用统计检验给指标“验身”：正态性、平稳性、自相关与回归诊断
交易者爱用各种指标“更清楚地”显示报价，但很少有人追问：这个指标对我的交易品种到底适不适用？它的结果可信吗？本文的核心主张是——除非先解决“报价转换”和“结果可信度”两个问题，否则用指标建交易系统就是盲猜。下面是一套给指标“验身”的统计方法。
一、为什么指标“看起来好用”不等于“真的有效”
报价本质上是某个随机过程（含确定型趋势分量 + 带漂移的随机分量如群体心理）的间接测量。非平稳性是它的共性。指标作者从不考虑指标对某具体品种报价的适用性，但经济学有工具能评估“这个指标能不能用、用了结果可不可信”。我们拿三个常见指标（趋势直线、EMA、Hodrick-Prescott 滤波器）来拆这个问题。
二、用概率语言描述报价：样本 vs 总体
我们永远只能拿到市场总体的一个样本（某段时间的报价）。样本统计和总体统计有偏差，因为相对频率和概率不是一回事。描述性统计里，直方图看分布形状，算术均值在正态分布下才等于中值，标准差衡量离散，偏斜度看不对称、峰度看尾部厚薄。这些概念是后面所有检验的词汇表。
- 直方图：看随机值频率分布，极端情况接近概率密度
- 均值/中值：正态分布下二者一致；中值对离群值不敏感
- 标准差/方差：衡量离散，但不排斥离群值
- 偏斜度（Skewness）：分布不对称性指标
- 峰度（Kurtosis）：常态为 3，>3 表示尖顶厚尾
三、描述性统计与正态性检验（Jarque-Bera）
判断指标值是否近似正态，用 Jarque-Bera 检验，零假设是“分布为正态”。如果检验的 p 值较大（比如 0.04），意味着“接受零假设的概率”是 96%，即基本可视为正态。但外汇实际报价往往通不过——直方图会出现破坏钟形的“双顶”。正态性不成立，很多基于均值/方差的经典指标前提就垮了。
四、平稳性与单位根检验（Dickey-Fuller）
若报价的数学期望和方差不随时间变，叫平稳；实际外汇报价不平稳，含趋势、循环、异方差（变方差）。检验平稳性最基础的是单位根检验，最著名的是迪基-福勒（Dickey-Fuller），零假设是“报价非平稳（有单位根）”。做检验前要靠肉眼判断报价里有没有趋势——这一步没法全自动，是统计与经验的接口。
五、自相关与 Ljung-Box Q 检验
自相关衡量报价各元素间的相关性（-1 到 +1），找趋势时极有用。它的存在直接挑战“报价是独立随机值”的假设。统计软件里自相关配 Ljung-Box Q 统计量和 p 值：零假设是“不存在自相关”。做数理统计的第一步，往往是从报价里剔除自相关（也就是去趋势），否则后续所有结论都站不住。
六、指标诊断：回归的三组检验
把指标看成对报价的“回归”，诊断分三组。比率诊断：置信椭圆看系数相关性、缺失/冗余变量检验、断点检验（趋势反转时指标是否仍稳）。余数诊断：对余数做序列相关、正态性（Jarque-Bera）、异方差性（怀特异方差检验）检查——余数越接近正态，说明指标剥离趋势越干净。稳定性诊断：递归余数、提前一步预测、比率递归估值，追踪参数随样本增长的漂移。
七、余数诊断与过拟合警示
单位根检验显示余数分布比原始报价更接近正态，但余数若仍依赖时间，回归系数就会不稳。怀特异方差检验的零假设是“无异方差”，显著则说明要改指标或建模异方差。递归余数估值最能抓“不稳定”：如果随着数据增加某系数突变，基本就是碰上结构断点。技术分析里大量“自适应”指标从未被证明有真实需求，递归估值正好能验证这一点。
八、小结
给指标验身不是炫统计，而是给你自己省钱：正态性（Jarque-Bera）看分布前提、平稳性（Dickey-Fuller）看前提是否成立、自相关（Ljung-Box）看趋势是否剥离干净、回归三组诊断看指标在历史上有没有稳定解释力。这套流程跑完，你才知道一个指标是“真有货”还是“刚好拟合了那段行情”。把它当成上线前的必检清单，比任何“祖传指标”都靠谱。