阶段3概率与分布●●●●●

相关≠因果：量化里的三堂"冰淇淋课"

我的掌握程度：
q-225精讲

先掌握这个答案

四种结构：X→Y（真因果）；Z→X且Z→Y（共同原因——夏天型）；纯巧合（多重检验的产物，q-255）；Y→X（反向）。量化三案例：①风格混杂："低换手因子有效"——其实是低换手组集中于小盘/价值风格，风格才是原因（中性化=打断混杂，q-347/452）；②数据挖掘：试100个指标与收益的相关，5个"显著"——巧合的工业化生产（q-255专场）；③前向相关：价格先动、财务指标后披露——看似"财务预测价格"，实为价格领先财报（公告日对齐治它，q-062）。走向可信因果的三件武器：控制变量（中性化/回归）、样本外复现、机制故事（为什么应该有因果——行为/制度/风险补偿）。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

相关性不能证明预测力

说明横截面还是时间序列、Pearson还是Spearman、样本窗口与滞后方向。非平稳序列可能产生伪回归；回归系数或高相关既不自动证明因果关系，也不保证可交易。

本阶段实战方法 · 每个统计量都要带单位和假设

计算收益、波动、回归、显著性或相关性时，先明确样本和推断条件。

  1. 写清收益频率、样本数、缺失处理、是否含费用；百分数与小数不可混用。
  2. 手算一组小样本，再用代码复算；区分算术均值年化、复合年化和年化波动。
  3. 解释假设不成立会发生什么：自相关、肥尾、非平稳与多次试验都会影响结论。

使用边界

  • p值不是原假设为真的概率，也不是策略未来盈利概率。
  • 日波动×√252依赖时间聚合假设；252是教学常用交易日数，实际市场与口径可能不同。
不懂的术语：因子（Factor）
背景 · 从一个困惑说起
冰淇淋销量与溺水人数正相关——不是冰淇淋害人，是夏天（共同原因）。这个经典例子在量化里有三个堂兄，每一个都让真金白银付出了代价。
由此产生的问题
相关背后的四种可能结构（因果/共同原因/巧合/反向）？量化里的三个典型案例（风格混杂/数据挖掘/先有价格后有指标）？实践中怎么从相关走向"可信的因果"？
核心概念
四种结构：X→Y（真因果）；Z→X且Z→Y（共同原因——夏天型）；纯巧合（多重检验的产物，q-255）；Y→X（反向）。量化三案例：①风格混杂："低换手因子有效"——其实是低换手组集中于小盘/价值风格，风格才是原因（中性化=打断混杂，q-347/452）；②数据挖掘：试100个指标与收益的相关，5个"显著"——巧合的工业化生产（q-255专场）；③前向相关：价格先动、财务指标后披露——看似"财务预测价格"，实为价格领先财报（公告日对齐治它，q-062）。走向可信因果的三件武器：控制变量（中性化/回归）、样本外复现、机制故事（为什么应该有因果——行为/制度/风险补偿）。
为什么需要它
①因子研究的头号哲学问题：每个高IC都是一份"相关证据"，把它升级为"因果证据"需要额外工作——省略这些工作的研究就是自欺流水线；②混杂的普遍性：A股几乎所有量价因子都与市值纠缠——不控制它的"发现"大概率是发现了自己没控制的东西；③机制故事的规范：讲不出"谁在犯错/什么风险被补偿"的因子照样本内完美也要警惕——这是q-444（讲故事）的统计学基础。
实际应用场景
研究流程三步：发现相关→做控制（中性化、分组、回归）→写机制故事并找样本外证据；三关全过才入库——本课程从阶段5起反复执行的正是这个流程。
与之前知识的联系
q-223/224（相关工具）的哲学收尾；q-255（多重检验）与q-452（中性化故事）是它的两大战场；q-444（讲故事）是机制故事的完整版。
⚠ 常见误解
  • 相关强+逻辑讲得通=因果：讲故事的能力不等于证据——机制故事是假设，仍需控制与样本外检验
  • 控制了市值行业就安全了：还有无数未观测的混杂（流动性、波动、拥挤度）——控制是渐进过程不是一次性仪式
  • 因果在量化里不重要：组合里装的是"会持续的相关"——而持续性恰恰依赖因果机制活着；机制死了相关就散（因子失效的哲学）

🤖 AI导师

导师会先检查你的前置知识（相关系数读数），再用案例、公式和代码帮助理解。此功能需要先启用服务。

量化学徒 · 研究与实践学习系统 ｜ 示例用于教学，实际规则以适用日期和官方说明为准