金 融 量 化 分 析 • JoinQuant • 第 五 篇

---

前言

这一篇讲解策略的可靠性

---

一、策 略 可 靠 性 检 测 方 法

（一）、评 估 指 标

通过胜率、年华收益率、最大回测、夏普比率来判断投资策略的可靠性

1）胜 率

2）年 化 收 益 率

年 化 收 益 率

3）最 大 回 测

最 大 回 测

4）夏 普 比 率

夏 普 比 率

（二）、假 设 验 证

提出假设，通过多次检验，计算不同结果出现的频数，来决定是否接受或者拒绝这个假设，从而验证这个现象是否随机， 即 检测收益率 >0 时，是否是大概率事件，来判断投资策略的可靠性

二、周 期 策 略 的 数 据 可 靠 性 验 证

（一）、利用T-test检验

H0：样本均值 = 理论均值 =0
H1：样本均值 > 理论均值
T 统计量 = （样本均值 - 理论均值）/（样本标准差 /根号（样本数量））

t = (mean - 0)/(std/squrt(count))
⚠️：
计算的 t值 越大，样本均值与理论均值相似度越低
计算的 t值 越小，样本均值与理论均值相似度越高

P值：可能性

当P值 < 0.05时，表示H0概率只有百分之五，也就是样本理论数据有显著差异，所以拒绝原假设。（赚不到钱的概率小于百分之五）
当P值 > 0.05时，表示H0与H1没有显著性差异，所以接受原假设。（赚不到钱的概率大于百分之五）

1）导入相关模块

代码如下：

import sys,os
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(BASE_DIR)
import Data.Stock as DS
import Strategy.Base as STB
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import Strategy.ma_Strategy as MA
from scipy import stats 

2）T-test检验模块

代码如下：

# 策略收益进行ttest检验
def ttest