概率夏普率 PSR：给你的夏普率算出一个『真的大于零』的置信度

问题：你那个漂亮的夏普率，是真的吗？#

夏普率（Sharpe Ratio, SR）是量化里最常被引用的一个数：单位风险赚多少超额收益。回测跑出年化 1.5，几乎所有人都会点头——「不错，可以上」。

但这里藏着一个几乎所有人都会栽的坑：夏普率是一个估计量，它有抽样误差，而传统夏普率完全不告诉你这个误差有多大。

三个盲点，个个致命：

1. 不看样本长度。跑 60 天算出 SR=1.5，和跑 5 年算出 SR=1.5，是完全不同的两回事。前者极可能是运气，后者才有说服力。但夏普率公式里根本没有 N，它对样本长度一无所知。

2. 不看高阶矩。夏普率的标准误依赖收益分布的形状。如果收益负偏（暴跌集中）、肥尾（极端频繁），那么夏普率估计的标准误会显著变大——同样一个点估计，可信度大打折扣。但传统夏普率假装收益是正态的，对偏度峰度视而不见。

3. 不给显著性。它永远只吐一个点估计。1.5 就是 1.5，没有置信区间，没有”这个策略真的有效吗”的概率答案。你没法回答老板那句「你有多确定这不是过拟合？」

概率夏普率（Probabilistic Sharpe Ratio, PSR） 由 López de Prado 和 Bailey 提出，一次性补齐这三样。它不再问「夏普率是多少」，而是问一个更本质的问题：

「真实夏普率大于某个基准 SR 的概率是多少？」*

答案是一个 0 到 1 之间的概率。PSR = 0.95 意味着「有 95% 的把握，真实夏普率超过基准」。这才是能拿去做决策的东西。

PSR 公式：把三个盲点一次补上#

PSR 的构造思路是标准的统计推断：估计量 + 标准误 → z 统计量 → 概率。

夏普率估计 SR̂ 的渐近标准误（经偏度峰度校正）是：

σ(SR̂) = sqrt[ (1 − γ₃·SR̂ + (γ₄−3)/4·SR̂²) / (N−1) ]

其中 γ₃ 是偏度，γ₄ 是峰度（γ₄−3 即超额峰度），N 是样本长度。然后 PSR 就是：

PSR(SR*) = Φ[ (SR̂ − SR*)·sqrt(N−1) / sqrt(1 − γ₃·SR̂ + (γ₄−3)/4·SR̂²) ]

Φ 是标准正态 CDF。拆开看这个公式怎么补三个盲点：

• sqrt(N−1)：样本越长，分子越大，PSR 越接近 1。样本长度直接进公式——这补上盲点 1。
• −γ₃·SR̂ 项：偏度 γ₃<0（负偏）时，分母变大，PSR 变小。负偏惩罚可信度——这补上盲点 2 的一半。
• +(γ₄−3)/4·SR̂² 项：超额峰度>0（肥尾）时，分母变大，PSR 变小。肥尾惩罚可信度——补上盲点 2 的另一半。
• Φ[…]：输出是概率不是点估计。给出显著性——补上盲点 3。

代码就是照抄公式：

import numpy as np
from scipy import stats

def probabilistic_sharpe_ratio(returns, sr_star=0.0):
    """概率夏普率：P(真实SR > sr_star)。
    returns / sr_star 用同一频率（如都是日频）。"""
    sr = returns.mean() / returns.std(ddof=1)   # 同频夏普率
    n = len(returns)
    skew = stats.skew(returns)
    exkurt = stats.kurtosis(returns)            # 超额峰度
    denom = np.sqrt(1 - skew*sr + exkurt/4.0 * sr**2)
    z = (sr - sr_star) * np.sqrt(n - 1) / denom
    return stats.norm.cdf(z)

# 例：日频收益，问真实SR是否>0
rng = np.random.default_rng(7)
daily = rng.normal(1.0/np.sqrt(252), 1.0, 252)   # 年化SR≈1.0, 一年数据
print("PSR(>0):", probabilistic_sharpe_ratio(daily, 0.0))   # ~0.84

