交易数相同，可信度未必相同｜独立性这一前提

结论：交易数要按“独立试验的次数”重新计算

回测的交易数越多，结果通常越值得信任。但这只在每一笔交易彼此独立时才成立。对于在同一时刻朝同一方向持有多个仓位的EA，或者由多个对同一段行情做出反应的品种组成的EA，有效样本数可能远少于报告中显示的交易数。

我们在评估EA时，也会先看“有多少次独立的判断”，再看“交易了多少次”。本文整理了这种思路和具体的检查步骤。

为什么存在相关性会让样本数减少

也许只是把同一个判断数了5遍

假设某个EA每次出现信号就同时开5笔仓位，而这5笔又以相同的价格走势平仓。报告上显示交易100次，但实际上对行情做出的判断只有20次。抛100次硬币，与抛20次再把每个结果抄写5遍，两者排除偶然性的程度完全不同。

在统计学中，交易之间的相关性越强，有效样本数就越小。以一个简单的模型来说，设交易数为n，交易之间的平均相关系数为ρ，则有效样本数大约是 n ÷ (1 + (n − 1) × ρ)。ρ为0时，有效样本数就等于交易数；但只要ρ略微为正，有效样本数就会大幅下降。实际的相关性不会那么整齐划一，所以请把这个公式当作建立直觉的参考。

“不同的EA”也不一定相互独立

这个问题不会只局限于单个EA。例如我们的 MEGAMAX DONCHIAN 和 DONCHIAN ENGINE，在USDJPY H1、相同验证期间（2017.01.01 - 2026.06.01）的回测中，交易数分别为629次和631次，平均持仓时间分别为32:58:21和32:42:37。数字如此接近，可以合理认为两者的买卖时机有相当大的重叠（我们并没有逐笔比对，所以无法断言重合到什么程度）。即使同时运行这两个EA，也应当认为，它得到的并不是由1,260次独立验证所支撑的分散效果。

破坏独立性的主要情形

对于像 ATLAS 这样处理多个品种的组合型EA，品种的搭配本身就决定了分散的质量。回测的1193笔交易中，有多少来自相关性较低的行情阶段，仅看交易数是无法得知的。

具体检查步骤

1. 将成交记录导出为CSV。 可以从MT5回测报告的“成交”标签页导出。
2. 按入场时间归并。 把在同一根K线（H1即同一个小时）内、同一方向入场的交易归为一组。组数就是“独立判断次数”的参考值。
3. 查看持仓期间的重叠。 如果EA的平均持仓时间比交易间隔更长，说明它可能始终持有多个仓位。
4. 按每日盈亏重新计算。 不以单笔交易为单位，而是把“一天的盈亏”作为一个样本，重新计算胜率和PF，同时持仓造成的虚增就能去掉很大一部分。
5. 对比并用的EA。 把两个EA的每日盈亏并排放在一起，确认它们是否在同一天同时盈利或亏损。

验证的基本思路，我们也整理在 EA・MT5知识库 中。

局限与注意事项

以上方法同样有局限。

• 相关性并不是固定不变的。 平时相关性较低的品种，在行情急剧变动时也往往一起朝同一方向移动。即使平常的数据看起来“独立”，在最需要它的时候，这一前提也可能失效。
• 按日汇总也会损失信息。 虽然更接近独立，但样本数会变少，在另一层意义上让判断变得困难。以哪种单位汇总才正确，并没有标准答案。
• 我们自己的EA也没有全部重新计算过。 把本文介绍的步骤应用到全部EA上的结果，还没有达到可以公开的程度。页面上显示的交易数，是报告中成交的次数。
• 确认了独立性也不能保证盈利。 它只能告诉你“这份成绩在多大程度上可以用偶然来解释”，并不代表未来的表现。

总结

• 即使交易数相同，只要交易之间存在相关性，统计上的可信度就会下降
• 同时持仓、持仓期间重叠、相关性高的品种、并用逻辑相似的EA，都会减少有效样本数
• “独立判断的次数”可以通过按入场时间归并，或按每日盈亏重新计算来获得参考值
• 平常看起来独立，行情急变时相关性可能增强
• 组合多个EA时，要看买卖时机是否重叠，而不是看品种或名称