评估回测声明：夏普比率 vs. 通缩夏普比率

关于下文引用的数据。 本文中的一些统计数据来自 V12 宇宙队列（227,594 份 BUY 申报，截至 2024 年）。自 2025-01-01 起，实时样本外 BUY 宇宙（28 个市场）显示，在 20,688 份申报中，胜率为 52.96%，平均 90 天回报率为 +8.59%。请参阅方法论了解当前数据，并参阅 STRATEGY_PROOF 部分了解冻结的审计参考。

一个夏普比率漂亮但未考虑选择偏差的回测，不是证据，而是带有小数点的营销。

夏普比率 vs. DSR，如何解读我们公布数据中的回测声明

回溯测试中充斥着在可疑的宽容条件下产生的自信数字。夏普比率是常见的头条数据，它整洁、熟悉，并且经常被赋予超出其应有的权威。它确实有用，但其作用仅限于血压读数。一个数字可能很重要，但它对整个病人的概括能力可能很差。

对于一个涵盖内幕交易并发布业绩页面的出版物来说，这一点很重要。读者应该能够区分真正稳健的策略和那些仅仅在参数调整的竞争中幸存下来的策略。这种区别并非学术性的，它是证据与过度拟合的表演之间的差异。

去偏夏普比率（Deflated Sharpe Ratio，简称DSR）是完成这项工作的更好工具之一。它由大卫·贝利（David Bailey）和马科斯·洛佩斯·德·普拉多（Marcos López de Prado）于2014年提出，提出了一个简单而略显无礼的问题：考虑到可能尝试过的策略数量、收益的形态以及样本长度，这个夏普比率到底有多令人惊讶？许多回溯测试都不喜欢被问到这个问题。

夏普比率有用，但极易被过度推销，存在危险

夏普比率之所以仍然是标准，是因为它回答了一个合理的首要问题：策略每单位波动性带来了多少超额收益？在其他条件相同的情况下，越高越好。它足够简单，便于在不同策略之间进行比较；也足够普遍，读者大致知道什么算是弱、尚可或好得可疑。

最后一种情况值得强调。

1.2的夏普比率可能令人印象深刻。它也可能是300个变体中表现最好的幸存者，每个变体都有略微不同的持有期、市场筛选、流动性限制和事件窗口。当获胜的规格呈现在页面上时，那些失败的“表亲”已经被悄悄地埋葬了。因此，发布的夏普比率不仅反映了策略本身，也反映了发现该策略的搜索过程。

夏普比率衡量什么

夏普比率在最佳状态下，是已实现平均超额收益相对于已实现波动率的简洁概括。它对于以下方面很有用：

• 比较同一数据集上的变体，
• 检查收益流是否主要由噪音构成，
• 在进行更深入的尽职调查之前对策略进行排名。

如果两个策略是诚实构建的，基于可比较的数据，具有相似的换手率和实施假设，那么夏普比率是一个不错的起点。

夏普比率不衡量什么

夏普比率无法知晓：

• 在此之前尝试了多少个想法，
• 收益分布是否偏斜或存在肥尾，
• 策略是否依赖于某个异常时期，
• 交易成本是否被慷慨估计，
• 研究人员是否在图表看起来不错时就停止了研究。

这是阅读任何回测声明的第一条实用规则：没有背景信息的夏普比率只是一个诱饵，而非结论。

为何内幕交易策略特别脆弱

基于内幕交易申报的事件驱动策略是意外过拟合的沃土。有许多“旋钮”可以调整：

• 仅买入，或买入并卖出，
• 仅限CEO，仅限C级高管，或所有内幕人士，
• 集群交易与单一交易，
• 价值阈值，
• 申报滞后假设，
• 持有期从几天到几个月不等，
• 特定国家的披露规则，
• 流动性和市值筛选器。

每个选择都可以被合理化。这正是问题所在。庞大的研究空间使得仅凭偶然就能发现看似重要的东西。如果文章只报告了“赢家”，那么夏普比率就会因隐藏的多重检验而失真。

修正夏普比率是回测的尴尬审计

修正夏普比率旨在解决一个行业已非常擅长忽视的问题。研究人员展示了来自大量测试策略的诱人夏普比率，这些策略通常具有非正态收益分布，而读者却将这些夏普比率视为来自单一清晰假设检验的结果。

