9.9 蒙特卡洛与随机打乱：看策略抗不抗揍
课前导读
本节目标
学完能解决什么困惑：为什么同样的平均收益，换一个交易顺序，投资体验可能完全不同。
适合谁学：已经理解回测指标、交易成本、参数扫描和 Walk-forward 的读者。
难度：中级。
用时：约 40 分钟。
回测报告里常见一句话：策略历史收益不错。
但投资者真正经历的不是“平均收益”，而是一笔笔交易按顺序发生的过程。
如果亏损刚好集中在前面，你能不能坚持？
如果几笔大亏挨在一起，最大回撤会不会突破心理承受线？
如果把历史交易顺序打乱很多次，策略结果是否仍然大体可接受？
这就是本节要讲的蒙特卡洛与随机打乱。
它不是预测未来，而是检查策略是否抗揍。
知识正文
1. 类比：同样的路程，不同的颠簸顺序
你要坐车从上海到南京。
总路程一样，平均速度也差不多。
但一种体验是一路平稳，中途偶尔减速。
另一种体验是刚上车就连续急刹，后面才慢慢平稳。
两趟车最后都到达目的地。
可乘客的感受完全不同。
交易策略也是这样。
十笔交易的总收益可能一样。
但如果亏损集中在前五笔，资金曲线会先掉进坑里。
如果盈利先发生，后面再遇到亏损，心理压力会小很多。
蒙特卡洛检查的正是这种“路径压力”。
关键直觉
收益不只看终点，还要看路上怎么颠簸；策略要能经受不利顺序的考验。
2. 术语：蒙特卡洛、随机打乱、抽样
蒙特卡洛，是一类用大量随机模拟来观察可能结果范围的方法。
名字听起来高级，但直觉很朴素：不要只看一次历史路径，多生成很多种可能路径看看。
随机打乱交易顺序，是把历史交易收益保留不变，只改变它们出现的先后顺序。
这样可以观察：同样一批盈利和亏损，如果排列方式不同，最大回撤会怎样。
抽样，是从历史交易或历史日收益中随机抽取一部分，形成新的模拟路径。
有时允许重复抽取，这叫有放回抽样。
压力测试，是故意把条件变得更困难。
例如让大亏更早出现、让滑点更高、让连续亏损更集中。
百分位，是用来描述模拟结果分布的位置。
例如 5% 分位最大回撤，表示在很多模拟里，最差的 5% 情况大约有多难受。
3. 它不是预测未来
很多新手会误解蒙特卡洛。
他们以为模拟一万次，就能知道未来会发生哪一种。
这是错误的。
蒙特卡洛不能告诉你未来行情。
它只能告诉你：如果未来的交易结果与历史有某些相似特征，那么不同排列和抽样下，策略可能经历怎样的压力。
它回答的不是“未来会赚多少钱”。
它回答的是“这套策略如果遇到更差顺序，会不会很快破防”。
所以它属于稳健性检查，不属于收益承诺。
常见误区
模拟次数很多，不代表结论一定可靠。输入样本有偏、成本估计太乐观、交易规则不真实，模拟结果也会跟着失真。
4. A 股案例：同样 20 笔交易，顺序不同
假设某 A 股波段策略在历史里完成 20 笔交易。
每笔收益已经扣除佣金、印花税、过户费和滑点。
为了教学，我们只列出一组简化收益。
| 交易编号 | 单笔收益 |
|---|---|
| 1 | 3.0% |
| 2 | -2.0% |
| 3 | 4.5% |
| 4 | -1.5% |
| 5 | 2.0% |
| 6 | -5.0% |
| 7 | 6.0% |
| 8 | -3.0% |
| 9 | 1.8% |
| 10 | 2.5% |
如果盈利和亏损交替出现，资金曲线可能比较平滑。
如果 -5.0%、-3.0%、-2.0%、-1.5% 连续出现在开头，最大回撤会明显变深。
注意，单笔收益集合没有变。
变的只是顺序。
投资者在实盘中面对的恰恰是顺序。
你不知道下一笔是盈利还是亏损。
你也不知道亏损会不会连续出现。
5. 随机打乱的基本流程
先从回测中取出每笔交易的净收益。
然后随机打乱这些收益的顺序。
接着按新顺序重新计算资金曲线和最大回撤。
重复很多次。