注意频率一致：如果用日频收益，SR̂ 和 SR* 都要是日频的（年化 SR=1.0 对应日频 SR≈1.0/√252≈0.063）。混用频率是最常见的错误。

样本长度：同一个夏普率，长短天差地别#

先看 PSR 最直接的教训——样本长度的威力。

三条曲线是三个不同的年化夏普率（0.5 / 1.0 / 1.5），横轴是样本长度，纵轴是 PSR（真实 SR>0 的概率），红线是 95% 置信门槛：

• 年化 SR=1.5（绿）：约 200 天就能过 95% 门槛。强信号，样本需求低。
• 年化 SR=1.0（蓝）：要跑到约 500 天（两年）才勉强达标。注意 252 天（满一年）时 PSR 只有 0.84——连 95% 都没到。
• 年化 SR=0.5（橙）：1000 天都远远够不着 95%。弱信号需要海量样本才能证明它不是零。

这张图应该钉在每个量化研究员的墙上。它说的是：“高夏普”和”可信”是两码事。 一个跑了两个月的 SR=2.0，PSR 可能还不如一个跑了五年的 SR=0.8。样本长度不是细节，它是决定一个数字有没有意义的前提。

偏度峰度：肥尾如何悄悄侵蚀你的置信度#

样本长度是显性的，高阶矩的侵蚀是隐性的——也更阴险，因为你的夏普率点估计根本不变，可信度却在暗中流失。

固定年化 SR=1.2、N=500，扫偏度峰度：

• 左图（扫偏度）：偏度从 +1 降到 −1.5，PSR 一路下滑。负偏度直接拉低置信度——这符合金融直觉，负偏意味着”平时小赚、偶尔巨亏”，这种收益模式的夏普率天然更不可信，因为它的风险藏在稀有的左尾里，样本没见够那些暴跌前，你根本不知道真实风险有多大。
• 右图（扫峰度）：超额峰度从 0 升到 12，PSR 同样下滑。肥尾抬高标准误、压低 PSR——极端事件越频繁，夏普率估计的抖动越大。

这就是 PSR 相比传统夏普率最深刻的地方：两个策略可以有完全相同的夏普率点估计，但如果一个正态、一个负偏肥尾，它们的可信度天差地别。 传统夏普率把它们判为平手，PSR 会告诉你负偏肥尾那个其实证据薄弱得多。

实务含义很直接：那些”稳定小赚”的策略（卖期权、套息、做市）天生负偏肥尾，它们的夏普率需要更长的样本、更严的 PSR 门槛才能确认。 因为它们的真实风险恰恰藏在还没发生的那次崩盘里。

MinTRL：开发前就知道样本够不够#

PSR 是”事后”判断——策略跑完了算它可不可信。但更实用的是”事前”问：要证明这个夏普率显著，我至少需要多长的回测？

这就是 最小回测长度（Minimum Track Record Length, MinTRL）——把 PSR 公式反解出 N：

MinTRL = 1 + (1 − γ₃·SR̂ + (γ₄−3)/4·SR̂²)·(Z_conf / (SR̂ − SR*))²

Z_conf 是目标置信度对应的正态分位数（95% 对应 1.645）。

def min_track_record_length(sr, skew, exkurt, sr_star=0.0, conf=0.95):
    """最小回测长度：要以 conf 置信度证明 SR>sr_star，至少需要多少个观测。
    sr / sr_star 同频。返回观测数（如日频则为交易日数）。"""
    z_conf = stats.norm.ppf(conf)
    if sr <= sr_star:
        return np.inf
    var_term = 1 - skew*sr + exkurt/4.0 * sr**2
    return 1 + var_term * (z_conf / (sr - sr_star))**2

# 年化SR=1.0, 转日频
sr_d = 1.0 / np.sqrt(252)
n_normal = min_track_record_length(sr_d, 0.0, 0.0)       # 正态
n_fat = min_track_record_length(sr_d, -1.0, 8.0)         # 强负偏肥尾
print(f"正态: {n_normal/252:.2f} 年")     # ~2.7 年
print(f"肥尾: {n_fat/252:.2f} 年")        # ~2.9 年

图里三条曲线是不同分布形状下的 MinTRL：

• 年化 SR=1.0 时，正态需要约 2.7 年，强负偏肥尾需要约 2.9 年。
• 年化 SR=0.5 时，需求飙到 10 年以上——弱信号要用极长样本才能证明。
• 年化 SR=2.0 以上时，需求降到一年以内——强信号很快就能确认。

曲线是陡峭的双曲线形状：夏普率每降一点，样本需求非线性暴涨。 这解释了为什么低夏普策略（哪怕真实有效）在实务中极难被”证明”——你可能等不到统计显著就先怀疑它失效了。

MinTRL 的最大价值是改变研发流程：在你还没开始跑长回测之前，先估个大概夏普率，用 MinTRL 反推需要多少数据。如果你手头只有 1 年数据、目标夏普 0.8，MinTRL 告诉你这根本证不出显著——那就别浪费时间做过度精细的调参，先想办法拿更多数据或找更强的信号。

