定義

勝率（Win Rate）是獲利交易筆數佔總交易筆數的比例。它描述賺錢的頻率，沒有描述賺錢的幅度；賠時賠很多、賺時賺很少的策略，勝率很高也可能賠錢，判斷策略必須把勝率與賺賠比一起看。

公式與計算

勝率 = 獲利交易筆數 ÷ 總交易筆數

手算範例：10 筆交易有 6 筆獲利，勝率 60%。要判斷賺不賺錢得再算期望值：若平均每筆獲利 5%、平均每筆虧損 10%，期望值＝ 60% × 5% − 40% × 10% ＝ −1%，勝率六成仍是期望值為負的虧錢策略。反過來，勝率 40% 但平均賺 15%、平均賠 5%，期望值＝ 40% × 15% − 60% × 5% ＝ +3%，長期反而是賺的。

台股真實實例

年化 33.9% 的投信買超＋營收動能策略，1,317 筆交易的勝率只有 52.7%，只比丟銅板高一點：報酬來自賺的時候賺得夠多，而非把勝率做高。
董監改選行情選股法近 10 年出現 46 次訊號，勝率 82%、持有 3 個月平均獲利 15%、中位數 11%。高勝率的事件型策略存在，但 46 次屬於小樣本，統計可信度低於上千筆交易的策略。
停損不一定改善勝率：ATR 移動停損台股實測把勝率從 42.8% 壓到 36.5%、年化報酬從 8.0% 變成 -3.6%，一批「先跌後漲」的交易被停損截斷成確定虧損。
網傳「紅包行情勝率 80%」，用 2016 至 2025 十年資料實算只有 60%（6/10 年上漲）。聽到勝率數字，先問樣本期間與統計方式。

用 finlab 計算

      
        
        顯示程式碼
        
      
      from finlab import data
from finlab.backtest import sim
 
rev = data.get("monthly_revenue:當月營收")
 
# 範例策略:月營收動能前 10 名,月頻再平衡
score = rev.average(3) / rev.average(12)
position = score.is_largest(10)
report = sim(position, resample="M")
 
# 回測統計直接提供勝率
stats = report.get_stats()
print(f"勝率:{stats['win_ratio']:.1%}")
 
# 從逐筆交易驗證:return 欄位大於 0 的比例
trades = report.trades.dropna(subset=["return"])
win_rate = (trades["return"] > 0).mean()
print(f"逐筆驗證:{win_rate:.1%},共 {len(trades)} 筆交易")
    

常見陷阱

高勝率不等於賺錢。 勝率 70% 的策略若做對只小賺、做錯就大賠，長期照樣是輸的；回測是什麼把這列為最容易踩的觀念坑之一。評估策略時把勝率、平均賺賠比、期望值三個數字一起攤開，缺一不可。

小樣本的勝率不可信。 46 次訊號的 82% 與 1,317 筆的 52.7%，統計意義完全不同；一年只觸發幾次的策略，勝率的隨機波動非常大，幾次好運就能把數字墊高，不能直接外推未來。

Win Rate（勝率）

定義

公式與計算

台股真實實例

用 finlab 計算

常見陷阱

相關詞條與延伸閱讀