WHY：为什么你必须懂概率论
市场本质上是个概率游戏
你做了一笔交易，逻辑完美、指标共振、仓位合理------然后亏钱了。
这是所有交易者都会遇到的情况。但区别在于：不懂概率的人会怀疑策略、怀疑自己、怀疑市场；懂概率的人知道------任何单次结果都是随机变量的一个实现 。
金融市场的不确定性不是bug，而是本质特征。股票价格的涨跌、期货的波动、期权的价值------全都是概率分布的产物。你不是在预测"明天涨还是跌"，你是在判断"上涨的概率和幅度是否支持这笔交易"。
这就是为什么我说：不懂概率论，量化交易就是瞎子摸象。
概率论解决的核心问题
概率论本质上回答一个问题：在不确定性下，如何做出理性决策？
它提供了一套数学语言：
• 如何描述不确定性（概率分布）
• 如何量化期望结果（期望值）
• 如何衡量风险（方差、标准差）
• 如何在有新信息时更新判断（贝叶斯定理）
这套语言是量化交易的根基。从定价模型到风险评估，从策略回测到期权希腊字母------无处不在。
你曾经踩过的概率陷阱
来看几个真实场景：
1. "我连续5次盈利，这策略肯定有效"
错。连续盈利5次，可能是策略真的有效，也可能是单纯的运气。如果策略胜率是50%，连续5次全红的概率是 0.5^5 = 3.125%。不高，但也不是不可能。
2. "上次MACD金叉后涨了，这次也该涨"
错。MACD金叉是个随机事件，这次的结果和上次完全独立。上次涨了不代表这次也会涨。
3. "我亏了50%，必须涨100%才能回本"
对，但这里有个概率陷阱：资产下跌50%后，下一轮上涨100%回到原值的概率是多少？如果该资产有40%概率上涨100%、60%概率继续下跌，你期望能回本吗？
这些问题，都需要概率论的思维来回答。
HOW：概率论的核心概念详解
1. 随机事件与样本空间
样本空间（Sample Space） ：所有可能结果的集合。
抛硬币：
• 样本空间 S = {正面, 反面}
掷骰子：
• 样本空间 S = {1, 2, 3, 4, 5, 6}
股票第二天涨跌：
• 样本空间 S = {上涨, 下跌, 持平}
随机事件（Random Event） ：样本空间的子集。
"掷出偶数" = {2, 4, 6}
"股价上涨超过5%" = 一个子集
2. 概率的两种定义
古典定义（Classical Definition）
适用于等可能结果的场景：
P(A) = 有利结果数 / 所有可能结果数
抛硬币正面朝上的概率：
P(正面) = 1 / 2 = 0.5
骰子掷出6的概率：
P(6) = 1 / 6 ≈ 0.167
频率定义（Frequentist Definition）
当无法用古典定义时（比如股票涨跌），通过大量重复试验来确定概率：
P(A) = lim(n→∞) n(A) / n
n(A) 是 A 事件发生的次数，n 是总试验次数。
如果你回测1000次策略，有300次盈利，那盈利频率是 300/1000 = 0.3。
注意 ：金融市场的"概率"通常是频率概率------通过历史数据估计。
3. 概率的三大法则
加法法则（Addition Rule）
互斥事件（不能同时发生）：
P(A或B) = P(A) + P(B)
掷骰子，偶数或大于3的数：
P(偶数) = 3/6 = 0.5
P(>3) = 3/6 = 0.5
P(偶数或>3) = 3/6 + 3/6 = 1 （所有情况都覆盖）
非互斥事件（可能同时发生）：
P(A或B) = P(A) + P(B) - P(A且B)
股票上涨且成交量放大：
P(涨) = 0.5, P(放量) = 0.4, P(涨且放量) = 0.3
P(涨或放量) = 0.5 + 0.4 - 0.3 = 0.6
乘法法则（Multiplication Rule）
独立事件（一个发生不影响另一个）：
P(A且B) = P(A) × P(B)
连续抛两次硬币，都是正面：
P(正正) = 0.5 × 0.5 = 0.25
条件事件（一个发生影响另一个的概率）：
P(A且B) = P(A) × P(B|A)
P(B|A) 是在 A 发生的条件下 B 发生的概率。
4. 期望值：不只是"平均"
期望值（Expected Value） 是概率论最重要的概念之一。
离散随机变量的期望值：
E(X) = Σ xi × P(xi)
实操案例：策略盈亏期望计算
策略A：
• 40%概率盈利 +1000元
• 60%概率亏损 -500元
E(策略A) = 0.4 × 1000 + 0.6 × (-500) = 400 - 300 = +100元
策略B：
• 70%概率盈利 +200元
• 30%概率亏损 -600元
E(策略B) = 0.7 × 200 + 0.3 × (-600) = 140 - 180 = -40元
结论 ：策略A的期望值为正，策略B为负。长期来看，策略A才值得做。
关键认知 ：期望值为正是一切策略的底线。如果你的策略期望值为负，无论回测曲线多好看，长期都会亏钱。
5. 方差与标准差：衡量"不确定性"
方差（Variance） 衡量数据的离散程度：
Var(X) = Σ (xi - E(X))² × P(xi)
标准差（Standard Deviation） 是方差的平方根，与原数据同单位：
σ = √Var(X)
实操案例：两只股票的风险对比
股票A：期望收益15%，标准差5%
股票B：期望收益15%，标准差20%
两者期望相同，但股票B的波动更大（风险更高）。
在量化交易中，标准差就是波动率 ，是衡量风险的核心指标。
WHAT：你能带走什么
核心结论清单
-
市场是不确定性的，概率论是理解它的语言
-
单次结果不能否定或证明策略，需要看期望值
-
期望值为正是所有策略的底线
-
波动率（标准差）是衡量风险的核心指标
-
独立事件意味着过去的结果不影响未来
今日行动清单
✅ 第1步：计算你的策略期望值
E(策略) = Σ(盈亏金额 × 该盈亏的概率)
如果结果为负，这策略不能做。
✅ 第2步：检查你的历史回测
• 计算平均收益
• 计算收益标准差
• 记录最大连续亏损次数
• 问自己：这套历史数据够不够支撑概率推断？
✅ 第3步：建立"概率优先"的决策习惯
• 做每笔交易前问：期望值是正的吗？
• 连续亏损时问：是策略失效还是正常波动？
• 连续盈利时问：是能力还是运气？
进阶学习预告
下篇我们将深入条件概率与贝叶斯思维 ------这是交易中最重要的思维模型之一。你将学会：如何根据新信息更新判断、如何评估消息面对股价的影响概率。
下一篇 ：第22篇 | 条件概率与贝叶斯思维：如何根据新信息更新判断？