蒙特卡洛检验：把交易顺序打乱一千次，看你的成绩还剩多少

你按一套规则做了三十笔交易，赚了。翻开记录一看，前面十几笔顺风顺水，中间有过一段难受的回撤，最后又拉回来了。资金曲线整体向上，最深的那次回撤看着也还能忍。你的结论很自然：这套规则是能用的。

先别急着下结论。换个问法——如果这三十笔交易的盈亏数字一模一样，只是发生的先后顺序不同，你的体验还会是这样吗？

把「先赚的那几笔」挪到最后，把中间那几笔亏损集中到开头，总账一分钱都不会变，可你在第八笔的时候可能已经吓得停手了。这件事一旦想明白，你会开始怀疑一个更根本的问题：你看到的那条漂亮曲线，有多少是规则的功劳，有多少只是这一次的排列刚好长这样。

蒙特卡洛检验，做的就是这件事：把顺序打乱很多很多次，看看你实际拿到的这一条，在所有可能的排列里排第几。

先说人话：一副牌和一个顺序

想象你和朋友玩扑克，一整晚打了三十把。到最后你赢了一千块。

现在设想有个平行世界，牌还是那些牌，输赢的金额还是那些金额，只是发生的顺序被重新洗过。在某些平行世界里，你开局就连输八把，钱包见底，中途愤而离桌——尽管按完整顺序走下去你本该赢一千。在另一些平行世界里，你开局连赢，越打越顺，最后照样赢一千，但整晚心情舒畅。

同样的一批结果，同样的总账，完全不同的过程。 而你唯一亲身经历的，只是这无数个平行世界中随机的一个。你却拿这一个，去评价自己牌技如何。

蒙特卡洛这个名字来自赌城，它的意思很朴素：遇到算不清的问题，就随机试很多次，用试出来的分布当答案。 这里的「很多次」不是修辞，是真的让电脑跑上千遍。打乱顺序、重算一遍成绩、记下来；再打乱、再算、再记。跑完之后你手上不再是一个数字，而是一整片分布——你会看到「这套规则在各种运气下大概能长成什么样」，而不只是「它这一次长成了什么样」。

投资层：为什么顺序能改变一切

这一节值得慢慢看，因为它牵扯到你会不会在错误的时刻放弃。

第一，总收益跟顺序无关，但回撤跟顺序关系极大。 一串数字相加，怎么加都是那个和。可最大回撤——也就是资金从最高点掉下来最狠的那一次——完全取决于亏损有没有扎堆。三笔亏损散在三年里，你几乎没感觉；三笔亏损连着发生，你的回撤可能直接翻倍。规则一个字没改，你的煎熬程度差了一倍。

第二，你不是活在期末，你活在过程里。 回测算完给你一个终值，那是上帝视角。现实中你是一格一格往前走的，走到某一格如果亏得受不了，你就下车了——下车之后，后面那段本该属于你的收益跟你再无关系。所以真正决定你能不能拿到那条曲线的，不是终点有多高，是路上最难受的那一段有多难受。这也是仓位与破产风险那篇反复强调的事：先活下来，才谈得上复利。

第三，「连赢七次」经常什么都不说明。 抛一枚公平硬币一百次，出现连续七次正面几乎是必然的。人看到连续七次会立刻编出一个故事——「我摸到规律了」。可这只是排列本身自带的结构。想深挖为什么人会在随机里看见规律，大数定律与赌徒谬误那篇讲得更细。

第四，也是最容易被忽略的：漂亮的资金曲线本身，就是一种排列。 你不会去检验一条难看的曲线，因为它一眼就被淘汰了。留在你桌面上的，往往正是那些顺序恰好排得好看的。这是一层筛选，而蒙特卡洛就是用来把这层筛选量化出来的工具。

系统层：它在真实系统里长什么样

Vibe-Trading 把这类统计检验单独放在一个验证模块里，文件开头写得很清楚：这里有三件互相独立的工具，蒙特卡洛置换检验、Bootstrap 夏普置信区间、滚动前进分析。第三件是另一个话题（见 滚动前进验证），这里只看前两件。

置换检验：p 值其实就是数数

它的做法朴素得让人意外。先把每一笔已完成交易的盈亏取出来，排成一个数组；算出实际顺序下的成绩作为基准；然后进入循环——每一轮把这个数组随机打乱一次，重新算一遍成绩，和基准比一比，比得上就记一笔。

核心的几行是这样：

for i in range(n_simulations):
    shuffled = rng.permutation(pnls)
    sim = _path_metrics(shuffled, initial_capital)
    if sim["sharpe"] >= actual["sharpe"]:
        sharpe_count += 1
    if sim["max_dd"] >= actual["max_dd"]:  # less negative = "better"
        dd_count += 1

