绩效 / 统计约 7 分钟

单笔交易均值与中位数：“典型结果”可能掩盖什么

一个平均值可能隐藏偏态、极端值、不均衡样本，以及描述性统计与决策判断的区别。

作者 DayTradeDrill.com2026年10月6日

核心观点: 均值描述样本的算术平衡，中位数描述排序后的中心观察；两者都无法单独概括分布、数据筛选或绩效判断背后的不确定性。 标签: 绩效统计 · 均值与中位数 · 交易分布

本文仅供教育用途，不构成投资建议、交易推荐或行情预测。示例仅用于说明；市场状况和执行结果可能不同。

绩效摘要常常从一个数字开始：平均单笔结果。它看起来直观，因为能把一长串数据压缩成容易比较的数字。但“平均”一词可能含糊；即使均值计算准确，也可能掩盖极不均匀的分布。若把一个统计量称为“典型结果”，读者可能会想象数据中存在代表性结果，而实际未必如此。

算术均值和中位数回答不同问题。均值是把观察值相加后除以数量；中位数是排序后位于中间的值，若数量为偶数，则取中间两个值的中点。均值会受每个观察值影响；中位数不太容易被远端极值的大小拉动。没有哪个在所有情形都更好，是否有用取决于研究问题和样本分布。

五个结果的示例如何展示均值与中位数的差别？

想象一组用同一单位衡量的五个虚构净结果：负二、负一、零、一和十一。均值为1.8，中位数为零。较大的正向观察值影响了均值的算术总和；中位数则给出排序列表的中心。这并不表示任一统计量是预测，也不意味着其他样本会出现相似结果。

再想象多数观察值聚集在中心附近、少数特别大的值拉长右尾的情况。均值可能远离大部分单笔结果；左偏分布中的少数极端负值也会把均值向另一边拉。如果只报均值，不展示离散程度与分布形态，样本可能显得比实际更均匀。

定义观察单位之前，均值无法解释。每个数据点是一笔平仓交易、一个交易时段、一个策略配置，还是一天？它是扣除建模成本后的净值还是毛值？分批退出怎样合并？是否包含未平仓交易？币种、合约乘数和时间约定是否一致？对单位不一致的数据进行正确计算，结论仍可能误导。

样本选择与算术一样重要。只分析完成交易，会排除没有交易的时段；样本若限于某个产品、时间窗口或参数选择，就不一定代表更广泛的过程。缺失记录、重复数据、生存者筛选和其他筛选条件都会改变均值与中位数。解读结果前，先记录纳入规则。

中心统计量只是观察分布的一种视角。有用背景还包括样本数、离散度、选定分位数、适用时的范围，以及直方图或箱线图等图形。它们可以显示数据是否集中、有无长尾或多个群组，但仍无法替代对样本构造方式的理解。

异常值值得调查，不应自动删除。某个大额观察可能是数据错误、合理的罕见事件、聚合问题，或所研究过程本身的特征。对任何修正或排除都保留可复现记录，并说明加入或移除争议点后结论如何改变。稳健摘要可以揭示敏感性，但不能让不方便的观察凭空消失。

“平均单笔结果”和“期望值”有时被当成同义词。在简单样本中，算术均值是在选定观察单位和核算约定下的样本平均。更广泛的期望判断还依赖观察如何生成、过程是否稳定、交易如何被筛选，以及成本和限制等假设。

即便历史均值为正，也不能证明这一过程未来仍会保持正均值。样本较小、观察存在依赖或少数数值主导总和时，抽样不确定性可能很大。若交易在时间上重叠或聚集，把它们视为独立会低估不确定性。研究方法应尽可能匹配数据生成和抽样设计。

胜率不等于平均结果。按照定义明确的正负号约定，它表示被分类为获胜的观察占比；盈亏大小是另一维度。两组样本可以胜率相同而均值不同，因为结果幅度分布不同；也可以均值接近，却有完全不同的中位数和尾部。

因此，简洁的绩效表不要把单一指标变成完整结论。正向观察比例高，不会说明负向结果有多大；均值为正，也不显示有多少结果接近零、波动如何，或结论是否依赖少数极端值。每项统计量描述不同特征。

比较不同策略、时期或市场的均值，只有在单位和样本规则相容时才有用。一组可能观察更多、成本模型不同、期限不同，或包含不同背景。把数字标准化不代表其底层观察自动可比。

如果群组不同，就呈现这些差异，不要隐藏在单一排名中。报告样本数量、日期范围、数据源变化和相关设计选择。如果是在观察许多备选方案后挑出这项比较，也要说明搜索过程。清晰表格应让限制更容易看到，而不是埋在小数点后。

实用复核先定义观察单位和纳入规则，检查原始记录，计算中心和离散程度，检查分布并调查有影响力的观察。然后测试更换合理窗口或群组后，主要描述是否改变。尽量把探索性比较与预先规定的确认步骤分开。

教育性报告可以明确写出某样本在特定模拟成本扣除后的均值和中位数，说明分布向右偏、观察数量和时期，并指出样本不能证明什么。这比不加限定地把某个统计量称为“典型结果”更有信息量。

NIST/SEMATECH 手册把均值与中位数描述为位置指标，并讨论它们与探索性数据分析的关系。这个角度很有用：统计量能帮助总结数据，但如何解释取决于分布和背景。多写几位小数不会消除不确定性，熟悉的摘要也不会把历史样本转变为个人财务结论。

审慎报告用均值描述算术平衡，用中位数表示排序中心，再结合样本数量、离散程度、分布形态、覆盖范围和假设解释两者。如果缺少这些细节，这种限制本身也很重要。目标不是认定哪一个摘要唯一正确，而是说明它们分别揭示了什么、还有什么未知。