Bailey和López de Prado提出了一种同时考虑三个因素的修正方法：

1. 观察到的夏普比率，
2. 观察次数和收益分布的特性，特别是偏度和峰度，
3. 试验次数，或有效独立的策略变体数量。

其结果不仅仅是一个更漂亮的比例。它是一种基于概率的评估，用于判断在承认数据挖掘问题后，观察到的夏普比率是否可能真正高于基准。

DSR 的直观理解

假设您测试了一个策略，并在一个相当长的样本期内获得了 1.0 的夏普比率，且回报表现良好。这可能很有趣。

现在假设您测试了 500 个变体，其中表现最好的一个夏普比率为 1.0。这就没那么有趣了。在足够大的搜索空间中，总会有人看起来很聪明。

DSR 旨在衡量观察到的夏普比率是否超过了从众多幸运抽样中选出的最佳结果所预期的夏普比率。然后，它会根据有限样本效应和非正态性进行调整。结果是对相同业绩记录的更持怀疑态度的解读。

这种怀疑态度通常是健康的。

为什么非正态性很重要

许多事件驱动型策略，包括那些基于内幕交易申报的策略，不会产生整洁的高斯回报流。它们可能是：

• 正偏或负偏的，
• 暴露于集群式回撤，
• 依赖于稀疏事件，
• 对流动性冲击敏感。

一个简单的夏普比率将所有这些压缩为均值和方差。DSR 在显著性调整中明确纳入了偏度和峰度。这很重要，因为回报不稳定的策略在夏普比率方面可能看起来比其真实统计可靠性所保证的要好。

DSR 并非魔法，但更难被意外操纵

没有任何指标可以挽救一个根本上糟糕的研究设计。如果成本被忽略、时间戳错误或信号泄露了未来信息，DSR 也无法挽救这篇论文。但它确实提高了举证责任。它迫使作者承认该策略并非凭空产生。

仅此一点就是进步。

多重测试是大多数业绩页面中隐秘的“反派”

这个短语听起来很专业，但其机制却很普通。如果你尝试足够多的方法，其中一个就会偶然成功。金融研究尤其容易受到影响，因为设计空间巨大，而且激励机制也毫不含糊。

出版物需要一个清晰的故事。基金需要一份引人注目的演示文稿。研究人员希望避免写“我们测试了84种变体，其中大多数都是垃圾”。结果就是一种熟悉的非对称性。成功是显而易见的，失败则被掩盖。

隐藏试验的家族

当我们评估内幕交易策略时，真实的试验次数通常多于正式的模型计数。它包括：

• 替代事件定义,
• 阈值调整,
• 不同的再平衡频率,
• 子周期排除,
• 基准选择,
• 缩尾规则,
• 成本假设,
• 区域子集。

即使是决定报告某张图表而非另一张图表，也是选择过程的一部分。独立试验的有效数量可能难以估计，但假装它只有一个显然是错误的。

为什么p值不足够

传统的显著性检验会有所帮助，但它们通常假设一个预先指定的单一假设。回测很少符合这一假设。当一个策略被发布时，其发布过程可能涉及许多非正式的检查和修订。此时，名义p值低估了真实的错误发现风险。

DSR 就是为这种现实而设计的。虽然不是唯一可用的修正方法，但它是策略评估中最实用的方法之一，因为它使用从业者已经熟悉的语言，即 Sharpe。

典型的滥用模式

这种模式几乎过于完美：

1. 从一个广泛的事件域开始。
2. 尝试几种筛选器。
3. 保留最强的子组。
4. 调整持有期。
5. 调整成本假设，直到净收益线仍具吸引力。
6. 发布最佳夏普比率，就好像它是最初的假设一样。

这不一定是欺诈。通常，这只是在截止日期压力下的普通研究行为。对读者的影响是相同的。

我们应该在/performance上发布什么，以及我们应该停止暗示什么

如果一个绩效页面是为了提供信息而不是为了给人留下深刻印象，它应该报告足够的内容，让读者判断其稳健性。这意味着标题指标不能是全部。

本文发布的数字无法从实时数据块中获取，因此具体的夏普比率和DSR值是不适用。没关系。说不适用总比即兴编造一个数字并希望没人注意到要好。报告框架仍然很重要，因为它决定了未来的数字应该如何呈现。

