MoFin/docs/RR分析结论.md

RR（盈亏比）与最终结果关联分析结论

日期：2026-08-17 背景：老莫要求回溯各高分策略选股时选入的 RR，探究 RR 与最终结果是否有关系，以决定 RR 阈值设定。

数据来源

• 数据库：strategy_research.results_json.trades（各策略严格按规则回测的逐笔交易）
• 样本：123,049 笔交易，15 个策略版本合并（v_mr/v_mr2/v_weak/v1.0/hk_pe_oversold/v2.0/hk_pe_mom/hk_mr2/v3.0/v_mr3/v_oversold/v7.1/v8.1/v_combo/v5.0）
• 每笔含 entry_price / exit_price / stop_loss / target / profit_pct / exit_reason / hold_days

核心指标定义

• 计划 RR（选股时）：(target - entry) / (entry - stop_loss) —— 止盈/止损参数的比例
• 实际 RR（退出时）：(exit - entry) / (entry - stop_loss) —— 退出结果的度量

分析结果

1. 计划 RR vs 最终结果（全局，123,049 笔）

RR区间	n	胜率	均收益%	均持仓天
<1.5	28240	45.2%	0.82	31.9
1.5~2.0	23268	40.2%	1.74	55.5
2.0~2.5	60057	50.1%	3.04	28.2
2.5~3.0	7533	40.6%	1.82	62.3
≥3.0	3951	41.2%	2.65	50.0

Pearson 相关系数 r ≈ 0.05 —— 计划 RR 与收益几乎无线性相关。

2. 分策略规律不一致（重要）

策略	观察
v_mr / v_weak	RR 全部集中 2.0~2.5（胜率 53.6%）
v1.0	RR 越高收益越好（0.20→1.14%），≥3.0 回落
v_mr2	RR 高反而收益低（2.08→1.10%）
hk_pe_oversold	RR 越高收益越好（9.77→13.78%）
v8.1 / v_combo	RR<2.0 区间收益最好（11.43%/16.68%）

→ RR 与结果的关联是策略特性相关，不是全局规律。

3. 分年稳定性（v1.0）—— 不稳定

年份	RR<1.5 收益	RR2.0-2.5 收益
2021	+0.46%	+1.77%
2022	+0.37%	-1.97%
2023	-0.73%	-0.73%
2024	-0.93%	-0.36%
2025	+2.17%	+3.28%
2026	-0.04%	+0.58%

→ 2022 年 RR 高反而亏，年度间关系不稳定（市场环境主导）。

4. 计划 RR 与退出原因（v_mr）

RR 2.0~2.5 时退出分布：time 39% / stop 34% / target 27% —— 多数是时间到期或止损，仅 27% 到达目标位。

5. 实际 RR（退出时）vs 结果

实际RR	n	均收益%
<-0.5（深亏）	8131	-7.68
-0.5~0	1933	-1.88
0~0.5	2228	+2.06
0.5~1.5	3144	+7.29
1.5~2.5	6261	+17.73

→ 实际 RR 与收益强正相关，但它是退出后的结果度量，不是选股的前置指标。

结论

1. RR 值本身与最终结果没有稳定的可预测关系（r≈0.05，分策略相反，分年不稳定）。
2. 计划 RR 只是止盈/止损参数的比例（tp/sl），反映策略的风险偏好设计，不是选股质量指标。
3. RR 2.0 作为统一淘汰阈值没有数据支撑 —— 它既不保证收益，也不代表质量。
4. RR 的合理作用是防止负期望交易（如 RR<1 止损距离大于止盈），而非精选门槛。
5. 真正的选股质量指标是胜率/收益/回撤（strategy_regime_perf 的 win_rate/avg_pnl），RR 是辅助风控。

决策落地（2026-08-17）

• RR 阈值从 2.0 调整为 1.0（基本保底：只拦截止损距离 ≥ 止盈距离的负期望交易）
• promote 进自选：RR < 1.0 拦截
• watchlist_auto_exit 每日淘汰：RR < 1.0 淘汰
• 超跌类策略（p_oversold/b_td1_v3）继续豁免 RR 门槛

涉及文件

• deploy/profile-scripts/promote_candidates.py（promote 门槛）
• deploy/profile-scripts/watchlist_auto_exit.py（每日淘汰门槛）