实践建议
假设检验是评估策略的重要工具。p<0.05通常认为显著。但要注意：统计显著不等于经济显著，还要考虑交易成本和风险。样本外验证同样重要。
5.2 统计推断与假设检验
统计推断
🎯 学习目标
- 理解统计推断的基本概念
- 掌握假设检验的方法
- 了解置信区间和显著性
- 学会用统计方法评估策略
统计推断与假设检验
统计推断是从样本推断总体的方法，假设检验是评估策略有效性的重要工具。
📊 基本概念
统计推断
- 从样本推断总体
- 估计总体参数
- 评估不确定性
- 做出统计结论
假设检验
- 设定原假设和备择假设
- 计算检验统计量
- 确定显著性水平
- 做出拒绝或接受决定
🧪 假设检验步骤
- 1. 设定假设：H0（原假设）vs H1（备择假设）
- 2. 选择统计量：z检验、t检验等
- 3. 计算统计量：根据样本数据
- 4. 确定显著性水平：α=0.05或0.01
- 5. 计算p值：观察或更极端结果的概率
- 6. 做出判断：p<α拒绝H0，否则接受
📈 常用检验
| 检验 | 应用 | 假设 |
|---|---|---|
| t检验 | 均值比较 | H0: μ=0 |
| 卡方检验 | 方差检验 | H0: σ²=σ₀² |
| F检验 | 方差比较 | H0: σ₁²=σ₂² |
| KS检验 | 分布比较 | H0: 样本来自同一分布 |
| ADF检验 | 平稳性检验 | H0: 序列有单位根 |
⚠️ 第一类和第二类错误
| H0为真 | H0为假 | |
|---|---|---|
| 拒绝H0 | 第一类错误（假阳性）α | 正确决策（真阴性）1-β |
| 接受H0 | 正确决策（真阳性）1-α | 第二类错误（假阴性）β |
🤖 量化应用
- 策略有效性：检验策略收益是否显著为正
- 因子有效性：检验因子IC是否显著
- 模型验证：检验模型预测能力
- 市场分析：检验市场异象
- 数据质量：检验数据异常
💡
📝 本节小结
✅
- • 理解了统计推断的基本概念
- • 掌握了假设检验的步骤
- • 了解了常用检验方法
- • 学会了在量化中的应用