最低指标集

一个合理的内幕交易策略回测绩效页面应包括：

• 年化收益率,
• 年化波动率,
• 夏普比率,
• 最大回撤,
• 换手率,
• 估计交易成本,
• 样本开始和结束日期,
• 事件或交易数量,
• 使用的基准,
• DSR或等效的多重测试感知显著性检验。

没有这些，夏普比率就脱离了背景。一个夏普比率为1.1但换手率极高的策略，可能不如一个夏普比率为0.8但实施阻力较低的策略更具投资价值。

最低披露集

仅有指标是不够的。我们还应披露：

• 规范是预先注册的还是在探索后选择的,
• 测试变体的近似数量,
• 报告结果是样本内、样本外还是滚动前进的,
• 如何处理申报时间戳和发布滞后,
• 是否包含退市证券,
• 收益是按市值加权还是等权重加权。

这些细节并非无关紧要。在内幕交易研究中，仅时间戳处理就能决定一个信号是合理还是虚构。

实践中DSR应如何呈现

一个清晰的实现无需让读者淹没在符号中。它可以呈现：

• 观察到的Sharpe,
• 假设的试验次数或有效独立测试次数,
• 样本长度,
• 偏度和峰度调整,
• 最终的DSR或真实技能的概率。

如果试验次数不确定，请报告一个范围。例如，“假设有20到50次有效试验，DSR仍高于阈值，但在100次试验下则低于阈值。” 这比一个没有附带任何假设的单一精确数字更具信息量。

我们为何应抵制过度简化的诱惑

业绩页面通常会简化，因为读者喜欢简洁的仪表板。这很合理。但当不确定性被隐藏时，简化就变成了扭曲。一个策略可能拥有可观的原始Sharpe，但DSR却很弱。这并非矛盾。它暗示了结果可能更多地归因于搜索而非信号。

读者能够理解这一点。他们已经明白毛收益和净收益有所不同。他们也能理解原始Sharpe和经调整的Sharpe有所不同。

阅读我们自己发布的数据，不自欺欺人

由于本文未获取实时业绩数据，我们无法讨论我们/performance页面上的具体当前Sharpe或DSR。正确的值是n/a。但这里仍有一个有益的练习：读者应如何解读一旦发布的数据？

如果原始Sharpe很高且DSR也很强

这是最佳情况。它表明即使考虑了多重测试和收益形态效应，该策略的业绩依然显著。它不能证明未来的成功，因为市场并非必须重复自身，但它确实表明结果不太可能是统计上的海市蜃楼。

一个可靠的解读仍会提出以下问题：

• 是否存在一个清晰的样本外（OOS）时期？
• 成本是否现实？
• 信号在经济学上是否直观？
• 结果在不同地区和子时期是否依然成立？

如果原始夏普比率很高但DSR较弱

这种情况很常见，而且与其说是令人尴尬，不如说是更具启发性。这通常意味着以下三点之一：

1. 相对于样本量，探索的变体过多；
2. 收益过于不规律，使得观察到的夏普比率缺乏说服力；
3. 效应集中在数据的一个狭窄部分。

在这种情况下，正确的编辑立场不是埋没该策略，而是对其进行正确标注。“有趣，但尚未稳健”是一个值得尊重的结论。这比假装一个选美冠军是自然法则要好得多。

如果两者都一般

那么该策略仍可能作为组成信号、风险分散器或研究线索而具有价值。并非所有有用的策略都值得拥有一个独立的英雄页面。有些策略属于复合策略，其中适度的独立优势可以组合成更稳健的东西。

如果策略仅在经过多重筛选后才有效

将其视为假设生成器，而非产品。在内幕交易数据集中尤其如此，其中子群切片可以围绕微小样本创建有说服力的叙述。“法国微型工业公司CEO在集群式下跌后买入”可能确实曾经奏效。这也可能是统计学上在烤面包中发现耶稣的等价物。

针对读者、编辑和研究人员的实用框架

所有这一切的目的不是用一个迷信的数字取代另一个。DSR之所以有帮助，是因为它强制执行纪律，而不是因为它赋予确定性。一个好的报告标准应该让薄弱的证据看起来薄弱，并让强有力的证据更难伪造。

