第二章：偏度陷阱与遍历性 —— 胜率是最会骗人的指标

偏度陷阱#

塔勒布本人做多期权的策略：十年里九年小亏，一年大赚，总账为正——胜率低得像失败者，期望却是正的。反过来是更危险的镜像：

卖尾部风险的策略：月月赚小钱、胜率 95%，直到一次性把多年利润连本金一起亏光。（“每天捡钢镚、终被压路机碾过”的原型。）

教训是一个公式装不下的：期望 = 胜率 × 平均盈利 − 败率 × 平均亏损，胜率只是四个变量之一。评价策略必须看完整分布——尤其是左尾有多深、多罕见（罕见到你的回测样本里可能一次都没出现过）。

塔勒布的著名酒桌题#

他在书里演示过一个让同事崩溃的观点：“我认为下周市场大概率会涨，同时我做空市场。“矛盾吗？不：涨的概率高（比如 70%），但跌的时候幅度深——期望为负，所以做空。概率和期望是两个维度，业余者谈概率，职业者谈期望。

对应到 A 股场景：“这个策略十次有九次赚钱”是概率陈述；“亏的那次亏多少”才决定期望——高胜率网格、满仓打板、卖出深度虚值期权，都是”胜率好看、期望存疑”的家族成员。

遍历性：赚过 ≠ 赚到#

塔勒布的另一记重锤：时间平均 ≠ 集合平均。一个策略”平均年化 20%“，如果波动大到某条路径会破产，那么对”只有一条命”的你，这个平均数毫无意义——你走的是一条路径，不是一万条路径的平均。

数字化的直觉：连续两期收益 +50%、−50%，算术平均是 0%，但你的真实资金变成 1 × 1.5 × 0.5 = 0.75——亏 25%。波动本身在吃掉复利，破产则直接终结游戏（后续所有”平均收益”与你无关）。

这直接解释了两个东西的哲学地位：

• 凯利公式（索普篇）：最大化的正是时间平均（对数财富）而非算术平均；
• 控制回撤优先（量化学堂第五课）：先保证所有路径都活着，再谈平均收益。

自查你的回测#

• 日胜率 55% 的反转策略，最大单日亏损多大？亏损最集中的一个月发生了什么？
• 回测区间覆盖 2015 年 6 月、2018 年、2024 年 2 月了吗？没有的话，你的左尾根本没被测过；
• 把回测的年化收益换算成几何平均（扣掉波动拖累）再看一眼——那才是你能拿到的数。

本页带走的三句话#

1. 胜率是四分之一个真相：期望 = 胜率 × 平均盈利 − 败率 × 平均亏损；
2. 业余者谈概率，职业者谈期望——高胜率策略先查左尾；
3. 你只有一条路径：先排除破产路径，再优化平均收益。