蒙特卡洛验证：PSR 判据靠谱吗#

公式再漂亮也得验。用蒙特卡洛检验 PSR 判据的经验行为：

设定真实年化 SR=0.8、N=252（一年），生成 5000 条独立收益序列，每条算它的样本夏普率和 PSR。散点图横轴是样本估计的年化夏普率、纵轴是该样本的 PSR：

• 样本夏普率横向散布很宽——从负值一直到 2.0 以上。同一个真实 SR=0.8，一年样本能”抽”出千奇百怪的估计值。 这本身就是”短样本不可信”的铁证。
• 只有约 20% 的样本 PSR 超过 95% 门槛。也就是说，即便真实策略确实有 SR=0.8，用一年数据去检验，八成的时候你都无法在 95% 置信度下确认它有效。
• PSR 随样本夏普率单调上升——估出来越高，越可能过门槛，符合预期。

这个 20% 通过率说明了 PSR 判据的保守性是合理的：它宁可放过真策略（假阴性），也不轻易把运气认成 alpha（假阳性）。在量化里，把过拟合当成 alpha 上实盘的代价，远大于错过一个真策略——PSR 的门槛设计正是这个取舍。

A. 实现细节#

• 频率一致：SR̂ 和基准 SR* 必须同频。本文日频演示，年化 SR 除以 √252 转日频。混频是最常见错误，会让 PSR 完全失真。
• 偏度峰度：用 scipy stats.skew 和 stats.kurtosis（后者默认返回超额峰度，公式里的 (γ₄−3) 直接用它）。
• 基准 SR*：默认设 0（问”真实 SR 是否 > 0”）。也可设为竞品策略或无风险基准的夏普率，做相对比较。
• MinTRL 单位：返回观测数，日频则为交易日数，除以 252 转年。
• 蒙卡设定：单位波动率下 μ=SR，故直接用 normal(sr_daily, 1.0, N) 生成，样本夏普率 = 均值/标准差。

B. 已知偏差#

• 渐近近似：PSR 的标准误公式是大样本渐近结果，在极短样本（N<100）下本身就不准——讽刺的是，恰恰是短样本最需要 PSR，而它此时也最不可靠。
• 高阶矩估计误差：PSR 依赖偏度峰度，而这两个矩在短样本下噪声极大（峰度尤甚）。估歪的高阶矩会让 PSR 跟着歪，这是”用有误差的量去校正另一个量”的固有代价。
• 独立同分布假设：公式假设收益 i.i.d.。真实收益有自相关（尤其是低频再平衡、有杠杆或路径依赖的策略），会让有效样本量小于名义 N，PSR 因此偏乐观。
• 只管一个夏普率：PSR 检验单个策略的显著性，但如果你试了 100 个策略挑出最好的那个，PSR 不足以防过拟合——那需要 Deflated Sharpe Ratio（DSR）把多重检验的选择偏差也扣掉。

C. 结果解读#

1. “高夏普”必须配”够长样本”才有意义：这是 PSR 最硬核的教训。年化 SR=1.0 跑满一年的 PSR 只有 0.84——连显著都算不上。任何只报夏普率不报样本长度和 PSR 的回测，都应该被打个问号。

2. 负偏肥尾策略要过更高的门槛：卖期权、套息、做市这类”稳定小赚”策略天然负偏肥尾，PSR 会系统性压低它们的可信度——这不是 bug 是 feature。它们的真实风险藏在还没发生的崩盘里，本就该用更长样本、更严标准来确认。

3. MinTRL 应该前置到研发流程：与其跑完长回测再发现样本不够，不如开发前用 MinTRL 估算数据需求。低夏普目标（<0.5）的 MinTRL 动辄十年以上——这直接告诉你该去找更强的信号，而不是在弱信号上过度调参。

4. PSR 是防自欺的第一道闸，但不是最后一道：它解决”单个策略是否显著”，不解决”从一堆策略里挑最好那个”的选择偏差。真要防过拟合，PSR 之后还得上 Deflated Sharpe Ratio 和组合式净化交叉验证（CPCV）。把 PSR 当成必要非充分条件——过不了 PSR 的策略直接毙掉，过了的还要继续拷问。

一句话总结：概率夏普率把”夏普率是多少”换成”夏普率真的大于零的概率是多少”，一次补齐样本长度、高阶矩、显著性三个盲点——而它配套的 MinTRL 让你在开发前就知道，手里的数据到底够不够证明你的策略不是运气。