“交易越多，风险就一定越大吗？”
如果把风险理解为参与市场的次数，这个直觉似乎没错。可真正的回撤发生在结果的先后顺序以及损失如何积累的过程中，不能用订单数直接代替。
一次最近完成的 BTC 5 分钟历史代码回放恰好呈现了这种反差：同样的有效策略上下文里，v2.4 比 v2.0 多执行 619 笔历史订单，但最大标准化回撤却从 -58 改善到 -52。
这不是“多交易就更安全”的证据，而是提醒我们：交易次数和风险路径不是一回事。
先核对变化发生在什么口径下
| 同批上下文对照 | v2.0 | v2.4 |
|---|---|---|
| 有效上下文 | 18,920 | 18,920 |
| 有效订单 | 14,742 | 15,361 |
| 胜率 | 66.531% | 67.313% |
| 标准化总分 | +14,562 | +16,255 |
| 历史最大标准化回撤 | -58 | -52 |
统一计分采用胜 +4、负 -5、未交易 0。它反映历史方向判断的固定计分路径，不能解释成真实资金回撤降低了 6 美元或 6 个百分点。
订单数不是风险的充分统计量
想象两种简单的执行序列：
- 方案 A 在行情最差的几个时段连续承担损失，其他时候经常空仓。
- 方案 B 交易次数较多，却没有在相同位置积累同样的连续负结果。
即便 B 的订单数更多，它在特定评价体系下也可能出现更浅的峰谷回撤。反过来，B 的更高参与度也可能增加真实资金占用、费用或尾部风险。
因此，我们应该把三个不同的问题分开：参与了多少次？单次参与质量如何？损失如何沿时间分布？
看累计分数，更要看亏损发生的顺序
最大回撤不是最终得分与起点之差，而是累计曲线从某个历史峰值向下走过的最深距离。
这意味着，即使两个版本总分相同，只要得分发生的顺序不同，也可能拥有不同的最大回撤。新增订单如果改善了某些原本不利的路径片段，最终得分与最大回撤就可能同时改善。
但我们不能只凭汇总表声称某条具体规则“消除了”哪一段风险。这类因果解释需要逐笔回放与反事实对照，而不是用总体数字推断。
这次还有哪些交叉证据？
在该历史样本中，负收益自然周从 15 个降至 11 个，负收益自然日从 476 个降至 428 个；负收益的滚动七日窗口也从 108 个减少到 69 个。
这些指标从不同角度支持“短周期不利路径有所减少”的描述。但它们也有边界：
- 每个滚动七日窗口与相邻窗口大量重叠，不是 108 次独立的风险事件。
- 自然周的起止边界会改变周度统计。
- 标准化回撤没有纳入真实下单金额、费用、滑点与执行失败。
- 最大回撤是一项历史路径统计，不能推出未来最大亏损。
为什么近期仍值得警惕？
截至回放截点，v2.4 最近七日的标准化得分仅为 +2。累计分数距离最近峰值尚有 -14，此前一度下探至 -45。
这说明回放整体指标改善，并不等于最近每天都平稳。事实上，一次有价值的升级也可能仍然经历不舒服的短期路径。
真正该得出的结论
这次历史比较支持的是：在固定上下文和固定计分口径下，v2.4 让参与次数、单位期望与历史回撤出现了有利组合。
它不支持“交易越多越好”，也不支持“最大历史回撤已经等于实盘的风险上限”。
研究自动化交易时，频率只能告诉我们系统有多忙；参与质量和风险路径，才更接近我们真正需要理解的事情。
数据截至 2026-10-11；2021、2026 为部分年度。以上为标准化历史回放，不代表真实经济收益或未来风险上限。
延伸阅读：为什么机器人必须学会不交易？ · 胜率与入场成本 · 策略稳定性研究