最后观察终值、最大回撤、最长连续亏损等指标的分布。
graph TD
A["提取历史每笔净收益"] --> B["随机打乱顺序"]
B --> C["重算资金曲线"]
C --> D["记录终值与最大回撤"]
D --> E["重复多次模拟"]
E --> F["观察结果分布"]这个流程很适合检查“顺序风险”。
如果打乱后大多数路径都还能接受，说明策略对交易顺序相对不敏感。
如果一打乱就经常出现巨大回撤，说明历史路径可能过于幸运。
6. 抽样模拟：检查样本依赖
随机打乱只改变顺序，不改变每笔交易出现的次数。
抽样模拟会进一步变化。
例如从历史 100 笔交易里随机抽取 100 笔，允许同一笔被抽到多次。
这能粗略观察：如果未来交易结构与历史相似，但具体出现组合不同，结果范围会怎样。
抽样模拟也有局限。
如果历史样本本身太少，抽来抽去还是那几笔。
如果历史没有出现过极端行情，模拟也不容易凭空生成真正极端的风险。
因此抽样不能替代对 A 股现实约束的检查。
涨跌停、停牌、流动性枯竭、政策冲击，都需要单独写进风险边界。
7. 压力测试：故意让坏事先发生
压力测试比随机更直接。
它会故意问：“如果最糟糕的几笔亏损连续出现，会怎样？”
例如把历史里亏损最大的 5 笔放到开头。
或者把滑点提高一倍。
或者把所有卖出价格再不利一点。
这种做法不是为了吓自己。
而是为了提前知道策略有没有承受边界。
如果压力测试一做，账户很快回撤到你完全无法接受的位置，说明仓位或规则需要重新审视。
8. 一个短小的 Python 思路示例
下面代码只演示思路，不要求真实外部数据。
trade_returns = [0.03, -0.02, 0.045, -0.015, 0.02, -0.05, 0.06, -0.03]
sim_results = []
for _ in range(1000):
shuffled = np.random.permutation(trade_returns)
equity = (1 + pd.Series(shuffled)).cumprod()
drawdown = equity / equity.cummax() - 1
sim_results.append({
"ending_equity": equity.iloc[-1],
"max_drawdown": drawdown.min(),
})
summary = pd.DataFrame(sim_results).describe()这段代码做了四件事。
第一，把每笔交易收益放进列表。
第二，每次随机打乱顺序。
第三，重新计算资金曲线。
第四，记录终值和最大回撤。
真正重要的不是 describe() 这个函数名。
真正重要的是你得到一组结果范围，而不再只盯着历史唯一顺序。
9. 该看哪些输出
第一，看终值分布。
如果很多模拟的最终资金都明显低于起点，策略可能没有足够优势。
第二，看最大回撤分布。
如果 5% 较差情形下的最大回撤远超你的承受能力，策略即使平均收益不错，也可能不适合你。
第三，看最长连续亏损。
连续亏损比单次亏损更容易摧毁执行纪律。
第四，看低分位结果。
不要只看平均值。
平均值像班级平均分，低分位更像“倒霉时可能考多少分”。
10. 专业老师视角：把“坏运气”讲清楚
稳健性教学里，最难的是让新手接受不确定性。
一个策略即使有正收益期望，也可能先遇到一串亏损。
这不一定说明策略立刻失效。
但如果亏损串的深度已经超过报告里允许的风险边界，就必须停止复查。
老师会要求你把“正常波动”和“规则失效”分开。
蒙特卡洛提供的不是答案，而是一把尺子。
它帮助你估计：什么程度的坏运气仍在预期范围内，什么程度已经超出策略说明书。
11. 投资者视角：先问自己能不能扛
