随机事件、样本空间与概率基础
上一章我们聊了为什么交易者需要概率思维。从今天开始，我们要把概率论的基本工具一个个拆开来看。别担心，不需要数学功底，我们会用你最熟悉的A股市场来举例。
什么是随机事件？
先想一个最简单的场景：明天A股是涨还是跌？
你不可能100%确定答案。这就是一个随机事件——在发生之前，我们无法确定结果，但所有可能的结果是已知的。
再举几个例子：
- 某只ETF下周是上涨还是下跌？
- 你设计的突破策略在某段行情中会盈利还是亏损？
- 大盘明天收盘涨幅是否超过1%？
这些都是随机事件。它们的共同特点是：单次结果不确定，但可能的结果范围是明确的。
样本空间：所有可能性的清单
样本空间就是一个随机事件所有可能结果的完整集合。我们通常用Ω（omega）来表示。
几个例子：
例1：今天大盘涨跌的样本空间
- Ω = {上涨，下跌，平盘}
例2：某只ETF明天涨跌幅的样本空间（简化为5个区间）
- Ω = {跌超3%，跌1%-3%，跌1%以内，涨1%以内，涨超1%}
例3：你的网格策略在某一天是否触发交易的样本空间
- Ω = {触发买入，触发卖出，未触发}
定义样本空间看起来简单，但它的重要性在于：如果你连所有可能的结果都没有列全，你就无法做出合理的判断。
很多交易者的问题不是判断错误，而是根本没想过"还有哪些可能性是我没考虑到的"。
概率的三种定义方式
知道了样本空间，接下来的问题是：每个结果发生的概率是多少？
1. 古典概率（等可能假设）
如果你假设所有结果出现的可能性相同，那概率就是简单的计数：
P(事件) = 有利结果数 / 总结果数
比如大盘涨跌平三种情况，如果你假设三者概率相等，那上涨的概率就是 1/3 ≈ 33.3%。
但这个假设在真实市场中往往不成立。A股长期来看上涨的天数略多于下跌的天数，所以用等可能假设会偏差。
2. 频率概率（历史统计）
这是市场分析中最实用的定义方式。通过统计历史数据来估计概率：
P(事件) = 历史上该事件发生的次数 / 总观察次数
举个例子：如果我们统计过去10年的A股数据，发现大约有52%的交易日大盘是上涨的。那我们可以估计"明天大盘上涨"的概率约为52%。
再比如，在42号概率实验室的策略回测中（2025年1月至2026年8月，共393个交易日），多因子综合策略的累计收益达到28.46%。如果我们统计这个策略每天的正负收益比例，就能得到它的"胜率"——这是一个频率概率。
3. 主观概率（个人判断）
有时候，我们没有足够的历史数据，只能基于经验和判断给出一个概率估计。比如："我觉得这只ETF下周上涨的概率大约60%。"
主观概率不是"拍脑袋"——好的主观概率应该基于你对市场的理解、对类似历史场景的记忆、以及对当前信息的综合判断。
事件的关系与运算
在实际分析中，我们往往不是只看一个事件，而是同时关注多个事件之间的关系：
- 互斥事件：不可能同时发生。比如"今天涨超2%"和"今天跌超1%"就是互斥的——它们不可能同时发生。
- 对立事件：两个互斥事件中必有一个发生。"今天上涨"和"今天不涨（下跌或平盘）"就是对立事件，它们的概率之和一定等于1。
- 独立事件：一个事件的发生不影响另一个。理论上，今天大盘涨跌和明天大盘涨跌应该近似独立（但实际市场中存在一定的相关性，这正是技术分析存在的基础）。
一个实用的例子：用概率思维看策略表现
让我们把上面的概念串起来。
假设你有一个短期突破策略，回测数据显示累计收益24.99%，最大回撤8.92%。
现在你来问自己几个概率问题：
- 样本空间：这个策略每次操作的样本空间是什么？ → {盈利，亏损，持平}
- 概率估计：根据回测数据，盈利的概率大约是多少？ → 假设统计后是55%
- 期望值：综合考虑胜率和盈亏比，每次操作的期望收益是多少？ → 下一章会详细讲
- 互斥检查：你同时运行的"网格策略"和"趋势跟踪策略"是否互斥？ → 不互斥，它们可以同时盈利或同时亏损
当你用这种方式思考策略时，你就不再是"凭感觉"做判断，而是有了清晰的概率框架。
常见误区
- "涨多了就该跌"——这是赌徒谬误，独立事件不会因为之前的结果改变概率。硬币连出5次正面，第6次出正面的概率仍然是50%。
- "这个形态历史上10次中8次都涨了"——8/10的样本太小，频率概率不够可靠。至少需要30次以上才有一定参考价值。
- "我觉得明天肯定涨"——这是主观概率，但没有给出具体数值。试着把它量化："我觉得明天涨的概率是70%"，你会发现这种精确化本身就让你的判断更清晰。
本章要点
- 随机事件：结果不确定，但可能结果的范围是明确的
- 样本空间：列出所有可能性，确保你没有遗漏
- 概率的三种定义：古典概率（理论）、频率概率（历史统计）、主观概率（经验判断）
- 在交易分析中，频率概率最实用——用历史数据估计未来概率
- 注意事件之间的关系：互斥、对立、独立，它们影响你的概率计算
思考题
如果你要定义"我的动量轮动策略在某个月的表现"这个随机事件的样本空间，你会怎么定义？至少列出5种可能的结果。
下一章，我们将学习概率论中最核心的概念之一——期望值。它会告诉你，为什么胜率只有40%的策略也可能比胜率80%的策略更赚钱。
⚠️ 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。