跑完之后，sharpe_count / n_simulations 就是输出里那个 p 值。

所以 p 值到底是什么？就是「随机打乱出来的成绩里，有多大比例至少和你实际那次一样好」。 没有任何玄学。这个比例越小，说明你实际拿到的这条路径在所有排列里越靠前；越接近 1，说明随手一洗牌就能洗出比你更好的结果。

这里的「成绩」在源码里由一个小函数算出，也值得看一眼它衡量的是什么：

equity = initial_capital + np.cumsum(pnls)
returns = np.diff(equity) / equity[:-1]
sharpe = float(returns.mean() / (std + 1e-10) * np.sqrt(252))
peak = np.maximum.accumulate(equity)
max_dd = float(((equity - peak) / peak).min())

第一行是把盈亏逐笔累加成资金曲线，第三行的夏普比率可以粗略理解成「每承担一单位波动换来多少收益」（更细的分辨见 夏普与索提诺），最后两行是记录历史最高点、再看跌得最狠那次有多狠。注意 np.sqrt(252) 里的年化天数在源码里是个可配置参数，当前默认按一年 252 个交易日折算；那个 1e-10 只是防止除零的工程细节，别当成什么金融含义。

关键在于：这两个指标都依赖累加顺序，而总盈亏不依赖。 打乱重排之所以有意义，正是因为它在「总账不变」的前提下，专门去动那些对顺序敏感的东西。

前端把结果画成一张扇形图：中间是你实际的那条曲线，周围是打乱出来的一大片路径，以及它们的分位带（源码里取了从低到高几档分位线）。你一眼就能看见自己那条线是穿过这片云的中间，还是贴着上沿走。当路径矩阵规模过大时，源码会跳过这份画图数据以免撑爆内存——这是纯粹的工程取舍，不影响 p 值本身。

界面上还会给一个「是否显著」的标记，判据用的是统计学里那个流传最广的惯例阈值。这里要提醒一句：那个阈值是学术圈的约定俗成，不是自然规律，源码里也就是一行比较。把 p 值的第三位小数拿来纠结，或者把「刚好过线」当成通行证，都是误读。

Bootstrap：换一种打乱法，问另一个问题

同一个文件里的第二件工具改了打乱的对象。它不再动顺序，而是从你的收益序列里有放回地重新抽样——抽出和原来一样多的样本，允许同一天被抽中好几次，也允许某些天一次都不被抽中：

sample = rng.choice(returns, size=len(returns), replace=True)
boot_sharpes.append(_sharpe(sample, bars_per_year))

跑上千轮，就得到一大堆夏普值。取两端的分位数，就是置信区间——用人话说：如果这段历史只是无数种可能样本里的一种，那么夏普这个数字大致会在多宽的范围里晃。输出里还有一项叫 prob_positive，就是这堆模拟里夏普大于零的比例，直白得可爱。

它的测试文件里有一条断言把机制点破了：置信度定得越高，算出来的区间越宽。这很符合直觉——你要求「更有把握地覆盖住」，就只能把网撒得更大。一个报出来的夏普数字，背后其实是一段区间；区间宽到跨过零，那这个数字就没什么好炫耀的。

三种「蒙特卡洛」，问的不是同一件事

「蒙特卡洛」这个词被用得太滥，同一个名字底下至少三种做法，回答的问题完全不同。摆在一起才看得清：

做法	随机的是什么	回答什么问题
置换检验（打乱顺序）	已有交易的先后次序	我这条曲线的形状，有多少是排列排出来的
Bootstrap（有放回重抽）	收益样本本身	我报出来的这个指标，有多不稳
路径模拟（如几何布朗运动）	按假设凭空生成未来路径	在某个假设下，未来可能有多糟
你的日常	——（没有随机，只有唯一一次）	用发生过的这一次，证明自己有能力

第三种在该项目的风险分析文档里出现过，用来做风险价值的第三种算法：给定漂移和波动率参数，生成大量假想路径，再取分位数。它和前两种有个本质差别——前两种只在你真实发生过的数字里重新排列组合，第三种是拿一个数学假设造出全新的数据。 造出来的东西有多可信，完全取决于那个假设有多离谱。如果你假设收益服从正态分布，那模拟出来的极端行情永远不够极端，这一层的坑在正态分布与肥尾里讲得很透。

最后一行才是重点：你自己做投资时，手上永远只有一次实际发生的样本。蒙特卡洛的全部价值，就是给你造出那些本来不存在的平行世界，让你看见「我这次的结果，在运气的分布里站在哪」。

