如果價格是隨機遊走，是否可以使用二項分佈來估計交易策略？
如果價格只是隨機遊走，是否可以假設交易策略應該具有二項分佈？
使用事件的 p 為：
$$ \frac{AverageStopLossPercent}{AverageStopLossPercent + AverageTakeProfitPercent} $$
如果這是一個 XY 問題，請提供更多詳細資訊：
我想測試一些策略（我認為哪個策略並不重要，假設只是一個正常的 RSI 指標），如果我將止盈設置為 1%，止損設置為 1%，並且我執行了 30 筆交易，在隨機遊走市場中獲得 20 筆獲勝交易的機率是多少？
我要計算的是誤報的機會。因為在那個例子中 20/30 = 66%。如果市場只是隨機的，我猜所有策略都會有 50%（如果 TP/SL 比率為 1:1）。所以起初看起來不是隨機遊走，而是策略找到了一個模式。但是我們如何計算這是否是誤報呢？我的意思是，如果我們拋硬幣 30 次，我們也可以有 20 個正面，即使是公平的硬幣，對吧？
我在考慮使用二項式作為參考，在那個例子中 n=30, p=0.5, and k=20, 它給出了 k 到 n (k>=20) 的機率為 2%
所以我們可以說有 2該策略給出誤報的機率是多少？
對價格做出“無資訊內容”的假設以對此有一個參考水平是一個好主意 $ H_0 $ 假設。最好的方法可能是進行蒙特卡羅模擬，即盡可能多地模擬隨機遊走並記錄收益的完整分佈，因此您將獲得您的策略比這更好的機率 $ H_0 $ 一種方法是簡單地計算比您的想法更糟糕的蒙地卡羅模擬的百分比。
讓我更準確地說：
- 您採用您的策略使用的價格歷史時間序列
- 你估計它的共變異數矩陣和趨勢
- 使用這兩個統計數據，您可以模擬 10,000 條兼容的價格軌跡
- 你對他們應用你的策略
- 您獲得 10,000 PnL
- 您可以根據需要計算盡可能多的分數（例如夏普比率）
- 您對策略的得分與 10,000 分的分佈進行比較，即這些策略比您的差的百分比
- 越接近 100% 越好。
最後一句話：您可以用任何其他生成模型替換第 2 步和第 3 步，例如引導程序或 GAN/自動編碼器（因為現在任何答案都必須引用機器學習！）。
您所描述的不是二項式。順便說一句，它以百分比表示，但百分比並不是使某事物成為二項式過程的原因。雖然我不知道這裡的概似函式是什麼，但您正在創建的是某種形式的比率分佈。這不會很有幫助，因為您的模型沒有顯示它是如何生成的。你看到的是結果。
我看到了你的另一個文章。
您不能通過使用歷史數據來估計誤報。誤報取決於模型。你的零假設和你的統計範式決定了你的誤報率。
如果你看看 Lehalle 的回答，他告訴你的其實是關於建模的。他假設您正在創建一個空模型。根據你的另一個問題，你不是。
如果您使用 Lehalle 的建議，那麼您將需要控制多重比較。您的另一個問題意味著您可能正在搜尋數百個模型。我建議使用類似 Holm-Bonferroni 方法的方法。它會使您的大部分陽性結果為陰性。您可以在Holm-Bonferroni 找到它。
您還應該查看諸如 AIC 之類的東西來選擇模型，但這意味著您知道您的概似函式。它在AIC。