深度12 分钟阅读15 次阅读

策略评估的概率框架

此章节需要正式会员权限

夏普比率的概率含义，如何判断策略是「真有优势」还是「运气好」。

注册即可免费学习基础课程

学了这么多概率工具，现在是时候把它们整合起来，建立一个完整的策略评估框架。这一章会给你一个系统化的方法，来判断一个策略是否值得运行。

在你决定是否运行一个策略之前，你需要回答以下几个问题：

每一个问题都对应我们前面学过的一些概率工具。

评估策略的第一步是确认它的期望值是否为正。你需要看：

但这里有一个关键问题：你看到的胜率和盈亏比是从回测中来的。回测数据是"样本"，不是"总体"。你需要判断：这个样本的期望值能代表策略的真实期望值吗？

这就涉及统计显著性。如果回测了1000次操作，胜率55%，你有比较大的信心说策略的期望值为正。如果只回测了30次操作，胜率55%，你就不太确定了——可能只是随机波动。

一个策略回测表现好，有两种可能：

怎么区分？几个工具：

大数定律告诉我们，样本量越大，统计结果越可靠。一个回测了500次操作的策略比只回测了50次的策略更可信。

在42号概率实验室的数据中，5大策略的回测区间是393个交易日。这不算非常大的样本，但足以给出一个初步的参考。如果要更严格地验证，需要更长的回测区间或实盘数据。

把数据分成两段：前70%用来开发策略（样本内），后30%用来验证策略（样本外）。如果策略在样本外也表现良好，那它更可能是真实优势而非运气。

夏普比率 = (策略收益 - 无风险收益) / 策略波动率

它衡量的是"每承受1单位的风险，你获得了多少超额收益"。

夏普比率的概率含义是：你的策略收益在多大程度上超出了"随机波动"的范围。夏普比率越高，你的策略表现越不像是运气。

即使策略的期望值为正，如果最大回撤超过了你的承受范围，你也无法坚持执行。

评估最大回撤时，要考虑：

看看42号概率实验室的5个策略：

如果你同时运行多个策略，需要评估组合的整体风险。关键指标是策略之间的相关性。

低相关性的策略组合可以降低整体回撤和波动率，但可能也会降低整体收益（因为不同策略在不同时期的表现不同）。

42号概率实验室的5大策略设计就考虑了这一点：它们分别针对不同的市场环境（趋势、震荡、突破等），组合运行可以覆盖更多市场状态，同时降低单一策略失效的风险。

假设你有两个策略：A策略夏普比率2.5，最大回撤15%；B策略夏普比率1.2，最大回撤5%。如果你资金有限只能选一个，你会选哪个？如果你能同时运行两个，你会怎么分配资金？（提示：没有标准答案，关键在于你的风险偏好和整体组合目标。）

下一章，我们将讨论量化策略开发中最隐蔽的陷阱——过拟合。为什么有些策略回测完美，实盘却一塌糊涂？

⚠️ 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。