置换检验

构造原假设分布

要问的不是「这套策略赚没赚钱」，而是「一条没有任何信息的规则，能不能赚到这么多」。要回答它，就得在保留其他一切的前提下，毁掉规则本可利用的那部分信息：同样的 K 线、同样的交易笔数、同样的成本。常见做法是打乱收益的先后顺序、打乱每笔交易的盈亏符号，或者打乱信号与结果之间的配对关系。

在每一条重排后的序列上重算目标函数。做过许多次置换之后，你就得到了「一条没有优势的规则在这批完全相同的数据上会产出什么结果」的分布。再把真实结果放到这个分布上去看位置。

怎么读结果

• p 值是「统计量至少和观测值一样好」的那部分置换所占的比例。
• p 值很小，说明只有很少的随机重排能达到观测到的结果；在这段样本上，这个优势和偶然区分得开。
• p 值很大，说明随机重排家常便饭地就能达到它。结果仍然可能是真的，但这批数据显示不出来。
• 这项检验对该样本是精确的，不需要任何分布假设，所以特别适合厚尾的交易结果。

在 Senzoukria 里

桌面端回测面板的「通过 / 不通过」闯关清单，把「置换检验：优势与偶然区分得开」列为其中一条标准，并把算出来的 p 值和 PSR、DSR、PBO 并排显示。面板对这个区块的介绍是「一次针对纯运气的置换检验」，它运行在前推分析和全时期网格之后、标记为「闯关 · 置换」的那个阶段里。

本站的回测页面把置换检验和 PSR、DSR、PBO 一起，列在受支持的历史测试可用的研究工具之中。和其他几条标准一样，这项检验使用的成交政策和成本，与产出这些交易的那次回测完全一致。

常见错误

• 用一种会连带毁掉策略正当利用的结构（比如交易时段边界）的方式去置换，这会让原假设变得太容易被超过。
• 在一次扫描的样本内冠军上跑这项检验，却不考虑试验次数。置换 p 值并不修正挑选效应；紧缩夏普比率才修正。
• 把 p 值读成「这套策略没有优势」的概率。它是在原假设之下观测到该结果的概率，反过来读就错了。
• 置换次数太少，导致能报出来的最小 p 值太粗。