随机数是可复现的

顺带说个容易让人困惑的点。这类模拟都会接受一个随机种子参数，测试里专门有一条：同样的种子跑两次，p 值完全相同。

「随机」和「可复现」听起来矛盾，其实不矛盾——电脑生成的是伪随机数，给定起点，整条序列就是确定的。这在检验里是必须的，否则你今天算出的结论明天就变了。

freqtrade 里有个不相干但同思路的细节可以对照着看：它有个把交易对列表打乱的过滤器，源码里明确区分运行模式——回测时套用固定种子以便结果可比，实盘时不设种子。同一份随机，在需要复核的场景里被钉死，在需要真随机的场景里被放开。

它治不了什么病

这一节比前面所有内容都重要，因为这是最常见的误用。

置换检验不能证明你的策略不是过拟合的。 想清楚它的原假设是什么：「同样这一批盈亏数字，随机排个序」。它随机的只是顺序，那批盈亏数字本身被当成既定事实照单全收。所以如果你的规则是靠反复调参、从历史里挑出一批恰好赚钱的交易得来的，那么这批数字怎么打乱，每一条路径都在赚钱——p 值会漂亮得不得了，而策略依然是过拟合的。它检验的是路径，不是样本的来路。 这一层要靠别的办法对付，见过拟合：把噪音当成规律。

打乱顺序这个动作本身带着一个强假设：交易之间可以互换。 现实里不能。同一段暴跌行情里的几笔交易天然相关，它们的亏损扎堆不是巧合，是同一个原因造成的。打乱之后，这种相关性被人为抹平了，模拟出来的分布因此会比现实更温和——扎堆的坏事被打散了。对趋势跟踪这类「收益高度集中在少数几段行情」的做法，这个抹平尤其失真。

模拟里的最坏路径，不是最坏情况。 重排只能用你已有的那些数字，你的样本里没见过的灾难，它一个也变不出来。一段只覆盖平稳行情的历史，无论打乱多少次，都模拟不出一次真正的崩盘。

交易笔数太少，这套检验没有意义。 源码对此设了硬门槛：少于三笔直接返回错误，连算都不算。道理很简单——三笔交易一共只有六种排列，你数出来的那个比例粒度粗得没法用。笔数越少，p 值越不可信，这跟回测到底在算什么里说的样本量问题是同一回事。

p 值小，不等于会赚钱。 它只说明「这条路径不太像是随手排出来的」。一套统计上显著、但预期收益覆盖不掉交易成本的规则，仍然是赔钱的规则。显著性和盈利能力是两个维度。

你能立刻用上的那一半

不写代码的人，其实也能拿走这套思路的核心。

翻出你自己的交易记录，把每一笔的盈亏抄成一列数字。别管日期，随手换几个顺序，用纸笔或表格重新累加一遍，看看资金曲线会长成什么样。你大概率会看到某几种排法下，中途的回撤深到你根本扛不住。那个深度才是你真正承担的风险，而不是你实际经历的那一次。

再往前一步：如果连你自己都承认「换个顺序我就下车了」，那说明当前的仓位对你来说本来就偏重。风险管理不是等亏损来了再反应，是提前按最难受的那几种排列来定量。这条线索接的是风险管理卷里那套仓位纪律。想把这件事从「感觉扛不住」变成一个数，破产概率测算器干的就是同一件事——它按胜率、赔率和单笔仓位反复模拟，告诉你在坏排列里被打光的概率有多大。这条线索接的是风险管理卷R里那套仓位纪律。

小结

• 蒙特卡洛检验 = 把发生过的结果随机重排很多次，用得到的分布回答「我这一次的成绩，在运气里排第几」。
• 打乱顺序不改变总盈亏，但会大幅改变回撤和夏普——因为这两个指标依赖累加的先后，而总和不依赖。 你活在过程里，不活在期末。
• p 值不是玄学，就是数数：随机排列中成绩不输给你的那部分占了多大比例。界面上的显著性标记用的是学术惯例阈值，那是约定不是真理。
• 三种同名做法要分清：置换检验换顺序、Bootstrap 换样本、路径模拟造新数据；前两种只在真实发生过的数字里折腾，第三种的可信度全押在假设上。
• 它的天花板很明确：随机的只是顺序，所以治不了过拟合；打乱抹平了交易间的相关性，会让模拟比现实更温和；样本里没有的灾难，重排也变不出来；交易笔数太少则粒度太粗，源码干脆拒绝计算。

一句话记住这篇：你只经历过一种顺序，别把这一种当成你的本事。

本文所引源码与文档均来自上述快照版本，是阅读代码得出的机制说明，不是运行结果；具体行为请以你手上那个版本为准。回 量化与 AI 投研概念库 看其它概念各自在说什么；本站内容为投资教育，不构成任何投资建议，边界见 免责声明。