给年化收益或最大回撤一个区间，用来看回测结果有多依赖历史上好日子和坏日子出现的具体顺序。
Resample daily returns in 20-day blocks 500 times → CAGR and max drawdown of each path → 5th and 95th percentiles一次回测只给出一条权益曲线，但这只是同一个策略可能走出的众多路径之一。Bootstrap 把策略的日收益切成 20 天一段，打乱顺序后重新拼成 500 条同样长度的历史，分别算出年化收益和最大回撤。Quant Arena 展示覆盖中间 90% 路径的区间，以及最终亏损的路径占比。按段而不是按天抽样，是为了保留趋势和高波动时期的连续性。
区间窄，说明结果来自大量相似的交易日，靠运气的可能性小；区间宽，比如年化收益在 −5% 到 +30% 之间，说明少数几段好运或坏运决定了结果。比较策略时，与其看单一的年化数字，不如看区间的下限；回撤区间则可以当作更现实的最坏情况——实盘里遇到的回撤完全可能比回测碰巧给出的更深。需要注意，Bootstrap 仍然假设未来和过去相似，它不考虑市场环境的变化，也不能纠正过拟合。
| 策略 | 亏损概率 |
|---|---|
| MR-06 Z 分数均值回归 | 0.0% |
| MR-16 康纳斯 RSI | 0.2% |
| MR-15 终极震荡指标 | 1.4% |
| MR-01 RSI 均值回归 | 2.4% |
| EVENT-01 趋势 + 宏观事件过滤 | 2.4% |
| 策略 | 亏损概率 |
|---|---|
| STAT-10 动态对冲比例配对 | 75.4% |
| TAIL-01 危机 Alpha | 74.6% |
| TREND-14 线性回归通道 | 72.2% |
| STAT-11 协整组合 | 54.8% |
| COMBO-01 布林-肯特纳挤压 | 52.0% |