如何选择值得跟单的交易员：回撤、杠杆与风险核查

快速回答

选择跟单交易员时，应该先看风险，而不是先看表面 ROI。

最值得关注的指标包括：

• 最大回撤；
• 交易历史长度；
• 杠杆水平；
• 仓位集中度；
• 交易频率；
• 不同市场环境下的策略稳定性。

一个在几周内做到 200% 收益的交易员，可能承担了远高于另一个长期收益 30%、但回撤控制更稳定的交易员的风险。

开始跟单前，至少要回答三个问题：

1. 这个收益是怎么赚出来的？
2. 为了赚到这个收益，承担了多少风险？
3. 如果再次出现历史最差阶段，你的账户能不能承受？

目标不是找到过去收益最高的人。

真正需要判断的是：

这个交易员的行为方式、风险水平和执行风格，是否适合你愿意承担的资金风险。

如果还需要先了解跟单交易本身的运作机制，可以参考 BGBriefing 的 Crypto Copy Trading 指南。

要点速览

• 不要只根据 ROI 选择跟单交易员。
• 最大回撤是判断历史风险最重要的指标之一。
• 较长的交易历史，通常比短期爆发式收益更有参考价值。
• 高杠杆会同时放大 ROI 和回撤。
• 胜率需要和平均盈利、平均亏损一起看。
• 仓位集中可能隐藏极端风险，即使历史表现很好。
• 跟单用户的实际收益可能因为滑点、账户规模、跟单设置和执行时间，与带单员展示的数据不同。
• 开始跟单后仍然要持续复核交易员，选人不是一次性决策。

