多重检验与因子动物园

第一层：通俗理解

1.1 抛硬币冠军

让 1000 个人每人抛 10 次硬币，统计正面次数。几乎一定会有人抛出 9 次或 10 次正面。他是"抛硬币天才"吗？显然不是，只是人数够多，总会有人碰巧很极端。

量化研究中：

• 一个研究员测试 100 个因子，每个都用 5% 的显著性水平；
• 即使所有因子都毫无作用，平均也会有 5 个"显著"；
• 如果只报告这 5 个，就制造出了 5 个虚假的发现。

1.2 因子动物园

第二层：校正方法

2.1 提高 t 值门槛

t 值从 2 提高到 3，听起来不多，但对应的 p 值从约 0.05 降到约 0.003，要求严格了十几倍。

2.2 Deflated Sharpe Ratio（DSR）

夏普比率的显著性检验需要考虑三件事：

1. 试了多少次：试的次数越多，噪声中能找到的最大夏普越高；
2. 样本长度：样本越短，夏普估计越不可靠；
3. 收益分布的形状：偏度为负、尾部厚的策略，夏普比率被高估。

DSR 的思路是：先算出"在 $N$ 次纯噪声尝试中，夏普比率的最大值期望是多少"（$SR_0$），再检验观测到的夏普是否显著高于 $SR_0$：

$$SR_0 = \sqrt{V}\left[(1-\gamma)\,\Phi^{-1}\!\Big(1 - \frac{1}{N}\Big) + \gamma\,\Phi^{-1}\!\Big(1 - \frac{1}{N e}\Big)\right],$$

$$\text{DSR} = \Phi\!\left(\frac{(\widehat{SR} - SR_0)\sqrt{T-1}}{\sqrt{1 - \hat\gamma_3 \widehat{SR} + \frac{\hat\gamma_4 - 1}{4}\widehat{SR}^2}}\right),$$

其中 $V$ 是各次尝试之间夏普比率的方差，$\gamma \approx 0.5772$ 是欧拉常数，$\hat\gamma_3, \hat\gamma_4$ 是收益的偏度和峰度，$T$ 是样本长度。DSR 可以理解为"这个策略的真实夏普大于零的概率"。

第三层：代码实现

import numpy as np
from scipy.stats import norm, skew, kurtosis
EULER = 0.5772156649

def expected_max_sharpe(n_trials, var_sr):
    """N 次独立尝试中，纯噪声下夏普比率最大值的期望（Bailey & López de Prado）"""
    return np.sqrt(var_sr) * ((1 - EULER) * norm.ppf(1 - 1 / n_trials)
                              + EULER * norm.ppf(1 - 1 / (n_trials * np.e)))

def deflated_sharpe(returns, n_trials, var_sr):
    T = len(returns)
    sr = returns.mean() / returns.std()               # 非年化（每期）夏普
    sr0 = expected_max_sharpe(n_trials, var_sr)
    g3, g4 = skew(returns), kurtosis(returns, fisher=False)
    z = (sr - sr0) * np.sqrt(T - 1) / np.sqrt(1 - g3 * sr + (g4 - 1) / 4 * sr ** 2)
    return sr, sr0, norm.cdf(z)

rng = np.random.default_rng(3)
T = 252 * 3
r = rng.normal(0.0008, 0.01, T)                       # 一个"看起来不错"的策略
print("年化夏普:", round(r.mean() / r.std() * np.sqrt(252), 2))
for n in [2, 10, 100, 1000]:
    sr, sr0, dsr = deflated_sharpe(r, n, var_sr=1 / T)
    print(f"尝试次数 {n:>5}: 噪声最大夏普(年化)={sr0*np.sqrt(252):.2f}  DSR={dsr:.3f}")

输出：

年化夏普: 2.1
尝试次数     2: 噪声最大夏普(年化)=0.30  DSR=0.999
尝试次数    10: 噪声最大夏普(年化)=0.91  DSR=0.979
尝试次数   100: 噪声最大夏普(年化)=1.46  DSR=0.862
尝试次数  1000: 噪声最大夏普(年化)=1.88  DSR=0.645

（这里 var_sr = 1/T 是一个简化假设：各次尝试的夏普估计只有抽样误差的方差。实际使用时应该用你真实尝试过的那些策略的夏普比率的样本方差。）

3.1 解读

同一个三年年化夏普 2.1 的策略：

同一个数字，可信度取决于你找它的过程。这就是为什么严肃的量化团队要求记录每一次尝试。

3.2 实务建议

总结