获取策略的胜率

TradingView策略能够在图表上模拟各种交易设想。运行一段时间后，有些交易盈利，有些则亏损。那么，一个策略最终盈利的交易究竟占多大比例呢？让我们来学习如何使用PineScript计算策略的胜率（Hit Rate）。

计算胜率的函数

下面的这个自定义函数可以返回策略的胜率：

// GetWinRate() 函数返回策略的胜率（即盈利交易的百分比）。
// 可将 'includeEvens' 参数设置为 'true'，
// 以便将盈亏两平的交易也视作盈利。
GetWinRate(includeEvens = false) =>
	winTradeCount = strategy.wintrades + (includeEvens ? strategy.eventrades : 0)
	(winTradeCount / strategy.closedtrades) * 100

GetWinRate() 函数有一个可选参数：includeEvens。当此参数为 true 时，函数会将盈亏两平的交易也算作盈利交易。但通常我们不会如此慷慨，因此该参数的默认值为 false。

在函数内部，我们分两步操作。第一步，我们创建一个 winTradeCount 变量来统计胜利的交易总数。它的值由 strategy.wintrades 变量（即盈利交易数）加上一个条件值构成。这个条件值取决于 includeEvens 参数，我们通过条件运算符（?:）来判断：如果 includeEvens 为 true，我们就加上盈亏两平的交易数（strategy.eventrades）；如果为 false，则不计入保本交易，即加上0。

第二步，我们计算胜率的百分比。我们将第一步得到的胜利交易总数（winTradeCount）除以策略的已平仓交易总数（strategy.closedtrades），然后将结果乘以100，即可得到胜率。该胜率便是此函数的最终返回值。

函数应用示例

将上述函数代码复制粘贴到我们的策略脚本后，便可以多种方式灵活运用它。如果我们想获取标准的胜率（不包含保本交易），只需这样调用函数：

// 获取策略的胜率
winRate = GetWinRate()

我们也可以将胜率用于布尔逻辑判断。例如，验证策略胜率是否达到了某个最低要求：

// 验证胜率是否高于45%的最低标准
okayWinRate = GetWinRate() > 45

另一个应用场景是比较当前K线的胜率与历史K线的胜率，以观察其近期变化。例如，要查看包含了保本交易的胜率相较于上一根K线是否有所提升，可以这样写：

// 查看包含保本交易的胜率，相较于上一根K线是否有所提升
winRateIncreased = GetWinRate(true) > GetWinRate(true)[1]

GetWinRate() 函数返回的数值也可以被其他PineScript函数使用。例如，要找出过去40根K线内的最高胜率，我们可以将此函数与 ta.highest() 函数结合：

// 获取过去40根K线内的最高胜率
winPercHigh = ta.highest(GetWinRate(), 40)

策略范例

让我们通过一个完整的策略来演示如何使用 GetWinRate() 函数。以下脚本交易的是价格对近期高点和低点的突破，但其出场逻辑比较特殊：当价格穿越高低点范围的中点时，便退出当前头寸。

为了追踪策略的表现，我们将在图表上绘制其胜率曲线，并用高亮的背景色来标记那些胜率有所提升的K线周期。策略的完整代码如下：

//@version=5
strategy(title="获取策略胜率")

// GetWinRate() 函数返回策略的胜率（即盈利交易的百分比）。
// 可将 'includeEvens' 参数设置为 'true'，
// 以便将盈亏两平的交易也视作盈利。
GetWinRate(includeEvens = false) =>
	winTradeCount = strategy.wintrades + (includeEvens ? strategy.eventrades : 0)
	(winTradeCount / strategy.closedtrades) * 100

// 计算近期最高点、最低点及其中点
highestHigh = ta.highest(high, 20)[1]
lowestLow   = ta.lowest(low, 20)[1]
midPoint    = (highestHigh + lowestLow) / 2

// 生成入场交易信号
if high > highestHigh
    strategy.entry("Enter Long", strategy.long)

if low < lowestLow
    strategy.entry("Enter Short", strategy.short)

// 生成出场交易信号
if ta.crossunder(close, midPoint)
    strategy.close("Enter Long", comment="Exit Long")

if ta.crossover(close, midPoint)
    strategy.close("Enter Short", comment="Exit Short")

// 在图表上绘制策略的当前胜率
plot(GetWinRate(), color=color.blue, title="胜率")

// 当胜率提升时，将背景渲染为绿色
winRate = GetWinRate()
bgcolor(winRate > winRate[1] ? color.new(color.green, 70) : na)

首先，我们通过 strategy() 函数配置策略并为其命名。接着，我们引入之前讨论过的 GetWinRate() 函数。

然后，ta.highest() 函数计算了过去20根K线的最高价，ta.lowest() 则计算了同期的最低价。我们将这两个值相加除以二，得到它们的中点 midPoint。