关键信息表

不要先看 ROI

ROI 通常是跟单排行榜上最容易吸引注意的数字。

但它不应该是第一个用来做决定的指标。

高收益可以来自完全不同的策略。

例如：

Trader A

• ROI：180%
• 最大回撤：42%
• 交易历史：20 天
• 频繁使用高杠杆

Trader B

• ROI：38%
• 最大回撤：9%
• 交易历史：180 天
• 杠杆较温和

Trader A 的表面收益显然更高。

但 Trader B 提供了更多关于长期风险和不同市场环境下表现的信息。

所以真正该问的不是：

谁赚得最多？

而是：

为了赚到这些收益，承担了多少风险？

BGBriefing 的 Bitget Copy Trading 评测 采用的也是同样逻辑：看带单员时，收益应该和回撤、杠杆、历史长度以及执行风险一起判断。

1. 最大回撤

最大回撤表示一套策略从某个历史高点跌到后续低点时，曾经经历过多大的损失。

这是评估交易员时非常重要的指标，因为它能告诉你：

这个策略在不顺的时候到底会亏多深。

假设一个账户从 10,000 上涨到 15,000，随后跌到 11,000。

那么从 15,000 高点计算，回撤大约是 26.7%。

这比单看最终 ROI 多告诉了你一件非常重要的事：

达到最终收益的过程有多痛苦。

高收益策略如果需要承受非常深的回撤，可能并不适合所有跟单用户。

开始跟单前可以问：

• 历史最大回撤是多少？
• 大幅回撤出现得频繁吗？
• 恢复到前高用了多久？
• 回撤是不是由单一集中仓位造成？
• 亏损期间交易员有没有继续提高杠杆？

最大回撤还要结合总收益一起看。

15% 的回撤，如果对应的是长期较强收益，和只赚了一点但同样回撤 15%，意义完全不同。

2. 交易历史长度

交易历史太短，会增加不确定性。

一个只活跃了几周的交易员，可能只经历过一种市场环境。

例如，他可能还没经历过：

• 快速下跌；
• 长时间横盘；
• 波动率突然上升；
• Funding 大幅变化；
• 流动性冲击。

更长的历史不能保证未来继续成功。

但它至少能让用户看到：

这个交易员在更多市场状态下是怎么做的。

如果两个交易员收益接近，通常历史更长、表现更稳定的那个，能提供更多可验证信息。

尤其要警惕这种组合：

历史很短 + ROI 很高 + 杠杆很高 + 仓位集中。

3. 杠杆

杠杆会同时放大盈利和亏损。

因此，在 Futures Copy Trading 中，杠杆是最重要的风险指标之一。

高杠杆交易员可以在短时间内做出很高收益。

但同样也更容易出现：

• 快速回撤；
• 保证金压力；
• 强平。

跟单用户需要了解：

• 平均杠杆是多少？
• 最大杠杆是多少？
• 杠杆是否经常变化？
• 使用 isolated 还是 cross margin？
• 亏损后是否会继续提高杠杆？

如果策略必须依赖极高杠杆才能产生漂亮收益，那么它的 ROI 就需要更谨慎地看。

如果还不熟悉不同杠杆产品，可以参考 BGBriefing 的 Bitget 产品选择指南。

4. 胜率

胜率有参考价值，但很容易被误读。

一个交易员可能有 90% 胜率，最终却依然亏钱。

例如：

• 9 笔交易，每笔赚 10 美元；
• 1 笔交易亏 150 美元。

胜率是 90%，但总结果仍然是亏损。

所以胜率必须和以下指标一起看：

• 平均盈利；
• 平均亏损；
• 盈亏比；
• 最大单笔亏损。

极高胜率有时可能意味着：

长期赚很多小钱，但偶尔一次亏掉很多。

真正应该问的是：

这个交易员赢的时候赚多少，错的时候又亏多少？

5. 仓位集中度

仓位集中度反映的是：

这个策略有多依赖少数交易或资产。

一个交易员的历史里可能出现了很多不同交易，看起来很分散。

但如果当前 70% 的风险暴露都集中在一个方向上，真实风险仍然很高。

可以重点检查：

• 同时持有多少仓位；
• 最大单一仓位占比；
• 不同仓位之间是否高度相关；
• 是否经常单边押注。

例如：

同时持有多个高度相关的加密资产，并不一定等于真正分散。

市场整体下跌时，它们可能一起跌。

6. 交易频率

交易频率会影响：

• 策略风险；
• 总交易成本。

高频交易会带来更多：

• maker / taker fee；
• 点差；
• 滑点；
• funding。

而跟单用户的执行结果又可能和带单员不同。

这意味着一个毛收益看起来不错的策略，在高频交易成本之后，跟单用户实际拿到的净收益可能会明显下降。

BGBriefing 的 Crypto Copy Trading 指南 进一步解释了为什么跟单成交结果可能和带单员展示的收益不同。

如果需要估算频繁交易对净收益的影响，也可以参考 BGBriefing 的 平台手续费指南。

7. 盈亏分布

总收益率有时候会掩盖：

这笔收益到底是怎么赚出来的。

假设两个交易员最终都赚了 30%。

Trader A：

• 多次中等盈利；
• 少量小亏损；
• 没有一笔交易决定整体结果。

Trader B：

• 大部分时间基本没赚；
• 其中一笔交易贡献了几乎全部利润。

两个人最终收益一样。

但历史数据的可信度完全不同。

用户需要判断收益是不是：

• 分布在大量交易中；
• 依赖某一次极端行情；
• 依赖单一资产；
• 依赖某种特殊市场环境。

如果一个策略全部历史收益都来自一笔异常成功的交易，那么这个历史表现的可重复性就更值得怀疑。

8. 策略一致性

不能只看交易员过去是什么样。

开始跟单以后，还需要持续观察：

交易行为有没有发生变化。

常见策略漂移包括：

• 突然提高杠杆；
• 开始交易完全不同的资产；
• 亏损后不断加大仓位；
• 从中期交易改成超短线；
• 同时持有更多仓位；
• 对亏损仓位持有时间明显变长。

一个交易员可能靠原来的策略积累了漂亮历史。

但在获得大量跟单用户后，未来行为可能已经发生变化。

所以选人不是一次性动作。

为什么 300% ROI 可能很误导

非常高的 ROI 很容易吸引注意。

但它可能来自一些无法长期复制的因素。

比如：

• 起始资金很小；
• 极端杠杆；
• 单一集中仓位；
• 短期市场行情非常有利；
• 某一笔异常成功的交易。

假设一个交易员把 500 美元做到 2,000 美元。

收益率是 300%。

