每個交易模型，會希望知道它的績效如何，除了看總淨賺、平均虧損、平均賺錢等等，還想要知道它的期望報酬。基本上，如果是正的期望報酬就代表是可行的程式。期望報酬的意義是，每承擔$1的風險可以獲得的報酬，如果是$0.2，可以解釋為承擔$1的風險可以賺到$0.2元。但是期望報酬的概念是需要長時間的，雖然預期每$1都可以賺到錢，但是它是平均下來的結果，分佈的狀況可能會比隨機還要極端，所以還是得要很多很多錢才能得到這樣的結果。譬如說，硬幣一正一反每次的機率是50%，但是連續出現正面的次數可能超過你的想像，可能100次之後才會有各半的機率。詳細的概念可以參考交易，創造自己的聖盃這本書。
但我有個問題呀，期望報酬的計算是以模型的最小風險來推斷，ex. 如果最小風險大概是$10000，每筆交易的賺賠就以$10000的倍數來計算，但是我怎麼知道模型的最小風險呢？書上的介紹是用肉眼看所有的虧損來估計，但如果交易結果的筆數很多無法用肉眼估計呢？
或者用模型的期始風險當作最小風險來估計，我採用這種方式，結果虧損在期始風險內的交易高達40%，這麼多的資料都被忽略到不去計算對嗎？
而且，期望報酬有金額上的概念，所以使用的最小風險會影響到期望報酬的數字，如果用$500當作倍數跟用$5000當作倍數所得到的期望報酬就會有很大的差異咧。同一個模型因為數字的調整而得到不同的結果對嗎？
或者不會？我得再想想。現在想到可以用總淨賺去算，總淨賺=交易次數*期望報酬*最小風險，所以最小風險如果小則期望報酬會變大，期望報酬變小則最小風險變大，所以這邊的最小風險是不是只能代表示此模型比較容易發生的風險最小值大約為，與你的期始風險無關。這樣也好啦，代表我預期要虧損1個R結果大部分只有虧0.67 (2/3)個R。
本文內容僅供參考，無任何買賣建議，投資人應謹慎評估，風險自負。
