被随机性愚弄：如何分辨真正的优势与运气

被随机性愚弄：如何分辨真正的优势与运气 2026 年 7 月 11 日 · 9 分钟阅读 · 查看原文 ↗ 量化 市场里最昂贵的错误不是一笔糟糕的交易，而是把一段运气当成了一种技能。而市场本身，就是一台专门让你犯这个错的机器。 每一个曾经爆过仓的人，在某个时点都曾经"对"过。他们有一套管用的系统。一连串盈利的星期。一条看起来像通往天堂阶梯的回测曲线。然后它停了，钱也跟着没了。 这里有一个让人不舒服的真相，我想温和地带你走一遍，因为一旦你看见了它，就再也无法当作没看见，而它会悄悄让你变得比大多数交易者更好。市场是一台制造令人信服的运气的机器。它不断把热门连胜和漂亮回测，分发给那些毫无优势的人，纯靠随机。把一门交易生意和一台老虎机区分开来的唯一技能，就是分辨真正的优势和侥幸的优势。几乎没有人具备它，而它完全是可学的。 让我先给你看，为什么你的大脑在跟你作对，为什么数学保证了你一定会被愚弄，然后是那少数几个真正能把运气从技能里切出去的工具。 第一层——为什么问题出在你的大脑 先看那个负责判断的机器：你自己。 人类是模式探测器，进化出来就是为了在草丛里看见一只老虎，误报几乎不付出任何代价，而漏报却要付出一切。所以我们被调校成即便在不存在模式的地方也能找到模式。丹尼尔·卡尼曼（Daniel Kahneman）正是研究这件事拿的诺贝尔奖，他称之为叙事谬误：我们把一堆随机散落的事件，不费吹灰之力、不经过允许地，编织成一个有因果的故事。你的三笔盈利交易不是运气，你的大脑坚称。那是你的判断、你的进场结构、你的技能。 这不是一个靠变聪明就能想通并摆脱的缺陷。卡尼曼花了五十年证明，最聪明的人一样被愚弄，有时更甚，因为他们更擅长编造令人信服的故事。第一步既让人谦卑又让人解脱：在数学说否则之前，默认你看见模式的本能是错的。 第二层——保证你会被愚弄的定律 现在是数学，而这一条会重构一切。 1989 年，统计学家珀西·迪亚科尼斯（Persi Diaconis）与弗雷德里克·莫斯特勒（Frederick Mosteller）一起，写下了他们所谓的"真正大数定律"。它说的东西简单又致命：当试验次数足够大时，任何离谱的事情都不只是可能，而是必然。给足够多的人足够多的机会，就会有人连抛十五个正面、连中两次彩票，或者交出一整个月零失误的交易记录。不是因为他们天赋异禀。而是因为有数百万人、数百万次尝试，那个百万分之一必然要落在某个人头上。 体会一下这对市场意味着什么。成千上万的交易者每天都在跑各自的系统。纯随机本身就保证了他们当中一些人此刻正处在不可思议的连胜里，而毫无技能可言。当你看到一个有着二十笔盈利交易的"天才"时，你几乎可以肯定，你看到的正是大数定律早晚会制造出来的那个人。你自己的那一周火热行情，是从内部看的同一件事。它感觉像命运。其实是算术。 第三层——同一条定律的另一半 这里有一个让整件事变得可用的转折。 制造出虚假赢家的同一个数学，也是唯一能揭示真正赢家的东西。早在 1713 年，雅各布·伯努利（Jacob Bernoulli）证明了大数定律：当你一次又一次重复下注时，你观察到的结果会收敛到它们底下的真实优势上。一个真实的 51% 优势，在十笔交易里是看不见的，在一万笔交易里则无可辩驳。 所以一个真正的优势和一个幸运的侥幸，在小样本里看起来一模一样。在一百笔交易里，没有任何办法把它们区分开。更好的图表不行，更多的自信不行，一个故事也不行。唯一能把技能和运气分开的，是一个足够大的样本，大到让伯努利定律压过噪声。这就是为什么那些在第三周就放弃真实策略的人，和那些把全部身家押在幸运连胜上的人，犯的是完全相同的错误，只是方向相反：他们都在读一个太小、小到说明不了任何问题的样本。 第四层——回测是个骗子（以及确切原因） 这是大多数散户的钱真正死去的地方，所以值得深入理解。 一个回测优化器会尝试成千上万种参数组合，然后把它在你历史数据上表现最好的那一个交给你。想想这个过程是什么。你不是在发现一个模式。你是在纯粹的噪声里搜索，直到找到一个恰好贴合过去的形状。只要尝试的次数够多，你必然能找到这么一个，而且它会看起来无比辉煌，并且毫无意义。 数学家马科斯·洛佩斯·德普拉多（Marcos Lopez de Prado）与大卫·贝利（David Bailey）一起，给这件事算了笔硬账。他们证明，仅仅跑三次回测试验，就已经足以产出一个看起来统计显著、却纯属过拟合的策略。