易数：在决定保留或砍掉前，每种策略至少积累 20–30 笔带标签交易。少于 15 笔时，仅将结果视为方向性提示——继续交易并打标签。不要用五笔交易评判策略。若交易频率低，将窗口延长至每种策略 60–90 天，而非在 10 笔时就下结论。
3. 在 Analytics 中比较策略表现
当每种策略有足够带标签交易后（见步骤 2），打开 Analytics 并按策略标签筛选。创建或切换到以策略比较为重点的仪表板模板——模板和筛选步骤见 Trade Analytics。
比较风险调整后结果，而非只看金额。在 5 万账户、每笔 2% 风险下赚 800 美元的策略，不一定优于 0.5% 风险下赚 400 美元的策略。按 R-multiples 或标准化风险单位排序——而非 headline 美元 P&L——以便止损或仓位大小不同时比较仍公平。
要添加的指标和小部件：
解读示例：
比较风险调整后结果，而非只看金额。在 5 万账户、每笔 2% 风险下赚 800 美元的策略，不一定优于 0.5% 风险下赚 400 美元的策略。按 R-multiples 或标准化风险单位排序——而非 headline 美元 P&L——以便止损或仓位大小不同时比较仍公平。
要添加的指标和小部件：
- Expectancy — 每笔平均 R 或 $；每次执行的 edge。
- Profit factor — 总盈利 ÷ 总亏损；策略是否净为正？
- Average win / average loss — 胜率高若亏损是盈利的 3 倍则意义不大。
- Win rate — 仅作背景；配合 R-multiple 数据。
- Drawdown and equity curve — P&L 高但回撤深的策略仍可能违反 prop firm 规则或你的日损限制。
- Trade count — 确认样本是否有意义。
Trader Tip: 胜率较低的策略若平均盈利显著大于平均亏损，仍可能优于胜率更高的策略。
先分别筛选每种策略，再在相同日期范围内并排比较——趋势市中表现好的策略在盘整或重大新闻前后可能截然不同。解读示例：
- London breakout: 34 笔，胜率 48%，expectancy +0.42R，profit factor 1.6 → 保持标准仓位。
- Range fade: 28 笔，胜率 61%，expectancy −0.08R，profit factor 0.92 → 砍掉或减半仓位。
- Pullback to VWAP: 19 笔，胜率 37%，expectancy +0.65R，profit factor 1.9 → 有潜力但需更多数据。
4. 检查执行质量并使用 AI Coach
两种策略 P&L 可能相近，但执行质量可能差异很大。决定放大哪种策略时这很重要。
在 Pro 上使用 WaveScore™，结合 journal 数据审查入场质量、出场质量、风险管理和节奏。P&L 尚可但 exit score 偏弱的策略可能靠运气而非技能盈利——放大前应收紧。
自问：Setup A 执行干净而 Setup B 执行草率吗？ 若是，问题可能在熟悉度或规则清晰度，而非策略本身。
手动复盘后，向 Wave AI Coach（Pro）提出基于带标签数据的问题：
在 Pro 上使用 WaveScore™，结合 journal 数据审查入场质量、出场质量、风险管理和节奏。P&L 尚可但 exit score 偏弱的策略可能靠运气而非技能盈利——放大前应收紧。
自问：Setup A 执行干净而 Setup B 执行草率吗？ 若是，问题可能在熟悉度或规则清晰度，而非策略本身。
手动复盘后，向 Wave AI Coach（Pro）提出基于带标签数据的问题：
- 「过去 90 天哪种策略 expectancy 最好？」
- 「亏损日后 range fade 表现是否更差？」
- 「哪种策略胜率与平均 R 差距最大？」
FOMO 标签的 London breakout 交易——以区分策略 edge 与行为漏洞。AI 辅助复盘，不能替代步骤 2 的打标签习惯。
5. 决定——砍掉、保留或优化
审查 Analytics 数据和执行质量后，在推广或砍掉每种策略前用此清单：
- 30 笔以上后 expectancy 是否为正？
- 该策略交易期间最大 drawdown 是否可接受？
- 仓位是否在步骤 1 设定的计划内？
- 若每 session 都交易，该策略是否会突破日损限制？
- Keep: expectancy 为正、30 笔以上、drawdown 可接受——标准仓位；仅在匹配带标签盈利单的条件中交易。
- Reduce: 指标混杂或小样本有警告——30 笔前减半仓位；更严格入场规则。
- Cut: 30 笔以上 expectancy 为负或反复违反规则——停做 30 天；在 backtester 或模拟交易中验证修订后再恢复。
- Refine: 概念好但 execution score 弱——收紧规则；20 笔记录计划 vs 实际。若纸上仍合理，放大前用 backtester 在更多市场条件下测试规则变更。
实例：将三种策略收窄为一个重点
交易者： NAS100 期货兼职交易者，每周 8–12 笔。
90 天、71 笔带标签交易后：
90 天、71 笔带标签交易后：
- Opening drive — 26 笔，expectancy +0.55R，profit factor 2.1，WaveScore exit score 强 → 主策略，满仓。
- Midday reversal — 22 笔，expectancy +0.12R，profit factor 1.1，多笔带
late entry标签 → 优化规则，半仓。 - Afternoon breakout — 23 笔，expectancy −0.31R，profit factor 0.78，最大亏损集中于此 → 停做 30 天。
FAQs
需要多少笔交易才能知道策略是否有效？
最终保留或砍掉决定前，每种策略至少 30 笔带标签交易。少于 15 笔时将结果视为初步并继续打标签。
应按胜率还是利润比较策略？
同时使用 expectancy 和 profit factor。单独看胜率易误导——高胜率策略若平均亏损超过平均盈利仍会亏钱。
若只交易一种策略怎么办？
用 session、方向、入场类型等子变体打标签，而非多种策略名。仍需要比较维度才能找出最有效部分。
不打标签每笔交易能找到最佳策略吗？
不可靠。未打标签交易会扭曲平均值并掩盖真正驱动盈亏的想法。
比较策略需要 TraderWaves Pro 吗？
不需要。Essential 提供核心 journal 打标签和 Analytics 筛选。Pro 的 WaveScore 和 AI Coach 增加执行质量与模式分析。
常赢但总体亏损的策略怎么办？
立即缩小仓位并检查目标是否过紧或止损过宽。查看 mistake 标签中的提前出场、移动止损等执行错误。
