對信號的統計顯著性執行簡單的 alpha 估計測試
我正在尋找一些方向來測試一個簡單的入場信號是否具有統計意義。
假設這是我的簡單入場信號：
當某些指標具有正斜率並且在 3 個時間框架（5M、15M、60M）上高於零時買入
當指標具有負斜率並且在 3 個時間範圍內低於零時賣出。
我如何對這個信號進行統計測試，看看是否有要提取的 alpha？
我在想一些事情：
- 如果信號在進場後退出 1、2、3、N 個柱，則繪製信號的損益分佈。
- 如果進入點是隨機的並且退出點再次是 1,2,3, N 個柱，則繪製損益分佈。
我不確定從那裡去哪裡。
如何創建“隨機”入場信號？也許取第一個和最後一個報價之間的時間差並創建一個偽隨機時間進入。條目的數量必須等於從指標創建的非隨機信號的數量。另外，我說偽隨機是因為如果所有這些“隨機”信號都在一個短時間間隔內聚集在一起，那可能是不可取的。
然後，我應該尋找這些分佈的哪些特徵來確定指標信號在可以提取的潛在 alpha 方面是否具有任何統計意義。
任何方向或參考將不勝感激。由於可以完成許多不同類型的統計測試，因此很難找到任何特別相關的東西。
我認為實現您正在尋找的最簡單的方法是通過回歸係數假設檢驗。
- 在期望的時間範圍內對回報（y 軸）與日期（x 軸）執行線性回歸（5 個月執行一次，15 個月的數據集執行一次，60 個月的數據執行一次）。
- 作為回歸的結果，您將獲得係數 $ y = mx + b $ . 要檢查斜率是否與 0.0 顯著不同，您將對 m 執行 t 檢驗：
$$ t = \frac{m - 0.0}{SE(m)} = \frac{m}{SE(m)}, $$在哪裡 $ SE(m) $ 是標準誤 $ m $ . 取決於您如何進行回歸，但它可能會由軟體報告。 3. 使用 $ n-2 $ 自由度（其中 $ n $ 是回歸中包含的點數，查找 $ t $ 所需置信水平的值（典型值， $ \alpha=0.05 $ 對於 95% 信賴區間，CI)。讓這個值為 $ t_{critical} $ . 4. $ m $ 與 0.0 顯著不同，如果 $ t > t_{critical} $ .
斜率的符號可以通過調整原假設 ( $ m > 0 $ , $ m < 0 $ ) & 挑選不同的 $ t_{critical} $ 價值觀。
…除非我誤解了您的問題，否則這是我認為實現您所追求的方式之一。