而跑上几百次——任何软件几秒钟就能做到——你就能从随机数据里造出几乎任意你想要的夏普比率。他们为此造了一个修正，叫"去膨胀夏普比率"（Deflated Sharpe Ratio），它唯一的工作就是问：考虑到你尝试了多少个策略，这个结果到底有多令人印象深刻？通常，诚实的答案是：完全不。 而且这种衰减是可测量的。当麦克莱恩（McLean）和庞蒂夫（Pontiff）追踪了九十七个已发表、跑赢市场的策略时，真实的样本外收益比回测低了 26%，而在发表之后、一旦全世界都知道了，它们又跌了 58%。优势大多是过拟合，而那一点点真实的部分也被套利掉了。回测从来不是发现。它是陷阱。 第五层——为什么天才总会褪色 还有一股力量在悄悄抹除虚假的优势，一位名叫弗朗西斯·高尔顿（Francis Galton）的维多利亚时代绅士，在 1886 年测量父母和孩子身高时发现了它。 高尔顿注意到，格外高的父母生的孩子也高，但平均而言会矮一点点，更靠近中间。极端的结果之后，跟着的是不那么极端的结果。他称之为均值回归，而它无处不在。去年回报 200% 的基金、15 投 15 中的交易者、排行榜顶端的策略：要到达那个极端，他们几乎总在自身技能之上还叠加了一大份运气，而运气不会重复。于是下一阶段漂回到普通水平，大家都称之为"魔力消失"。从来就没有什么魔力。只有一个极端，而极端会回归。 这就是为什么追逐上个月最热的策略，几乎是在用最完美的方式，在运气耗尽之前把运气买进来。 第六层——真正能分离优势与运气的工具 那么另一边的人是怎么做的？一个真正的基金如何分辨信号和幽灵？靠的不是什么秘密。靠的是一份由古老、公开的防御手段组成的清单，以及真正去执行它们的纪律。 他们做样本外测试。优势必须在它从未见过的数据上成立，因为贴合过去是微不足道的，而预测未见之物才是唯一算数的。这正是交叉验证所形式化的东西。 他们诚实地要求统计显著性。罗纳德·费舍尔（Ronald Fisher）一个世纪前给了世界这套机器，p 值和显著性检验，一种问"单靠随机运气能产生这个吗"的方法。但是——而这也是洛佩斯·德普拉多的全部论点——他们会根据自己尝试了多少个策略去调整它，因为你靠测试一千个想法才找到的显著性，根本不是显著性。 他们尊重样本量。一个基于两百笔交易的结果只是一个传闻。他们会等待伯努利定律真正要求的成千上万次重复。 他们还会追猎幸存者偏差，这是纳西姆·塔勒布（Nassim Taleb）在《被随机性愚弄》里用整个职业生涯去警告的陷阱。赢家是响亮的，而爆仓的账户是沉默的，所以任何只由幸存者构成的图景都是幻想。墓园也必须被算进去。 这些工具没有一个是高深的。费舍尔，1920 年代。高尔顿，1886 年。伯努利，1713 年。它们都是免费的，每一本统计学教科书里都有，而它们恰好是几乎每个散户交易者，在爱上某个回测的路上都会跳过的那几步无聊操作。 真正重要的部分 现在把它们拼起来，因为综合才是全部的意义所在。 找到一个模式是没用的，市场免费派发它们，一天几千个，大部分是噪声。一个令人信服的回测是没用的，三次试验就能伪造一个。一段火热连胜作为证据是没用的，大数定律保证了总有人正处在连胜里。天才之所以褪色，是因为极端会回归。你大脑求你相信的每一个轻松信号，都恰好是数学偶然会制造出来的那种。 优势从来不是那个模式。优势是那份怀疑。是那份纪律——在大量的、样本外的、诚实检验过的证据迫使你承认自己可能没有之前，先默认自己只是运气好。这是整个游戏里最稀有的东西，也是唯一完全掌握在你自己手里的东西。顶级基金的量化研究员并不比你聪明。他们只是比你对你自己，更怀疑他们自己。 市场不会被那个最急于相信自己连胜的人击败。它被安静地交到那个冷静到愿意怀疑它的人手里。 这里有一个我想让你坐下来好好想的问题。如果一个真正的优势和纯粹的运气，在任何小样本里看起来都一模一样，而你的大脑天生就爱把运气叫作"技能"，那么对于"我的系统管用吗？"这个问题，唯一诚实的答案几乎永远是"我还没有足够的证据"。那么，如果在你下一次交易之前，你把你最好的想法当作"有罪——是运气"，直到数字证明它无辜，会改变什么？ 标签：# X # 量化 # 指南 相关文章 当下 Polymarket 上最赚钱的交易机器人 模型检测到 Up 方向有优势 -> 机器人开始买入 Up -> 标的资产反转 -> 公允概率向有利于 Down 的方向移动 -> 机器人开始买入 Down -> 原来的 Up 仍是总仓位的一部分… 量化