首页 功能特性 性能表现 交易记录 指南 学院 免费指标 信号 QuantumBot 定价 关于我们 联系我们
EN DE ES FR PT ZH AR
登录 注册
🔧 模块 5:工具与优化 📈 适合所有水平

如何在 TradingView 上回测 SMC 策略(分步指南)

◆ 简短回答

要在 TradingView 上回测 SMC 策略,请使用回放模式隐藏未来价格,在至少 100 根K线上逐根应用您的规则,并记录 50–100 笔交易。现实的结果是胜率 50–65%、平均盈利 1.5–2.5R;正的期望值,例如每笔交易 0.8R(60% 盈利、每笔 2R,40% 亏损、每笔 1R),即可确认存在优势。

聪明钱概念(SMC)策略回测完全指南。学习如何验证信号表现、计算优势并优化您的设置。

⏱ 14 分钟📈 适合所有水平🎓 Quantum 交易学院✓ 对所有人免费

回测是指用历史数据检验交易策略,在投入真实资金之前验证其优势。对 SMC 交易者而言,它回答了一个关键问题:“这到底是真的有效,还是只在精挑细选的例子上看起来不错?”

为什么大多数回测毫无价值

头号问题:后见之明偏差。当您手动滚动图表、“发现”那些有效的订单块时,您会不自觉地跳过那些失败的。这会导致胜率被严重夸大,在实盘中根本无法复现。合格的回测必须是向前推进的:遮住图表右侧,逐根K线做出决策,就像在实时交易中一样。

向前推进法

第 1 步:选择您的品种、时间周期和日期范围(在您的交易形态时间周期上至少 100 根K线)。第 2 步:使用 TradingView 的“回放”模式隐藏未来的价格走势。第 3 步:完全按照实盘方式应用您的 SMC 规则——标注结构、识别交易机会、记下入场/止损/目标位。第 4 步:逐根K线推进并记录结果。第 5 步:完成 50-100 笔交易后,计算:胜率、平均 R、最大连续亏损次数和最大回撤。

应达到哪些数字

胜率:对 SMC 策略而言,50-65% 是现实的。如果您的回测显示 80%+,那就是方法出了问题(后见之明偏差)。平均 R:每笔盈利交易 1.5-2.5R。期望值:(胜率 × 平均盈利)−(败率 × 平均亏损)应为正数。示例:60% 盈利、平均 2R,40% 亏损、平均 1R =(0.6 × 2)−(0.4 × 1)= 每笔交易 0.8R。这意味着每笔交易的期望值为 0.8R——长期来看利润相当可观。

Quantum Algo 回测

Quantum Algo 内置回测功能,可彻底消除后见之明偏差。由于所有信号均不重绘且在K线收盘时确认,回测结果展示的正是您在实时交易中会看到的内容。您可以直接在 TradingView 中用历史数据测试任意信号配置,即时查看胜率、R 倍数和回撤统计,无需手动向前推进。

优化而不过拟合

完成初次回测后,您可能想调整设置。原则:绝不在测试数据上做优化。将数据分成两半——在前一半上优化,然后在后一半上验证(样本外测试)。如果结果在未见过的数据上依然成立,您的优化就是有效的;如果显著变差,说明您已经过拟合了。

样本量与显著性

寥寥几笔盈利交易证明不了任何事——仅凭随机波动,一个抛硬币式的策略也可能出现极好或极差的连续表现。在信任某个结果之前,务必要求有意义的样本量(至少 100 笔交易),并对任何在十笔交易中“发现”的优势保持高度怀疑。一个好月份不是优势,只是一个数据点。

样本外验证

回测的头号大忌,是在调参所用的同一批数据上反复优化策略,直到它看起来完美无缺——这就是曲线拟合,一到实盘就会崩溃。请保留一段策略从未见过的数据,并在这段样本外区间上进行测试。真正的优势在未见过的数据上依然站得住脚;曲线拟合出的幻想则会在市况变化的那一刻土崩瓦解。