随后是两个 if 语句生成的入场信号。第一个判断当前K线的最高价是否向上突破了近期高点，若是，则 strategy.entry() 函数建立一个多头仓位。第二个 if 语句则判断当前K线的最低价是否向下跌破了近期低点，若是，则建立一个空头仓位。

接下来的两个 if 语句负责出场。第一个使用 ta.crossunder() 判断收盘价是否下穿了高低点的中线，若是，则 strategy.close() 函数平掉多头仓位。第二个则使用 ta.crossover() 判断收盘价是否上穿了中线，若是，则平掉空头仓位。

之后，我们在图表上绘制策略的胜率：

// 在图表上绘制策略的当前胜率
plot(GetWinRate(), color=color.blue, title="胜率")

此处的 plot() 函数负责显示 GetWinRate() 函数的返回值。由于未明确指定绘图类型，PineScript默认会以常规线图的形式，用蓝色将其绘制出来。

最后，我们来判断策略的胜率是否有所提升：

// 当胜率提升时，将背景渲染为绿色
winRate = GetWinRate()
bgcolor(winRate > winRate[1] ? color.new(color.green, 70) : na)

这里，我们首先将 GetWinRate() 的返回值赋给一个变量。这一步并非必需，但它展示了将函数结果存入变量再使用的可行性。

然后 bgcolor() 函数负责为图表背景着色。我们不希望一直着色，因此通过条件运算符（?:）来判断当前的胜率是否相较于前一根K线有所提升。如果胜率确实提升了，条件运算符便返回一个通过 color.new() 函数设置了70%透明度的绿色，bgcolor() 随即使用该颜色渲染背景。如果胜率没有提升，运算符则返回 na，从而关闭背景着色功能。

在图表上，该策略展示了其胜率如何随着每一笔交易而实时变化。每当胜率提升时，绿色的背景便会高亮显示那一刻：

简单总结一下：要计算一个策略的胜率，我们将盈利的交易笔数（strategy.wintrades）除以已平仓的总交易笔数（strategy.closedtrades）。如果我们想采取一种更乐观的视角，也可以将盈亏两平的交易（strategy.eventrades）视作胜利的交易——毕竟，它们至少没有亏钱。

获取策略的亏损率

当TradingView策略在图表上模拟交易时，有些会盈利，有些则会亏损。那么，所有交易中亏损的比例究竟是多少呢？让我们用PineScript来精确计算这个指标。

亏损率计算函数

下面的这个自定义函数，能够返回策略的亏损百分比（亏损率）：

// GetLoseRate() 函数返回策略的亏损率（非盈利交易的百分比）。
// 将 'includeEvens' 参数设为 'true'，可以将保本交易也视为亏损交易。
GetLoseRate(includeEvens = false) =>
    loseTradeCount = strategy.losstrades + 
         (includeEvens ? strategy.eventrades : 0)
    (loseTradeCount / strategy.closedtrades) * 100

这个 GetLoseRate() 函数包含一个可选参数：includeEvens。当其值被设为 true 时，函数会将保本交易（break-even trades）也计入亏损。从风险回报的角度看，这种做法是合理的，毕竟，这些保本交易占用了资金、承担了市场风险，却没有带来任何回报。如果我们不设置此参数，其默认值为 false，此时函数将只统计那些实际产生亏损的交易。

函数内部的逻辑分为两步。首先，我们确定需要统计的亏损交易总数。我们以实际的亏损交易数（strategy.losstrades）为基础，然后通过一个条件运算符（?:）来决定是否要加上保本交易数。该运算符会检查 includeEvens 参数的值：如果参数为 true，运算符就返回策略的保本交易数（strategy.eventrades）；反之则返回0。这样，我们就能灵活地控制是否将保本交易计入亏损。我们将计算出的亏损交易总数储存在 loseTradeCount 变量中。

然后，为了计算亏损率，我们将这个亏损总数除以策略的已平仓交易总数（strategy.closedtrades）。最后，将结果乘以100，即可将其转换为百分比形式。这个百分比就是函数的最终返回值。

函数应用示例

将上述函数代码复制到你的策略脚本后，你就可以在多处灵活地调用它了。若想获取策略当前最严格意义上的亏损率（不含保本交易），可以这样调用：

// 获取策略的亏损百分比
loseRate = GetLoseRate()

我们也可以利用亏损率进行逻辑判断。例如，检查亏损率是否低于某个可接受的水平：

// 判断亏损率是否低于55%这个可接受的阈值
okayLoseRate = GetLoseRate() < 55

另一个应用场景是比较当前与历史的亏损率，以观察其变化趋势。例如，要判断包含保本交易的广义亏损率是否有所下降，可以这样写：

// 检查包含保本交易的亏损率，相较于上一根K线是否有所下降
loseRateDecreased = GetLoseRate(true) < GetLoseRate(true)[1]

