贝叶斯思维：用新证据更新信念

贝叶斯思维：用新证据更新信念

上一章我们学了条件概率，知道了新信息如何改变概率。但你有没有想过：当你不断获得新信息时，怎么才能系统性地更新你的判断？这就是贝叶斯思维要解决的问题。

贝叶斯定理的核心思想

贝叶斯定理的数学公式并不复杂：

P(A|B) = P(B|A) × P(A) / P(B)

但它的思想意义远超公式本身。翻译成大白话就是：

你的判断（信念）应该随着新证据的出现而不断更新。更新的幅度取决于证据的强度。

让我们用三个概念来理解这个过程：

• 先验概率：在看到新证据之前，你对某件事的初始判断。比如"大盘明天上涨的概率是52%"
• 似然度：如果某件事为真，你看到当前证据的概率有多高。比如"如果明天确实上涨，今天出现放量突破信号的概率是70%"
• 后验概率：看到新证据之后，你更新后的判断。这是贝叶斯定理要算的东西

不用公式也能理解贝叶斯

很多人看到公式就头疼。其实你可以用"自然频率"的方式来理解贝叶斯，完全不需要记公式。

举个例子：假设你有一个突破策略，历史数据显示：

• 在所有交易日中，策略盈利的比例是55%（先验概率）
• 当策略盈利时，出现放量突破信号的概率是70%（似然度1）
• 当策略亏损时，出现放量突破信号的概率是30%（似然度2）

现在你观察到今天出现了放量突破信号，问：策略盈利的概率是多少？

用自然频率来算：

假设有1000个交易日：

• 550天策略盈利 → 其中 550×70% = 385天出现放量信号
• 450天策略亏损 → 其中 450×30% = 135天出现放量信号
• 总共出现放量信号的天数：385 + 135 = 520天
• 在出现放量信号的天数中，策略盈利的比例：385 / 520 ≈ 74%

所以，当你观察到放量突破信号后，策略盈利的概率从55%（先验）更新到了74%（后验）。这就是贝叶斯更新。

贝叶斯思维在交易分析中的应用

贝叶斯思维的核心是：你不需要一次就判断正确，你只需要不断根据新信息修正你的判断。

这在策略开发中特别有用：

场景一：新回测数据来了

你开发了一个新策略，基于历史数据你觉得它"应该有效"（先验信念：60%有效）。然后你做了一次样本外回测，结果不理想。

非贝叶斯思维者可能会： "回测失败了，这个策略不行，扔掉。"或者"这次不行可能是运气不好，再试试。"

贝叶斯思维者会： "样本外回测失败，这个证据让'策略有效'的概率从60%降低到了多少？"——计算后验概率后，如果发现降到了30%，那确实该放弃；如果只降到了50%，那还可以收集更多证据再判断。

场景二：市场环境变化了

你的趋势跟踪策略过去3个月一直在亏损。你觉得"策略可能失效了"。

但等等，先做贝叶斯更新：

• 先验：策略有效的概率是80%（基于长期回测数据）
• 如果策略有效，连续3个月亏损的概率是多少？假设是15%
• 如果策略失效，连续3个月亏损的概率是多少？假设是60%

用自然频率算：假设100个类似的策略周期：

• 80个策略有效 → 其中 80×15% = 12个出现连续3个月亏损
• 20个策略失效 → 其中 20×60% = 12个出现连续3个月亏损
• 总共24个出现连续3个月亏损
• 在出现这个情况的24个中，策略真正有效的比例：12/24 = 50%

所以连续3个月亏损后，"策略有效"的概率从80%降到了50%。还没到完全否定的程度，但你确实应该开始警惕了。

贝叶斯思维让你不会被一次失败吓倒，也不会对持续恶化的信号视而不见。它给你一个精确的框架来衡量"多少证据才够改变想法"。

先验信念的选择很重要

贝叶斯更新有一个容易被忽视的关键：先验概率的选择会影响最终结论。

如果你对某个策略的先验信念非常强（比如"我花了半年开发，肯定有效"，先验概率99%），那即使出现了不利的证据，后验概率可能仍然很高——你会倾向于继续相信它。

反过来，如果你对先验很谨慎（"所有策略在实盘前有效概率最多50%"），那同样的证据可能让你更快放弃一个无效策略。

这就是为什么量化领域强调"样本外验证"——它提供了一种相对客观的方式来更新信念，减少先验偏见的影响。

贝叶斯思维与42号概率实验室

在42号概率实验室的策略体系中，贝叶斯思维贯穿始终：

• 多因子综合策略（累计收益28.46%）：每加入一个新的因子，都是对"市场方向判断"的一次贝叶斯更新。多个因子叠加，让最终的概率判断更加精确
• 动量轮动策略（累计收益18.87%）：定期根据近期动量数据更新持仓权重，这就是一个贝叶斯更新过程——新的动量数据是"证据"，持仓调整是"更新信念"
• 所有策略的最大回撤都控制在20%以内，这正是贝叶斯思维的体现：我们不追求一次判断正确，而是持续根据新信息调整

本章要点

• 贝叶斯思维的核心：根据新证据不断更新你的判断
• 三个关键概念：先验概率（初始判断）、似然度（证据强度）、后验概率（更新后判断）
• 用"自然频率"方法理解贝叶斯，不需要记复杂公式
• 先验信念的选择会影响结论——保持适度的"怀疑精神"很重要
• 样本外验证是减少先验偏见的有效工具
• 不要因为一次失败就完全否定，也不要忽视持续恶化的信号

思考题

假设你有一个策略，历史胜率60%。在实盘运行了20次后，只赢了7次（胜率35%）。用贝叶斯思维来思考：你应该多大程度上认为"这个策略已经失效了"？你需要收集多少次操作的数据才能做出可靠判断？

下一章，我们将面对概率思维最强大的敌人——认知偏误。你的大脑有很多"捷径"，它们在日常生活里帮你快速决策，但在概率判断中却会系统性地把你带偏。

---

⚠️ 免责声明：本课程内容仅供教育和学术交流目的，旨在帮助读者理解概率论与统计学基础知识。文中所有数据均为历史回测统计结果，不代表未来表现。任何策略的回测数据均不构成对未来收益的保证或承诺。请读者理性学习，独立思考。