随机游走与趋势指标：你的指标真的有用吗？

一、随机游走是什么

把掷硬币结果记为 +1 / -1，累加和就是一条随机游走。它经过充分研究，具反正弦律、分形自相似等特性。把它套到价格上，是检验“技术信号是否真有信息量”的基准。

二、醉汉漫步理论

醉汉离开酒馆后的轨迹，与步数（掷硬币次数）的平方根成正比——这给出衡量“随机性 vs 非随机性”的标尺。若真实价格位移显著偏离 √步数，才说明存在非随机结构。

三、指标在随机序列上的表现

四、如何用 Z 分数检验

把策略在历史数据上的累计收益，与大量随机基准的均值/标准差比较，得到 Z 分数。只有 |Z| 足够大，才说明策略显著优于随机。

// 累计收益 vs 随机基准
double z = (actual_profit - mean_random) / std_random;
// |z| 很大才说明策略显著优于随机
if(MathAbs(z) > 2.0) Print("策略显著优于随机");

五、对交易的启示

• 任何新策略先和随机基准比，别被漂亮曲线迷惑。
• 必须做样本外检验，样本内拟合容易过拟合。
• 警惕“完美”的历史曲线，它往往是未来函数的产物。

六、用随机游走检验市场

随机游走假设价格变动不可预测。检验方法：把历史收益做序列相关性检验、游程检验，看是否显著异于随机。若某段显著异于随机，说明存在可被捕捉的结构（趋势或反转）；若 indistinguishable，则技术指标的边际很低。

这个检验能帮你「该用什么策略」：强趋势市适合跟随、均值回归市适合反转、接近随机的市场最好少做或只赚手续费差。

七、趋势指标在随机中的表现

把均线、MACD 这类趋势指标放在「已知是随机游走」的数据上测试：若它们也偶尔「赚钱」，说明那只是运气，不是指标有效。这给了你一个基准——真实策略必须稳定超过随机基准才算真有 edge。

八、用随机游走做策略基准

实务：每优化一个策略，都跑一组随机进场对照，确认策略稳定超过「无意义下注」的水平线。超过越多、越稳，策略越可信；若和随机差不多，趁早弃用，别被样本内巧合骗。

这比单一回测严厉，能筛掉大量看似有效实则噪声的策略，是治过拟合的利器。

九、随机基准的实操频率

建议每优化完一个策略、或每季度，都重跑一次随机基准对照。市场 regime 会变，去年稳定超过随机的策略今年可能失效，基准对照是低成本的「策略体检」。

若某策略开始和随机基准拉不开差距，就是退场或重构的信号，比硬扛亏钱体面得多。把基准当仪表，而非一次性检验。

十、把随机游走当护城河检测

一个策略如果能稳定超过随机基准，说明它抓住了市场结构；如果和随机差不多，说明它只是「在样本内运气好」。随机基准因此是你的护城河检测：过不了它，再漂亮的曲线也别信。

更进阶：对策略在不同市场 regime 分别跑随机基准，看它在趋势市和震荡市是否都超过随机。只在一种市况超过的策略，要配市况过滤，而非无脑全时段跑。

十一、小结

十二、蒙特卡洛：自己造一个随机基准

与其空谈，不如动手：把历史收益序列打乱一万次（自助法/bootstrap），每次重新累加得到一条“随机权益曲线”，取这些曲线的分布作为基准。把你的策略曲线叠上去，若它长期落在分布的上 5% 之外，才值得认真看待。这一步能立刻揭穿绝大多数“看起来很美”的指标。

十三、分形自相似意味着什么

随机游走是分形：无论把时间轴缩放多少倍，统计特征保持不变。真实价格只在“近似”意义上具备这一性质，且在剧变期会偏离。利用这一点，你可以对策略做多时间尺度验证——若在 1 分钟与 1 小时上都靠“噪声”赚钱，那大概率是过拟合而非真信号。