阶段3概率与分布●●●●●

独立同分布（i.i.d.）：金融统计学最忙的"假设演员"

我的掌握程度：
q-233精讲

先掌握这个答案

两条件的成色：①独立性：日收益的一阶自相关确实弱（≈0，随机游走近成立）——但平方收益（波动）自相关极强（波动率聚集，q-278）——"独立"对收益近似真、对风险量违规严重；②同分布：市场状态切换（牛熊/高低波）让分布参数漂移——20年的数据不是同一台机器产出的。工具可靠性地图：收益均值检验（t）——近似可用（CLT帮忙）；波动相关统计——必须修（Newey-West校正标准误）；尾部估计——危机期样本违背最狠（历史窗口选择成艺术）。三件修正：Newey-West（管自相关下的t值，q-268）、GARCH（管波动聚集，q-279）、滚动/加权窗口（管分布漂移，q-720）。

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

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：波动率（Volatility）自相关（Autocorrelation, ACF）GARCH
背景 · 从一个困惑说起
统计学一半的定理后面藏着两个小字：i.i.d.（独立同分布）。t检验、中心极限、最大似然——它们都请这位"假设演员"出演。金融数据付得起这位演员的片酬吗？答案是：部分付得起，而且在最需要的时候（危机）最付不起。
由此产生的问题
i.i.d.的两条件（独立/同分布）各自在金融里的真实成色（自相关弱但波动聚集/分布漂移与状态切换）？"近似i.i.d."下哪些工具还靠谱、哪些要修？三件修正工具（Newey-West/GARCH/滚动窗口）各管哪条违规？
核心概念
两条件的成色：①独立性：日收益的一阶自相关确实弱（≈0，随机游走近成立）——但平方收益（波动）自相关极强（波动率聚集，q-278）——"独立"对收益近似真、对风险量违规严重；②同分布：市场状态切换（牛熊/高低波）让分布参数漂移——20年的数据不是同一台机器产出的。工具可靠性地图：收益均值检验（t）——近似可用（CLT帮忙）；波动相关统计——必须修（Newey-West校正标准误）；尾部估计——危机期样本违背最狠（历史窗口选择成艺术）。三件修正：Newey-West（管自相关下的t值，q-268）、GARCH（管波动聚集，q-279）、滚动/加权窗口（管分布漂移，q-720）。
为什么需要它
①假设意识=工具使用的驾照：知道每个统计工具的"隐藏条款"，才能知道何时结果可信；②"收益近似i.i.d.、风险强烈不i.i.d."这个不对称是金融统计的第一课——它解释了为什么预测收益难（近随机）而预测波动可行（强依赖）；③修正工具的三分法给后面的学习装好索引——每个工具入场时都知道它修哪条。
实际应用场景
使用清单：做IC均值检验→t值用Newey-West版；做波动预测→GARCH族；做全样本统计→补滚动窗口版对照——三件套是"i.i.d.演员缺席"时的替班。
与之前知识的联系
q-278/279（波动聚集/GARCH）是"不独立"的专章；q-231（大数定律）在i.i.d.下最纯；q-268（Newey-West）是修正一队的成员；阶段8的时序CV本质上也是对"不同分布"的防御。
⚠ 常见误解
  • 日收益独立=金融数据i.i.d.：收益近似独立但波动强依赖+分布漂移——风险统计最依赖的恰是违规最重的部分
  • 不满足i.i.d.的检验都不能用：近似成立时多数工具稳健（CLT的宽容）——关键是知道修正量级而非弃用
  • 把数据打乱（shuffle）就能修复：打乱破坏时间结构=制造假独立——会低估波动估计的方差（Purged CV的反面教材，q-710）

🤖 AI导师

导师会先检查你的前置知识（条件概率、自相关概念），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