先假设,后验证:回测产生假设;样本外测试和前向测试负责确认。跳过这一步,您交易的就是披着数据外衣的希望。
🧪
更喜欢边玩边学,而不是阅读?
试试我们的互动实验室——模拟交易、构建形态并赢取徽章。
体验 & 学习 →

◆ 一段话总结

一次有用的聪明钱概念(SMC)策略回测,是对至少一百个交易机会进行手动、向前推进的回放,按照您将在实盘中执行的同一套规则记录,以期望值和回撤而非胜率来衡量,然后在规则从未见过的区间上加以确认。对主观 SMC 规则进行自动化回测,几乎总会过拟合;在 TradingView 上配合书面规则手册和电子表格进行K线回放虽然更慢,却是唯一一种数字能经得起实盘账户检验的方式。

前半部分讲解了为什么大多数回测毫无价值、向前推进法、目标数字以及各种偏差。后半部分是具体操作流程:如何把规则写得足够严密以便测试、具体的回放流程、记录模板与公式、如何不自欺欺人地解读结果、策略何时通过何时失败、如何看待 Pine Script 策略及其局限,以及一次从规则手册到最终结论的完整测试。

严密到可以测试的规则

只有当策略中的每一个决策都是一个是非题,且两个人面对同一张图表会给出相同答案时,这个策略才能被回测。“扫荡后在订单块入场”不是规则,而是描述。下面是同一思路的规则化写法。

决策描述(无法测试)规则(可测试)
方向偏好更高时间周期趋势向上最近一次 4 小时结构事件是向上的结构突破,且价格位于 4 小时交易区间中点下方
扫荡价格扫走了流动性一根 15 分钟K线突破亚洲区间低点或前一日低点后又收回其上方
位移一根强势K线扫荡后九根 5 分钟K线之内,出现一根实体 ≥ 20 根K线平均实体 2× 的 5 分钟K线,并收盘于最近一个 5 分钟较低高点之上
入场在订单块处在位移K线留下的公允价值缺口 50% 处挂限价单;若无缺口,则挂在其之前最后一根收跌K线的高点
止损扫荡下方扫荡低点下方 2 点
目标位下一处流动性TP1 设在亚洲区间高点,平仓 50%;TP2 设在前一日高点;TP1 之后在已确认的 15 分钟较高低点下方移动止损
时间止损如果行情停滞若 11:00 UTC 前未达到 TP1,将止损移至入场价;无论如何在 16:00 UTC 平仓

在打开图表之前,先按这种格式写下您的规则。您留下的每一处模糊之处,在回放中都会在盈利日和亏损日被以不同方式处理——这正是一个 40% 胜率的策略被测出 65% 的原因。构建交易系统课程提供了完整规则手册的模板。

回放流程

TradingView 的K线回放工具是合适的工具,因为它会隐藏未来。对于基于时段的日内策略,按照下面的流程,大约十五个小时即可得到一百个交易机会的干净样本。

  1. 盲选测试区间。在不先看图表的情况下,选择至少六个月前的某个起始日期。不要因为记得某段时间走出了趋势就选它。
  2. 一次性设置好图表。按规则手册的规定使用三个时间周期,画好时段框,不添加规则手册未提及的任何指标。保存布局;每次回放都使用同一布局。
  3. 推进到时段开始。将回放推进到第一天的 07:00 UTC。标出亚洲区间和昨日高低点。在继续推进之前,先把方向偏好写进日志。
  4. 在时间窗口内逐根K线推进。在每根 5 分钟K线上,按顺序检查规则:扫荡?位移?结构转变?如果全部满足,入场、止损和目标位就已经确定了;把它们记下来,然后继续推进,看哪些被成交。
  5. 记录每一个交易机会,包括被规则否决的。一个有扫荡但没有位移的形态,就记为一行“未交易——无位移”。日后正是靠这些记录,您才能判断位移过滤条件是否真正发挥了作用。
  6. 在时段结束时停止,记录,然后推进到下一天。绝不要往回滚动,查看换一个止损“本来会”怎样。那就是曲线拟合的开始。