GetLoseRate() 函数的返回值也可以作为其他PineScript函数的输入。例如，下面的代码就利用 ta.lowest() 函数来找出过去50根K线内的最低亏损率：

// 获取最近50根K线内的最低亏损率
losePercLow = ta.lowest(GetLoseRate(), 50)

策略范例

让我们通过一个完整的策略来看看如何应用 GetLoseRate()。下方的脚本使用三条移动平均线进行交易。当快线穿越中线时，我们顺着慢线的方向（即市场大趋势）开立多头或空头仓位。

为了持续追踪策略的表现，我们会在图表上绘制其亏损率的变化曲线。当亏损率上升（意味着策略表现恶化）时，我们还将用背景色进行高亮警示。策略的完整代码如下：

//@version=5
strategy(title="获取策略亏损率")

// GetLoseRate() 函数返回策略的亏损率（非盈利交易的百分比）。
// 将 'includeEvens' 参数设为 'true'，可以将保本交易也视为亏损交易。
GetLoseRate(includeEvens = false) =>
    loseTradeCount = strategy.losstrades + 
         (includeEvens ? strategy.eventrades : 0)
    (loseTradeCount / strategy.closedtrades) * 100

// 计算三条EMA均线
fastEMA = ta.ema(close, 10)
medEMA  = ta.ema(close, 30)
slowEMA = ta.ema(close, 80)

// 定义交易逻辑
if ta.crossover(fastEMA, medEMA) and close > slowEMA
    strategy.entry("Enter Long", strategy.long)
if ta.crossunder(fastEMA, medEMA) and close < slowEMA
    strategy.entry("Enter Short", strategy.short)

// 在图表上绘制策略的亏损率曲线
plot(GetLoseRate(), color=color.blue, title="亏损率")

// 当亏损率上升时，将背景涂成红色
loseRate = GetLoseRate()
bgcolor(loseRate > loseRate[1] ? color.new(color.red, 75) : na)

首先，我们用 strategy() 函数进行策略声明并命名。接着，我们引入了前面详细介绍过的 GetLoseRate() 自定义函数。

然后，ta.ema() 函数被用来计算三条不同周期的指数移动平均线，周期分别为10、30和80。它们都基于K线的收盘价（close）进行计算。

随后的两个 if 语句构成了交易的入场逻辑。第一个使用 ta.crossover() 函数判断快线是否上穿了中线，同时要求当前收盘价高于慢线（确认处于上升趋势）。当这两个条件都满足时，strategy.entry() 执行多头开仓。另一个 if 语句则用 ta.crossunder() 函数判断快线是否下穿了中线，并要求收盘价低于慢线（确认处于下降趋势）。当条件满足时，执行空头开仓。

然后，我们绘制策略的亏损率：

// 在图表上绘制策略的亏损率曲线
plot(GetLoseRate(), color=color.blue, title="亏损率")

这里的 plot() 函数直接调用 GetLoseRate() 并将其返回值绘制出来。由于没有指定绘图样式，PineScript会默认画一条常规的折线，颜色为蓝色。

最后，我们根据亏损率的变化为图表背景上色：

// 当亏损率上升时，将背景涂成红色
loseRate = GetLoseRate()
bgcolor(loseRate > loseRate[1] ? color.new(color.red, 75) : na)

在此，我们先将 GetLoseRate() 的返回值赋给一个变量 loseRate。这一步并非必需，但它展示了一种良好的编程习惯：将函数结果存入变量，以便后续可以对该变量进行复用或修改。

我们用 bgcolor() 函数来改变图表背景色，但并非在每根K线上都改变。我们通过条件运算符（?:）来判断亏损率是否上升（即当前值大于上一根K线的值）。如果确实上升了，运算符就返回一个带有75%透明度的红色（color.new(color.red, 75)），bgcolor() 随即用这个颜色填充背景。反之，如果亏损率没有上升，则返回 na 值，这会取消背景色。

当策略应用于图表时，它会展示出亏损率随时间演变的曲线。每当有新的亏损交易导致亏损率上升时，图表背景就会被染成红色以作提醒：

简单总结一下：要计算一个策略的亏损百分比，我们只需将亏损交易的总笔数（strategy.losstrades）除以已平仓的总交易笔数（strategy.closedtrades）。如果想更严苛地评估策略表现，可以将保本交易（strategy.eventrades）也计入亏损总数中。毕竟，这些交易虽然没有直接亏钱，但它们占用了资本并承担了风险，却没有带来任何回报。