致读者：立即提出三个问题

当您看到回测声明时，请问：

1. 在此之前可能尝试了多少种变体？
2. 是否有任何考虑了多重检验的指标，例如DSR？
3. 实施假设是否可信？

如果第二个问题的答案是否定的，而第一个问题显然是“很多”，请大幅降低您的信心。

致编辑：发布前需要什么

编辑核对清单应要求：

• 原始夏普比率,
• 经调整的显著性检验,
• 样本长度和事件计数,
• 明确的成本假设,
• 至少一项稳健性测试,
• 关于选择过程的说明。

这并非官僚主义的繁琐。这是阻止发布虚假精确度的最低要求。

致研究人员：如何提高结果经受审查的几率

尽可能预先指定。保留一份测试变体的研究日志。预留一个真正的样本外（OOS）时期。使用切合实际的执行假设。在内部报告负面发现。最重要的是，在证明您最喜欢的结果无罪之前，假定它有罪。

这听起来可能很严厉。但它比在发布后才发现alpha只是一个格式选择要便宜得多。

内幕交易研究的更广泛教训

内幕交易申报之所以引人注目，是因为其背后的经济故事引人入胜。管理者比外部投资者更了解自己的公司。有时他们买入是出于重要的原因，有时他们卖出是出于无关紧要的原因。信号是合理的，但合理性并不能使其免受过度拟合的影响。

一个大型数据集，而我们的数据集根据简报涵盖了162,000份申报，这既增加了机会也增加了诱惑。更多的观察结果可以带来更好的推断，但也可能导致更多的切片、更多的子组故事和更多的偶然发现。规模是有益的，但它并非万能。

为什么现在这更重要

业绩页面会传播。一份作为研究发布的图表，午餐时就可能被截图用于营销。一旦夏普比率脱离了其限制条件，它就获得了虚假的尊严。补救措施不是停止发布业绩，而是以足够的结构发布，让限制条件与主张一同传播。

更好的标准会是什么样子

一个成熟的内幕策略报告标准将使以下项目成为常规：

• 原始夏普比率和DSR并列显示，
• 明确说明试验次数假设，
• 样本外结果与样本内结果分离，
• 优先考虑扣除成本后的业绩而非总业绩，
• 记录事件时间戳方法。

这并不能消除分歧。它会提高分歧的质量，这通常是实证金融中能做到的最好情况。

我们应该持续提出的开放问题

在实践中，DSR最困难的部分是估计有效独立试验次数。研究人员知道测试的变体字面数量，但并非所有变体在统计意义上都是独立的。20天和21天的持有期并非独立的概念。如果重叠很大，“仅限CEO”和“C-suite”也并非独立。

这就是判断力发挥作用的地方，也是透明度最重要的原因。出版物不应假装估计是精确的。它应该解释范围，并显示结论对该范围的敏感程度。

这是量化报告的成熟版本。更少浮华，更多可信度。

下一步是具体的：在我们的/performance页面上，将每个已发布的Sharpe比率与一个声明的试验次数假设和经过通缩的显著性检验配对，然后重新审视那些仅因为没有人询问找到它花费了多少次尝试而看起来坚固的传统策略的标题数字。

编辑注：本文在没有实时网络研究（Grok在此生成批次中不可用）的情况下编写。常青来源已在上方引用；数值声明取自我们截至2026-05-17的数据库快照。

Insiders Trades回测队列

我们回测数据的分析揭示了在大量样本规模下交易策略表现的关键见解。在涵盖17个市场的220,691笔买入队列定价交易中，平均90天回报率为-1.70%，胜率为41.82%。该队列的年化Sharpe比率为-0.08，与更广泛的全球范围（包括227,594份买入申报）的总体结果相似，后者也报告了平均90天回报率为-1.70%和总Sharpe比率为-0.08。这些数字突显了交易者在实现正回报方面面临的挑战，并强调了Sharpe比率和通缩Sharpe比率在评估策略表现方面的相关性。然而，必须考虑到这些结果是基于特定的样本量和90天的时间范围，这可能会影响所得出结论的稳健性。

深入了解

本文是我们使用内幕数据系列的一部分。相关阅读：

• 使用我们的REST API构建量化模型：亲自重现这些数字
• 内幕研究中的幸存者偏差：另一个无声的回测杀手
• 综合评分审计：已发布策略背后的权重
• 如何解读内幕交易：这些统计数据衡量的信号

当前的样本外结果、测试窗口和审计追踪可在绩效页面和方法论页面上查看。

最后审阅 · 2026-05-18 · 作者 Simon Azoulay · 来源：SEC EDGAR、AMF BDIF 和其他28家监管机构。