样本量与统计显著性

上一节 教了怎么算期望值。这一节回答一个更基础的问题：你算出来的那个数，可信吗。

同一个系统，跑一千遍

下面的模拟做的是：假设你的系统真实胜率就是设定的那个值，让它做 N 笔交易，重复一千次，看每次观测到的胜率会落在哪里。

把笔数设成 20 试试：一个真实胜率 50% 的系统，观测胜率在 30% 到 70% 之间都属于正常波动。

然后把笔数调到 200，你会看到分布明显收窄。样本量就是这样起作用的：它不改变真相，只是让你离真相更近。

要多少笔才够

取决于你想分辨多大的差别。差别越小，需要的样本越多：

这是量级参考，不是精确的统计功效计算。但它足以说明一件事：你日常纠结的那些细微差别，靠你的交易记录是分辨不出来的。

比如「这个指标参数用 5 还是 10 更好」，要在实盘上分辨出来需要上千笔。而多数人做了三十笔就换参数了，那三十笔的结果几乎完全是噪音。

这解释了几个常见现象

1. 「这个方法最近很准」。最近十次的表现，样本量远远不够。热手谬误 讲的就是这个。
2. 频繁换方法。做几笔不顺就换，换完又不顺再换。每次都在用噪音做决策，而每次切换本身还有成本。
3. 新手运。刚入市赚了几笔就以为有天赋。达克曲线 那一节讲过这个阶段，样本量视角下它就是抽样波动。
4. 把凯利公式直接套用。单笔风险那一节 说过凯利要打折使用，根本原因就在这里：它的输入参数是估计值，而估计值来自不足的样本。

样本量之外，还有三个陷阱

1. 样本要来自不同市场环境。一百笔全部发生在牛市里，那验证的是牛市里的表现。至少要跨越一次明显的环境切换。
2. 不能中途改规则。做到第三十笔觉得不行就调参数，那前三十笔和后七十笔不是同一个系统，样本不能合并。
3. 不能只统计执行了的。那些「本来想做但没做」的机会，如果你只记赚钱的那些，统计就被污染了。

第二条最常见，也最难避免。解决办法是把参数固定下来，写在 交易计划 里，做满预定笔数再评估。中途难受也不改。

一个现实的折中

要求上千笔才评估，对多数人不现实。所以给一个可操作的版本：

1. 先做满 30 笔。这个阶段不评估收益，只检查执行：规则有没有被遵守、日志有没有记全。
2. 做满 100 笔再算期望值。这时候的数字仍然有很大误差，但至少能看出方向性的问题（比如平均亏损远大于平均盈利）。
3. 用回测补充样本。历史数据能提供更多样本，但有它自己的坑，见 过拟合 和 幸存者偏差。