为什么一个策略在单品种上显著,还不能说明你找到了规律?

统计显著性、交易有效性与“规律”之间的距离

量化研究中有一种很常见的场景。

我们构造了一个趋势指标，然后按照指标强弱对未来收益进行分组统计。结果发现，当趋势指标处在某个区间时，未来20个交易日的平均收益明显为正，对应的t值达到2.5，甚至3以上。

很多研究到这里就结束了。结论往往会变成：“这个趋势信号是有效的。”再进一步，甚至会说：“市场存在趋势延续规律。”

但这中间其实跨越了几个完全不同层级的问题。一个结果在统计上显著，不等于它一定具有稳定的交易价值；即使具有交易价值，也不等于我们已经找到了一个可以泛化的规律。

这三件事需要分开讨论。

一、t值到底在验证什么？

先说一个经常被使用，却未必总被真正理解的指标：t值。假设我们观察到某种状态一共出现了N次。例如，当趋势指标处在某个区间时，我们记录之后20个交易日的收益：

r₁, r₂, …, rₙ

这些收益的平均值记为 r̄。

如果平均收益为1%，直觉上似乎已经说明这个信号有效。但问题是：这1%究竟是稳定现象，还是随机波动造成的？

如果每一次收益都在0.8%到1.2%之间，那么即使平均收益只有1%，我们也会比较有信心。但如果这些收益有时上涨20%，有时下跌20%，最后恰巧平均得到1%，那么这个1%的可信度显然低得多。

所以我们不能只看平均收益，还要看这个平均收益相对于样本波动究竟有多大。这就是t统计量的基本逻辑：

t = r̄ / (s / √N)

其中s是样本收益的标准差，而 s/√N 被称为均值的标准误。它衡量的是：如果我们不断重新抽取类似样本，样本平均收益本身大概会波动多少。因此，t值真正比较的是“观察到的平均收益”，相对于“随机抽样可能造成的均值波动”，究竟大了多少倍。

如果平均收益只有0.2%，但标准误只有0.05%，那么t=4，说明这个均值距离0很远。反过来，如果平均收益为2%，但标准误也是2%，那么t=1。即使2%的绝对收益看起来很高，我们仍然很难排除它只是随机波动的结果。

这就是为什么t值可以被用来做策略验证。它实际上是在问：假设这个信号在真实世界中根本没有预测能力，也就是未来期望收益等于0，那么我们仅仅因为随机性，得到现在这么大的正收益结果，到底有多容易？

如果这个概率很低，我们就会倾向于拒绝“真实期望收益等于0”这个假设。传统统计学中经常看到t值大约超过2，就被认为具有一定统计显著性。

它背后的直觉并不复杂：如果世界本来没有这个规律，那么出现这么极端结果的概率已经比较小，所以我们开始怀疑，也许这里真的存在某种非随机结构。但这里的关键词仍然只是“开始怀疑”，而不是“已经证明”。

二、t值显著，只证明了一个很窄的问题

假设某个商品的趋势指标，在过去15年中，当信号处于某一区间时，未来收益的t值为2.8。

这个结果真正说明的是：在这个品种、这一段历史、这一种指标定义、这一种持有周期和这一套检验方法下，观察到的平均收益似乎不太像纯随机产生的。

它并没有自动回答另外几个问题：换一个时间段是否还成立？换一个参数是否成立？换一个持有周期是否成立？换一个品种是否成立？未来是否还会成立？

统计显著 ≠ 稳定规律

这是量化研究里非常容易被忽略的一步，尤其是单品种研究。一个品种在过去十几年里可能经历过非常特殊的供需结构、政策环境、产业周期和市场参与者结构。

最终得到的显著性，有可能来自一个稳定机制，也有可能只是这段历史恰好具有某种特征。两种情况在全样本t值上看起来甚至可能完全一样。

三、更大的问题，是你到底试过多少东西

如果研究员一开始就提出：“我认为趋势指标处于某个区间时，未来20日收益应该为正。”然后只做了一次检验，得到t=2.8，这个结果是比较有意义的。

但现实中的量化研究通常不是这样。研究员可能看过20个品种、10种趋势参数、8个信号区间、5种未来收益周期。最终从几千个结果里找到：“某品种、某参数、某区间、未来20日收益，t=2.8。”

此时这个2.8的含义就完全不同了。因为即使所有信号实际上都没有预测能力，只要实验数量足够多，也很容易偶然出现几个t值大于2，甚至大于3的结果。

这就是多重检验问题。

因此，研究策略时真正需要记录的，不仅是“最终结果的t值是多少”，还应该问：“为了找到这个结果，我究竟尝试了多少种可能？”