如果某策略历史年化看起来不错，但模拟显示最差 5% 情况可能回撤 35%。
你要诚实问自己：我能不能坚持？
如果答案是否定的，就不要因为收益数字漂亮而勉强使用。
对于 A 股新手，心理承受能力往往比模型更脆弱。
连续亏损时，人会想加仓摊平、临时换规则、追别的热点。
这些行为会让策略结果和回测完全脱节。
蒙特卡洛的价值，是在实盘前就把这种压力摆到桌面上。
12. 量化开发视角：随机也要可复现
随机模拟不是随便摇一摇。
开发时要记录随机种子。
要记录模拟次数。
要记录抽样对象是“单笔交易收益”还是“日收益”。
要记录是否允许重复抽样。
要记录是否加了额外压力假设。
否则今天模拟出来的结果，明天可能无法复查。
可复现的随机，才是研究工具。
不可复现的随机，只是制造幻觉。
13. 什么时候不适合直接用
如果交易笔数太少，蒙特卡洛结论会很弱。
例如只有 8 笔交易，打乱顺序能看到的东西有限。
如果策略收益高度依赖市场环境，简单抽样可能破坏时间结构。
例如趋势策略在连续趋势里赚钱，在震荡里亏钱。
把日收益完全随机打散，可能丢失真实行情的连续性。
如果数据没有处理停牌、涨跌停和不可成交问题，模拟再多也没有意义。
所以蒙特卡洛要和前面学过的成本、成交现实性、Walk-forward 一起使用。
14. 可执行练习：给策略做一次纸面压力测试
拿出一组历史交易净收益。
先按原顺序计算累计收益。
再把亏损最大的三笔放到最前面。
然后重新计算资金曲线。
最后比较最大回撤。
你会直观看到：同样的交易集合，最难受的路径可能完全不同。
这一步不需要复杂代码。
用表格就能完成。
交互实验室
本节实验室用一张小表训练路径思维。
请不要急着追求精确计算。
重点是感受“顺序风险”。
练习 A：手动打乱交易顺序
原始交易收益如下。
| 顺序 | 单笔收益 |
|---|---|
| 1 | 4% |
| 2 | -3% |
| 3 | 5% |
| 4 | -6% |
| 5 | 2% |
| 6 | -2% |
请做两种排列。
第一种，把盈利尽量放前面。
第二种，把亏损尽量放前面。
然后回答：
两种排列的最终收益是否相同？
两种排列的最大回撤是否相同？
哪一种更容易让你中途放弃？
练习 B：写压力测试假设
请从下面选三条，写进你的回测报告。
| 压力条件 | 你要观察的指标 |
|---|---|
| 最大亏损三笔提前出现 | 最大回撤 |
| 滑点提高一倍 | 净收益和交易次数 |
| 连续 5 笔亏损 | 心理承受与暂停规则 |
| 卖出成交价更不利 | 亏损扩大程度 |
| 测试期只保留弱行情 | 策略环境依赖 |
写完后补一句：
如果压力测试触发 ______，我会暂停策略复查，而不是继续扩大仓位。
练习 C：读懂模拟结论
假设 1000 次模拟后得到：
| 指标 | 中位数 | 较差 5% 情况 |
|---|---|---|
| 最终收益 | 18% | -6% |
| 最大回撤 | -16% | -32% |
| 最长连续亏损 | 4 笔 | 9 笔 |
请回答：
你能否接受较差 5% 情况下的回撤？
连续 9 笔亏损时，你的暂停规则是什么？
这个策略是“不能研究”，还是“需要更严格仓位和风险边界”？
核心复盘
知识清单：
[ ] 我知道蒙特卡洛是稳健性检查，不是未来预测。
[ ] 我能解释随机打乱交易顺序为什么会改变最大回撤。
[ ] 我知道抽样模拟可以观察结果范围，但不能弥补坏数据。
[ ] 我会重点观察终值分布、最大回撤分布和最长连续亏损。
[ ] 我知道压力测试是主动让坏情况出现，检查策略承受边界。
[ ] 我会记录随机种子、模拟次数、抽样对象和压力假设。
金句总结
好策略不只要会赚钱，还要在坏顺序、坏运气和坏行情里不轻易散架。