是真的还是运气?标准误、t 统计量与 p 值
用浅白的方式了解标准误、置信区间、t 统计量(t-statistic)与 p 值能证明什么、又不能证明什么。
类别:统计基础
用大白话解释
想象你掷一枚硬币 10 次,出现了 6 次正面。这枚硬币是被动了手脚,还是你只是运气好?统计学就是用来回答「这是真的,还是可能只是运气?」的工具箱。当 SurgeFlow 在衡量某件事时,例如某一组股票赢过另一组多少,这个数字从来都不会完美干净。这些工具会告诉你该对它信任到什么程度。它们不会百分之百告诉你真相。它们告诉你的是:如果这个结果真的只是出于偶然,你应该感到多么意外。
它衡量什么
有四个词会一再出现,而每一个都回答略微不同的问题。它们合起来在问:如果其实根本没有任何效应,我们看到的这个结果有多大可能出现?来看一个小小的例子:假设某个策略每月平均赚取 0.4%,而这个平均值的标准误是 0.1%。t 统计量就是 0.4 除以 0.1,等于 4。t 统计量为 4 算是很大,所以对应的 p 值会非常小。这是一个偶然很难解释的结果。而 t 统计量接近 1 就不是这样了。 - 标准误:如果你重新做一次测量,平均值会晃动多少。越小代表越稳定。 - 置信区间:真值合理上会落在的一个范围,例如「0.4% 上下 0.2%,也就是 0.2% 到 0.6%」。 - t 统计量(t-statistic):结果除以它的标准误。越大(离 0 越远)就越难被当成运气打发掉。大致来说,t 统计量超过约 2 是常见的经验法则门槛。 - p 值:如果真实效应为零,看到这么大结果的概率。p 值小(例如 0.01)代表「光靠运气很少会这样」。
SurgeFlow 如何使用它
这些统计量是因子(Factors)标签页(/factors)的基础。「因子」是一条替股票排序的规则(例如便宜对昂贵),而 SurgeFlow 会追踪这两组之间随时间变化的收益差距,这个差距称为价差(spread)。对每个因子,它会在价差旁边显示一个 T 统计量,也就是平均差距除以它的标准误。T 统计量越大,这个差距纯属噪声的可能性就越低。在数据条件足以支持时,SurgeFlow 会报告 HAC t 统计量(HAC 是指异方差与自相关稳健,Heteroskedasticity- and Autocorrelation-Consistent,也称为 Newey-West)。简单来说,每日收益起伏不定,而且往往一天一天地互相呼应,这会让结果看起来比实际更强。HAC 修正会把误差范围放宽以纳入这一点,给出一个更保守、通常也更小的 t 统计量。 - 价差(spread):一个因子中「顶端」那一组的收益减去「底端」那一组的收益。 - /factors 上显示的 T 统计量:平均价差除以它的标准误。 - HAC/Newey-West:一种调整,避免起伏不定、自相关的数据假装出强度。 - 一次对许多因子同时做的联合检验(例如 GRS(GRS)形式的检验)可防止从中挑选一个运气好的因子;随着样本历史逐渐成熟,这是一项已规划要加入的功能。
如何在网站上解读
打开因子(Factors)标签页(/factors),看每个因子价差旁边的 T 统计量列。作为粗略指引,HAC t 统计量明显高于 2 代表这段历史上的差距不太可能纯属偶然;t 统计量接近或低于 1 则代表它很可能只是运气,几乎不值得看重。请务必把它和实际的收益大小一起看,不要单看它。一个因子可能「在统计上是真的」却很微小,也可能规模很大却噪声太多而不可信。请把 t 统计量当成一个信心刻度,而不是买入或卖出的按钮。
它无法告诉你什么
小的 p 值或大的 t 统计量很容易被误读,所以要小心。这些数字描述的是 SurgeFlow 所测量过的过去数据;它们不是预测,而且一个看起来很真的优势,可能在大家都知道之后就消退了。这些都无法证明因果:一个因子可能只是凑巧和收益对上(相关性不等于因果)。而且你测试的规则越多,就越可能纯粹靠运气让其中一条看起来「显著」,这称为多重检验(multiple testing)或 p 值操纵(p-hacking),就像掷 100 枚硬币,然后对那枚刚好出现 9 次正面的吹嘘一番。 - 统计显著性不等于经济显著性:「真的」不代表「大到足以重要」。 - 在历史上显著,不代表未来会重演。 - 在这里找到的相关性不是因果的证明。 - 测试够多因子,总会有几个纯靠运气看起来很棒;单独一个亮眼的 t 统计量是很薄弱的证据。 - 这些是研究与教育工具。SurgeFlow 不提供任何投资建议。