K线回放课程详细介绍了该工具的各项操作,TradingView 回测指南则说明了不同方案对回放深度的限制。

日志与公式

十二列就够了:日期、时段、方向偏好、形态类型(扫荡了什么)、交易或否决(及原因)、入场、止损、TP1、TP2、出场价、出场原因(TP1 / TP2 / 移动止损 / 止损 / 时间止损)、R 结果。电子表格据此即可算出所有关键数据:

  • 每笔交易期望值 =(胜率 × 以 R 计的平均盈利)−(败率 × 以 R 计的平均亏损)。这个数字直接告诉您策略能否赚钱。低于 0.2R 就不值得花时间盯盘;术语表条目给出了推导过程。
  • 以 R 计的最大回撤 = 累计 R 曲线中从峰值到谷底的最大跌幅。决定您仓位大小的是它,而不是胜率。一个回撤 12R 的策略,按 1% 风险就是 12% 的回撤;按 2% 则是 24%。
  • 最长连续亏损——把它数出来。您在实盘中一定会遇到它,而且需要事先就见过这个数字。
  • 盈利因子 = 总盈利 R ÷ 总亏损 R。高于 1.5 即可接受;在一百笔交易上高于 2.5,通常意味着某处出了错。
  • 分组期望值——按时段、货币对、形态类型和星期几分别计算。正是在这里,您会发现周五伦敦时段的交易机会亏钱而其他都赚钱,或者扫荡亚洲区间的形态有利可图,而扫荡昨日低点的却不行。

还要计算您有资格拥有的置信度。100 笔交易中 55% 的胜率,其 95% 置信区间大约为 45–65%;若只有 30 笔交易,则为 37–73%——这就是好策略与抛硬币之间的差别。Wilson 评分条目给出了公式。

如何不自欺欺人地解读结果

面对好结果,首先应该保持怀疑。按顺序问自己以下问题:

  1. 样本够大吗?少于 100 笔交易:无法下结论,继续测试。100–200 笔:如果期望值高于 0.3R 且胜率的置信区间不包含盈亏平衡胜率,可以暂定为通过。200+ 笔:可以使用。
  2. 资金曲线是平滑的,还是全靠某一个月撑着?按月绘制累计 R。如果九个月测试中有两个月贡献了 80% 的利润,说明该策略只在一种市况下有效,而其他市况您还没有测试过。
  3. 被否决的交易机会亏损了吗?看看那些“未交易”的记录,问问它们本来会怎样。如果被位移过滤条件否决的形态与被接受的形态胜率相当,这个过滤条件就只是摆设;如果它们本会亏损,那它就是策略的核心。
  4. 回撤与胜率匹配吗?一个胜率 60%、平均盈利 1.5R 的策略,在 200 笔交易中的某个时候应该会出现六到七次的连续亏损。如果最长连亏只有三次,说明记录中有什么地方在美化这个策略。
  5. 您真的会执行每一笔交易吗?回放时很从容。但在实盘中,08:20 UTC,另一个货币对上还有持仓,您会挂出那张限价单吗?如果诚实的回答是有三分之一的交易您不会做,那么测试出的期望值就不属于您。

前视偏差条目和回测指南列出了测试自我美化的其他方式。

通过、失败与样本外检验

当一个策略满足以下条件时,即通过第一阶段:至少 100 笔交易、期望值高于 0.3R、盈利因子介于 1.5 到 2.5 之间、回撤在您计划的风险水平下确实能扛得住,且至少三分之二的月份 R 曲线为正。缺少其中任何一项即为失败;而面对失败,正确的做法不是去调整那条本可以修复最差月份的规则,而是反思这个思路本身是否有误。

