企业官网建设流程全解析

年化20%量化笔记 · 第31篇

WHY 为什么p值是量化交易者最容易误读的指标

一个价值10万的"显著"发现

去年有个做量化的朋友老周，兴冲冲打电话给我："维克，我找到了一个超神的信号！RSI低于20的时候买入，回测5年数据，p值只有0.008，统计极其显著！"

我问他："平均持仓周期多长？"

"3天。"

"5年大概多少笔交易？"

"大概260笔。"

"平均单笔收益率多少？"

他沉默了一下："扣掉手续费和滑点，大概0.15%。"

我说："老周，你的p值确实很显著，但你5年260笔交易，每笔赚0.15%，扣完成本年化收益不到2%。你花了3个月研究这个信号，时薪算下来可能不如去跑滴滴。"

他愣住了。

这就是p值最大的陷阱：它告诉你"这个信号不是噪声"，但它从不告诉你"这个信号值不值得用"。

p值到底是什么——用最直白的话解释

p值的定义其实很简单：

假设策略信号完全无效（零假设成立），你观察到当前结果（或更极端结果）的概率。

翻译成人话就是：如果这个信号是垃圾，你"碰巧"测出这样结果的概率有多大。

•p值=0.05 → 信号是垃圾的话，有5%的概率出现这种结果

•p值=0.001 → 信号是垃圾的话，只有0.1%的概率出现这种结果

•p值=0.5 → 信号是垃圾的话，有50%的概率出现这种结果——跟抛硬币差不多

p值越小，说明"这个信号是垃圾"这个假设越不可信，我们就有理由认为信号可能是有效的。

但注意，p值从来不说：这个信号有多好、能赚多少钱、值不值得投入。

统计显著 vs 经济显著——一道被忽视的分水岭

这是量化交易中最重要的概念区分之一，但90%的新手不知道：

一个p值=0.0001的策略，可能年化收益只有0.5%——统计极其显著，经济上毫无意义。

一个p值=0.08的策略（未达到0.05显著水平），可能年化收益25%——统计上不够"显著"，但经济上极其有价值。

p值只负责"验明正身"，不負責"评估身价"。

HOW 如何正确解读p值并避免被误导

误区一：p<0.05就是好策略

这是我见过最多的错误认知。

p<0.05只意味着：在5%的显著性水平下，我们有足够的证据拒绝"策略无效"这个假设。它不等于：

•❌ 策略一定赚钱

•❌ 策略收益足够大

•❌ 策略在实盘中也会有效

•❌ 策略没有过拟合

p值是一把"过滤筛"，不是一枚"奖章"。

它帮你过滤掉那些纯噪声的信号，但通过筛选的信号，还需要进一步评估收益大小、稳定性、交易成本等实际指标。

误区二：p值越大，策略越差

也不对。

p值受样本量影响极大。同样是"每次RSI超卖买入"这个策略：

•测试100笔交易，p值可能是0.15（不显著）

•测试1000笔交易，p值可能变成0.003（极显著）

策略本身没变，只是数据量变了。

反过来也成立：一个本来有效的强信号，如果你只用30笔交易测试，p值可能高达0.3——不是策略不好，是数据太少，统计检验的"分辨率"不够。

所以p值大不一定代表策略差，也可能是样本量不足。判断策略质量，永远要结合效应大小（收益率、夏普比）一起看。

误区三：p=0.049和p=0.051有本质区别

0.049显著，0.051不显著——所以0.049的策略好、0.051的策略差？

荒谬。

0.05这个阈值是人类约定的一个数字，不是自然界的物理常数。p=0.049和p=0.051之间的差异，在统计上几乎没有任何意义。

正确做法：把p值当作一个连续指标来理解，而不是一个"是/否"的开关。

正确姿势：p值+效应大小+样本量的三角验证

每次评估一个策略信号，我强迫自己看三个数字：

第一：p值——信号是真是假？

•p<0.05 → 有理由相信信号不是噪声

•p>0.05 → 证据不足，暂不采纳

第二：效应大小——信号值多少钱？

•平均收益率、年化回报、夏普比

•扣除交易成本后还剩多少

•这个数字是否值得我投入真金白银

第三：样本量——结论可靠吗？

•样本太少（<50笔交易），p值不可信

•样本够大（>200笔），p值的参考价值更高

•还要看数据是否覆盖了不同的市场环境

三个数字放一起看，才能做出正确判断：

实操模板：我的策略评估检查表

每个新信号上线前，我会填这个表：

策略名称：_______________
信号描述：_______________
统计指标：
- 交易笔数：___笔
- 胜率：___%
- p值：___
- 置信区间（收益率）：[___%, ___%]
经济指标：
- 平均单笔收益：___%
- 年化收益（扣成本前）：___%
- 年化收益（扣成本后）：___%
- 最大回撤：___%
- 夏普比：___
判断：
□ p<0.05 且年化收益（扣成本）>5% → 进入模拟盘测试
□ p<0.05 但年化收益（扣成本）<2% → 放弃，效应太小
□ p>0.05 但效应量大 → 扩大样本量后重新测试
□ p>0.05 且效应量小 → 放弃，大概率是噪声

这个表逼着我同时看统计显著性和经济显著性，避免被一个漂亮的p值冲昏头。

WHAT 你带走的三个核心认知和一份实操清单

核心

1. p值是必要条件，不是充分条件

一个策略想让你赚钱，首先得通过p值检验（证明信号不是噪声），但通过p值检验不代表它就能赚钱。p值是门槛，不是终点线。

2. 统计显著 ≠ 经济显著

p=0.001不代表策略好，p=0.08也不代表策略差。永远要同时看效应大小——年化收益、夏普比、扣成本后的净利润。一个统计极其显著但年化只有1%的信号，对你的账户毫无意义。

3. p值是可操纵的

数据挖得越深、参数调得越多、测试的时间窗口选得越"巧"，p值越容易变好看。这就是为什么量化交易中必须做样本外测试、交叉验证——不然是自欺欺人。

• ☐立即：检查你当前跟踪的所有策略信号，每个都标注p值和年化收益（扣成本后）
• ☐本周：用上面的三角验证法重新评估，标记出"统计显著但经济不显著"的信号——这些是你在浪费时间的证据
• ☐持续：每次测试新信号，必须填写策略评估检查表，不允许只看p值就做决策
• ☐习惯：跟团队或合作伙伴讨论策略时，先问"效应大小多少"，再问"p值多少"——养成经济显著性优先的思维习惯

总结

p值告诉你"这个信号是不是真的"，但赚不赚钱取决于"这个信号有多大"。别被一个漂亮的p值蒙住眼睛，忘了看银行账户。

年化20%量化笔记 · 第31篇 · 维克

下一篇：多重检验陷阱：为什么你找到的"规律"可能是假的？