但如果这套策略长期需要把大部分账户资金放在高风险仓位上，那么历史收益并没有告诉你：

它距离失败有多近。

ROI 只能告诉你发生了什么。

它无法告诉你：

当时还可能发生哪些更糟的结果。

因此，ROI 至少要和这四个指标一起看：

回撤 + 杠杆 + 历史长度 + 仓位集中度

跟单排行榜里的幸存者偏差

Copy Trading 排行榜很容易出现幸存者偏差。

表现好的交易员会继续出现在显眼位置，因为他们仍然有用户关注。

表现差的交易员可能会：

• 停止交易；
• 失去跟单用户；
• 从热门排行榜中消失。

这意味着你当前看到的交易员群体，可能比最初所有尝试相同策略的人整体表现更好。

所以排行榜能告诉你的是：

现在谁看起来比较成功？

但它不能自动回答：

长期来看，采用类似策略的人有多少真正成功？

因此，排名本身不能被当成预测。

为什么跟单用户的收益可能更低

即使选中的交易员本身表现不错，跟单用户也可能拿不到相同收益。

滑点

跟单用户的成交价可能和带单员不同。

下单时间差

在带单员下单和跟单订单实际执行之间，市场价格可能已经变化。

账户规模不同

不同账户规模会影响仓位大小。

最小下单规则

小账户可能无法执行部分订单。

风险设置不同

跟单用户可能使用：

• 更低杠杆；
• 更小仓位；
• 不同止损。

跟单失败

订单可能因为：

• 余额不足；
• 产品限制；
• 滑点限制；
• 最小下单要求；

而没有被成功复制。

所以带单员展示的历史表现，应该被看作：

判断策略的证据

而不是：

对跟单收益的保证。

跟单应该分配多少资金

没有一个统一的比例适合所有用户。

真正重要的是：

在策略变坏之前，先把最大风险限制好。

需要回答：

• 一个交易员分配了账户多少比例？
• 如果再次出现历史最大回撤，会亏多少钱？
• 如果实际回撤超过历史记录怎么办？
• 多个带单员是否其实在使用相似策略？

例如：

跟 5 个交易员并不一定代表真正分散。

如果这 5 个人都：

• 做多相同资产；
• 使用类似杠杆；
• 押注同一个市场方向；

那么风险依然高度集中。

所以应该看的是：

底层真实风险暴露

而不是单纯看跟了多少个人。

什么时候应该停止跟单

最好在开始之前就先设定停止条件。

可能需要停止跟单的情况包括：

回撤超过预期

如果当前亏损明显超过历史范围，可能意味着：

• 策略已经失效；
• 交易行为发生变化。

杠杆明显上升

如果交易员突然开始使用远高于过去的杠杆，那它可能已经不再符合你最初选择它时的风险条件。

策略漂移

如果交易员改变：

• 交易资产；
• 持仓周期；
• 仓位集中度；

原来的评估可能已经失效。

持续出现执行问题

即使带单员本人还在赚钱，如果跟单用户持续遇到：

• 大滑点；
• 订单复制失败；

那么这个策略对你来说也可能不再合适。

达到预设损失上限

开始跟单前就应该明确：

最多愿意亏多少钱。

而不是等到亏损已经扩大以后才决定。

一个实用的交易员评估框架

可以把判断分成四层。

第一层：收益表现

看：

• ROI；
• 月度稳定性；
• 平均盈利；
• 平均亏损。

第二层：风险

看：

• 最大回撤；
• 杠杆；
• 仓位集中；
• 强平风险。

第三层：证据质量

看：

• 历史长度；
• 交易次数；
• 是否经历不同市场环境；
• 是否依赖少数极端交易。

第四层：跟单执行

看：

• 跟单设置；
• 滑点；
• 手续费；
• funding；
• 最小下单金额；
• 停止跟单规则。

这样可以避免因为一个漂亮数字就直接做决定。

一个简单的交易员比较表

与其只按 ROI 排名，不如自己做一张比较表。

这里的目的不是计算出一个“完美分数”。

而是强迫自己：

同时比较收益、风险和行为。

而不是只看 ROI。

这套方法如何用于 Bitget Copy Trading

在 Bitget 上，用户可以查看 Lead Trader，并在跟单前设置相应参数。

平台可以提供数据和自动化执行，但真正决定结果的，仍然是用户如何理解这些信息。

一个更合理的流程是：

理解 Copy Trading → 评估交易员 → 设置风险 → 持续监控

如果想看 Bitget 具体的跟单机制、费用和风控，可以参考 BGBriefing 的 Bitget Copy Trading 评测。

如果还没有确定 Copy Trading 是否适合自己，也可以先看 如何选择合适的 Bitget 产品。

账户安全和平台风险仍然重要

交易员选择只是 Copy Trading 的一部分。

即使策略本身不错，最终交易仍然依赖平台执行。

因此还需要单独检查：

• 账户安全；
• 身份验证；
• 提现保护；
• 设备管理；
• 产品资格；
• 地区可用性。

BGBriefing 的 安全 FAQ 覆盖了常见账户保护问题。

涉及具体产品规则，也可以继续查看 BGBriefing 产品 FAQ。

总结

最值得跟单的交易员，并不一定是 ROI 最高的那一个。

更实用的判断顺序是：

收益 → 回撤 → 杠杆 → 历史 → 仓位集中 → 一致性 → 执行

真正应该回答的问题是：

• 这个交易员赚了多少？
• 为了这些收益承担了多少风险？
• 这套策略已经运行多久？
• 当交易员判断错误时，会发生什么？
• 自己能不能承受这种结果？

历史表现是证据。

不是承诺。

因此，选择交易员应该被看成一个持续的风险管理过程，而不是一次性点击排行榜。

如果需要先理解跟单交易本身，可以从 Crypto Copy Trading：运作方式、风险、费用与平台核查 开始。

如果要进一步看 Bitget 的具体实现，可以继续阅读 Bitget Copy Trading 评测。

BGBriefing 相关阅读

• Crypto Copy Trading：运作方式、风险、费用与平台核查
• Bitget Copy Trading 评测：费用、功能、风险与适合人群
• Bitget Copy Trading：复制交易行为，而不是过去收益
• 如何选择合适的 Bitget 产品
• 平台手续费如何运作
• BGBriefing 产品 FAQ
• BGBriefing 安全 FAQ

风险提示

本文仅供信息和教育用途，不构成投资、法律、税务或财务建议。跟单交易可能涉及市场风险、杠杆风险、强平风险、策略风险、执行差异、平台风险以及本金损失风险。