通过第一阶段的策略,接下来要在一段它从未见过的区间上测试:另外六个月,最好处于不同的市况——如果之前测试的是趋势行情,就选一段震荡行情。同样的规则、不做任何改动、同样的日志。如果样本外期望值不低于样本内数值的一半左右,这个策略就是真实有效的。如果它崩溃了,说明样本内结果是对那段时间的拟合,无论第一个数字看起来多好,策略都得推倒重来。

◆ 单一改动原则

如果您在看到结果后修改了某条规则,测试就要在一段全新的区间上从零开始。每一次根据结果做出的规则修改都是一个自由度,足够多的自由度能让任何策略拟合任何时间段。改一处,测一次新的。

Pine Script 策略:能告诉您什么,不能告诉您什么

TradingView 上的 Pine Script 策略几秒钟就能跑完数千笔交易,这正是它如此诱人的原因。但对于 SMC,它有两个局限。第一,主观判断的部分——哪个波段是受保护的、某根K线是否算位移、哪个订单块才是关键的那个——都必须简化为固定数字,而您选的数字,往往正是让上一次测试看起来不错的那些。第二,策略测试器以K线收盘价成交,并假设限价单按限价成交;对于 5 分钟级别的扫荡入场,这与实际情况的差距就占了优势的大部分。

把 Pine 策略用在它擅长的地方:在其余部分固定的前提下,测试方法中的某一个机械化组件——在五年数据上,2× 实体的位移过滤条件是否优于 1.5×?2 点的止损缓冲是否优于 5 点?把绝对数字视为不可靠,把对比结果视为有用。然后在手动回放中确认胜出的组件。Pine Script 指南展示了如何构建一个最简策略,而 Zeno 的不重绘信号可以按其自身规则进行回测,因为信号在确认K线上就已固定。

一次测试:从规则手册到结论

策略:上文规则表中的 EUR/USD 伦敦扫荡策略。区间:六个月,起始日期从日历上选取,事先不看图表。回放:每天一个时段,约 130 个交易日。

  • 记录的交易机会:178 个。九根K线内无位移的扫荡(被否决):61 个。实际交易:117 笔。
  • 达到 TP1 的胜率:58%(68 笔)。置信区间约为 49–67%。这 68 笔中,有 31 笔通过移动止损达到或超过 TP2。
  • 平均盈利:1.7R。平均亏损:0.94R(少数时间止损以小额亏损出场)。期望值:0.58 × 1.7 − 0.42 × 0.94 = 每笔交易 +0.59R。
  • 合计:六个月 +69R。最大回撤 9.4R。最长连续亏损:7 次。盈利因子 2.1。
  • 按月看:六个月中有五个月为正。唯一为负的月份是低波动的八月,共 11 笔交易,−4R。
  • 被否决的交易机会若被执行:38% 会达到 TP1。位移过滤条件确实在发挥作用。

结论:通过第一阶段。样本外:以同样方式选取的另外六个月,在 104 笔交易中实现每笔 +0.41R,回撤 7.8R。不低于样本内数值的一半;策略真实有效。根据回撤确定仓位大小:按 1% 风险,测试中的最坏情况是 9.4% 的回撤,交易者能够承受;按 2% 则是 19%,交易者无法承受。以 1% 风险在小账户上开始实盘,并保持同样的日志,因为实盘日志就是第三次测试——交易日志系统课程将从这里接着讲。

实战手册

  1. 在打开图表之前,把每个决策都写成是非题式的规则。方向偏好、扫荡、位移、入场、止损、目标位、时间止损。如果两个人的答案会不同,那它还不是规则。
  2. 在规则手册规定的时间周期上,逐根K线回放一段盲选的区间。记录每一个交易机会,无论交易还是否决,并注明原因。绝不往回滚动。
  3. 计算期望值、回撤、最长连亏、盈利因子以及胜率的置信区间。按时段、货币对、形态类型和星期几细分期望值。
  4. 仅在满足以下条件时通过:100+ 笔交易、期望值 > 0.3R、盈利因子 1.5–2.5、回撤可承受、三分之二的月份为正。失败意味着要质疑思路本身,而不是修补最差的那个月。
  5. 在未见过的区间上确认,不做任何规则改动;然后按回撤所允许的仓位开始实盘。任何规则只要改动一处,就要在全新区间上重新测试。