一个事后筛选出来的t=3，未必比一个事前提出、独立验证得到的t=2更可靠。

四、单品种显著，可能有交易价值，但仍未必是规律

这里需要做一个重要区分。假设我们只准备交易铜，那么如果铜自身的历史数据显示某种趋势信号长期有效，并且在不同时间窗口中都有稳定表现，这当然具有实际价值。

我们并不需要强迫铜一定和黄金、原油、股指表现完全一样。所以，单品种规律完全可能具有交易意义。

但是，“这个策略可以用于铜”和“我们发现了趋势投资的普遍规律”，是完全不同的命题。

如果我们的解释是：“市场参与者存在趋势跟随行为，因此中等强度趋势容易继续延续。”那么这已经不是关于某一个商品的假说了。理论上，它应该在多个具有类似交易机制的市场中，以不同强度反复出现。

此时跨品种验证的意义，并不仅仅是增加样本量。更重要的是验证：这个解释是不是能够迁移。

如果20个品种中只有一个品种表现极强，而其他19个完全没有类似特征，我们首先应该怀疑它是否只是该品种的特殊现象。

反过来，如果20个品种中，大多数品种未来收益方向都一致，只是因为单品种样本量有限，只有少数几个t值超过2，那么这种证据反而可能更值得重视。

因为真正的规律往往首先表现为方向一致、形态一致、参数附近具有一定稳定性，然后才是统计显著。

所以，一个成熟的量化研究过程，不应该只寻找“最高的t值”，而应该寻找稳定的关系，而不是最漂亮的数字。

五、比跨品种更重要的，是跨时间稳定

如果一个策略最终就是针对单个品种建模，那么最重要的检验往往不是跨品种，而是跨时间。

比如一个策略全样本t值为3。这个结果可能来自：前10年非常有效，最近5年完全失效。也可能是：过去15年中，大多数阶段都保持小幅正收益。

这两种情况虽然全样本t值相同，对未来的含义却完全不同。

所以应该把样本拆开观察：早期是否有效、中期是否有效、最近几年是否仍然有效；或者使用walk-forward方式不断滚动检验。

真正让人有信心的，并不是全样本出现一次漂亮的显著性，而是不同时间段反复出现类似关系。

因为这说明结果不是依赖某一个特殊的历史阶段。

六、股指策略为什么尤其值得警惕？

这个问题在股指量化上尤其重要。

商品CTA通常天然拥有几十个甚至上百个交易品种，因此研究员很容易进行跨品种验证。但是国内很多股指策略并不是这样。

大量管理人会对沪深300、中证500、中证1000，甚至单独某一个股指建立独立模型。原因也很好理解：不同指数的成分结构、行业权重、波动特征、基差、投资者结构都不同，因此管理人通常不会假设一个股指上的参数可以直接复制到另一个股指。

从交易角度看，这种做法完全合理。但它带来一个非常重要的问题：你几乎失去了截面上的独立验证机会。

如果一个商品趋势模型在铜上失效，但在原油、黄金、农产品上仍然有效，我们还可以认为，可能只是铜进入了特殊regime。

但如果一个专门为中证1000建立的股指策略开始失效，我们很难判断：究竟只是短期回撤，还是这个模型所依赖的市场结构已经发生了变化。因为它本来就是单市场、单模型建立起来的。

这也意味着：股指策略一旦真正失效，往往更容易表现为系统性失效。

它不像多品种CTA那样，可以依靠其他市场继续提供独立的有效性证据。如果模型依赖的是某种特定的微观结构、投资者行为、波动结构或者趋势—反转关系，那么一旦这些结构发生变化，整个模型可能同时失去基础。

这也是为什么对于单股指策略，我会比多品种策略更加重视三个东西：第一，跨时间稳定性；第二，参数邻域稳定性；第三，经济机制是否仍然存在。

如果一个模型只有“历史t值很高”，却无法解释自己为什么有效，那么它真正面对的风险并不是某一天回撤几个百分点，而是有一天市场结构改变以后，我们甚至无法判断：它是在正常亏钱，还是已经永久失效。

七、从显著结果到规律，中间还有很长的路

因此，我更愿意把量化研究分成三个层次。

第一层是统计显著。我们发现t>2，说明这个现象值得继续研究。

第二层是交易有效。它需要经过样本外、跨时间、交易成本和稳定性验证。

第三层才是规律。它应该能够在不同时间、相近参数，甚至不同市场中反复出现，并且背后存在一个能够解释这种现象的机制。

统计显著性 ≠ 交易有效性 ≠ 规律

量化研究最危险的时刻，往往不是没有找到显著结果，而是太早把一个显著结果，当成了规律。

t值的作用从来不是替我们证明世界。它只是帮助我们回答一个更谦逊的问题：眼前这个现象，究竟有多大概率只是随机噪声？

当答案变得足够小，我们才获得了继续研究它的资格。至于它是不是一个真正可以依赖的规律，还需要时间、市场和样本外数据继续回答。