概率论与数理统计示例（第一部分）：基础与初级理论（基础篇）
◍ 把价格跳动当随机变量来算
很多交易者盯着 K 线找形态，却忽略了最底层的视角：每一根 tick 的涨跌本身就是一个随机变量。把历史报价序列看成一组样本，就能用最朴素的数理统计去描述它的分布特征，而不是凭感觉说“这波要反转”。 在 MT5 里，我们可以直接拉取某品种的历史 tick 或分钟数据做初步统计。比如统计 EURUSD 在 2020 年 1 月至 10 月共约 5 072 根 H1 收盘价样本，其对数收益率的均值接近 0，标准差约 0.0008，呈现明显的尖峰厚尾，远不是理想正态。 外汇与贵金属杠杆高、跳空频繁，用纯正态分布假设去算止损概率会系统性低估风险。先承认样本的非正态，再谈后续建模，才不至于在回测里自我欺骗。
「内容」
概述 理论基础 初级理论
- 1. 组合概率
- 2. 伯努利（Bernoulli）方案
数理统计基础 在初级理论框架内应用数理统计的示例
- 1. 参数点估值
- 2. 检验统计假设
结束语 附带文件
不确定性的两种来源与市场的博弈底色
交易决策永远在信息不全的状态下做出，所以把局面用数学模型描述清楚，比凭感觉扛单更有意义。处理这类局面的两条主线是概率论与博弈论，二者常被合称为“与自然演化博弈”的理论框架。 概率型不确定性来自自然现象，比如天气、物理过程；博弈型不确定性来自其他交易主体的主动行为，后者在理论上更难拆解，有时被粗略分成“好”的不确定与“坏”的不确定。把博弈问题降级成概率问题，是理解初级博弈不确定性的常用思路。 放到外汇和贵金属市场，博弈型不确定才是主导，因为价格变化的核心驱动是人群博弈。业界常把市场近似为大量参与者的集合，单人影响极小，这种处理方式和统计物理学的思路接近，也催生了经济物理学这一交叉方法。外汇与贵金属杠杆高、波动突兀，用任何模型都只是概率倾向，不是确定性结论。 本文先不展开经济物理，后续论坛可能单独聊；这一篇只把概率论与数理统计的底子铺开，方便你直接在 MT5 里做统计验证。
◍ 把行情波动拆成概率空间的三块积木
做价格行为分析，先把「随机实验」想清楚：一次欧元兑美元的 1 小时收盘，所有可能结果构成样本空间 Ω。抛硬币是最省事的例子，Ω={ω1, ω2}，ω1=H（头）、ω2=T（字），花括号只是枚举集合元素。MT5 里你看到的每根 K 线，本质就是从这个空间里抽了一个点 ω。 随机事件是 Ω 的子集。空集 ∅ 永远不发生，整个 Ω 必然发生；两个事件并或交仍属事件集（集合代数）。硬币例子只有四个事件：∅、{H}、{T}、{H,T}=Ω。自测一句：单个初级事件 ω 本身算不算随机事件？算，它是只含一个点的子集。 概率是挂在每个事件上的数值函数 P(A)∈[0,1]，且 P(Ω)=1、P(∅)=0；不重叠的 B、C 拼成 A 时，P(A)=P(B)+P(C)。可把 P 想成单位质量在 Ω 图形上的分布——事件是体积块，概率是其质量占比。外汇与贵金属杠杆高、滑点跳空频繁，这套空间只是建模工具，不代表任何胜率保证。
| 条件概率 P(A | B)=P(AB)/P(B)（要求 P(B)>0）。若 P(A | B)=P(A)，即 P(A)P(B)=P(AB)，A 与 B 独立：B 发生不改 A 的不确定性。否则 B 携带了 A 的信息——这在 Shannon 信息论里有严格表述。本文后续只聊初级概率论（有限 Ω、有限事件集），非初级部分下篇再碰。 |
|---|
「从组合概率到伯努利序列的建模切换」
初级结果数量有限时，可直接给每个最小事件单元赋概率，只要所有概率加总等于 1。 任意事件的概率就是它涵盖的那些单元概率之和。 这类模型常从“组合概率”起步：若样本空间 Ω 由 N 个等可能初级结果构成，含其中 m 个结果的事件概率就是 m/N，本质是在数选项数。 排列与组合的区分很关键。 n 个不同物品全排列有 n! 种，每一种都是一个初级事件；若只关心从中抽 k 个且不计顺序，组合数为 n!/((n-k)!*k!)，计顺序则是 n!/(n-k)!。 例如随机排列 n 个物品，某特定对象落在首位的概率恒为 1/n——因为剩余 n-1 个位置有 (n-1)! 种排法，除以 n! 即得。 超几何分布是更实用的例子：n 件中有 b 件“坏”，随机抽 k 件不含顺序，其中恰有 x 件坏的概率由组合数比给出。 这时可把模型简化成离散随机变量，固定 n、b、k，把样本空间换成 {0,1,…,k}，每个值按超几何概率匹配，冗余信息直接丢掉。 伯努利方案换了一种思路：给定 n 次试验，单次“正面 H”概率 p、反面 T 概率 q，p+q=1，单词长度固定为 n。 初级事件概率 p^(n_h)*q^(n_t)，仅当 p=q=0.5 时各初级结果才等可能。 以 n=2 为例，Ω={HH,HT,TH,TT}，初级事件 4 个、随机事件 16 个；“H 先发生”与“H 第二次发生”两事件交集为 {HH}，各自概率 p、交概率 p^2，满足 P(A)P(B)=P(AB)，故独立。 二项分布回答“n 次中恰 k 次正面”的概率，而它和超几何分布有隐藏联系：在 Ω 中限定“H 恰出现 b 次”得到子空间 Ω1，对其条件概率 P1(A)=P(A)/P(Ω1)，此时研究“末 k 位恰 x 个 H”的概率，结果正由超几何方程给出，且与 p 无关。 外汇与贵金属价格序列常带非等可能和依赖性，伯努利不是唯一有效描述，实盘建模时别被它框死。