代价最大的错误

  • 测试的是一段描述而非规则手册,并在每个亏损日都把模糊之处朝有利于策略的方向解读。
  • 看过图表之后才选择测试区间。
  • 在回放中往前偷看,查看换一个止损的话交易会怎样。
  • 仅凭 30 笔交易就宣布策略有效——在这个样本量下,55% 的胜率与 40% 在统计上无法区分。
  • 根据胜率而不是回撤来确定仓位。终结账户的是回撤。
  • 在主观 SMC 交易形态上相信 Pine 策略测试器给出的绝对数字。它只适用于比较不同组件。
  • 在第一次结果出来后改了三条规则,又在同一区间上重新运行。那是拟合,不是测试。

核心要点

回测的质量取决于它所测试的规则手册以及回放时的纪律。写出两个人会以相同方式执行的规则,逐根K线回放一段盲选的区间,记录包括被否决在内的每一个交易机会,并以期望值、回撤和置信区间而非胜率来评判结果。在一百笔以上的交易上通过,在规则从未见过的区间上不做改动地加以确认,并根据测试得出的回撤确定实盘账户的仓位。能经受住这一切的策略,才是您真正能扛过其连亏期的策略,因为您早已见过它。

常见问题

如何正确地回测交易策略?

每种交易形态在不同市况下至少测试 50–100 笔交易,同时衡量胜率、风险回报比和期望值,避免后见之明偏差和曲线拟合——最好使用逐根K线回放,而不是浏览历史图表。

正确回测一个策略需要多少笔交易?

至少 100 笔才能得出初步结论,在依赖它之前需要 200 笔或更多。胜率的置信区间会随样本量缩小:30 笔交易中的 55%,真实值可能在 37% 到 73% 之间的任何位置,而在 100 笔交易中会收窄到约 45–65%。少于 100 笔交易时,好结果和抛硬币很难区分。

可以用 Pine Script 策略回测聪明钱概念(SMC)吗?

只能回测机械化的组件。SMC 中主观判断的部分——哪个波段是受保护的、某根K线是否算位移、哪个订单块才是关键的那个——都必须简化为固定数字,而这些数字最终会拟合测试区间。用 Pine 策略在其他条件固定的情况下比较不同组件(比如 2× 与 1.5× 的位移过滤条件),把绝对数字视为不可靠,并在手动K线回放中确认胜出者。

回测中最重要的指标是什么?

每笔交易的期望值——以 R 计,胜率乘以平均盈利,减去败率乘以平均亏损——因为它告诉您策略到底能不能赚钱;以及以 R 计的最大回撤,因为它决定了您每笔交易能承担多少风险。单看胜率几乎毫无意义:一个盈利 3R、胜率 40% 的策略,胜过一个盈利 0.8R、胜率 65% 的策略,尽管后者的交易日志看起来更平稳。

什么是样本外测试?为什么它很重要?

它是指将已完成的规则原封不动地在一段从未用于开发或调参的数据上重新运行——最好是处于不同市况的一段数据。如果该区间的期望值不低于原始数值的一半左右,策略就是真实有效的;如果崩溃了,说明原始结果是对那段时间的拟合。看到结果后做出的任何规则改动,都会把当前区间变成样本内数据,因此必须在一段全新的区间上重新进行样本外检验。

继续学习

🔧 交易日志系统:记录、分析与改进 → 🔧 Quantum Algo 设置指南:实现最佳性能的配置 → 🧠 交易心理:为什么纪律总能胜过智力 → ⚡ 把交易当作事业:税务与法律架构 → ⚡ 模拟交易:不亏钱地练习 → ← 返回完整学院

在您的图表上实时查看这些概念

Quantum Algo 直接在 TradingView 上自动识别机构订单流。本课中的每个概念——都能实时识别。

开始交易 →
📊 公开实盘记录