一份研究报告写：“p值只有0.001，策略已被证明有效。”小林正准备继续看收益，发现报告中的优势每期约0.20个百分点，实施成本却假设要0.25个百分点。就算统计计算没有错，这项优势还能留下什么？
统计检验与投资价值在回答不同问题。我们先读完一份条件明确的小检验，再把成本加回去。关键不是记住一个神奇阈值，而是知道这个数字比较了什么，以及它没有证明什么。
这次要解决的问题
- 解释零假设、效应、区间与p值，不把它们混成成功概率。
- 比较两份检验结果，区分证据不足与没有效果。
- 为一次检验保存事前设定、数据假设、成本及后续验证缺口。
先把要检验的问题写在看结果之前
以下是独立合成的统计机制练习，不是C2真实回测，也不修改C4账本或C6既定业绩卡。设有十次相互独立、同分布的实验，每次覆盖相同长度，记录策略收益减同口径基准收益的差；为简单t检验另假设该差来自正态总体，均值和方差未知。
这些条件是演示模型，不是从十个数据点里检验出来的事实，更不表示金融收益天然符合正态或独立。数值单位统一为“个百分点”，尚未扣本例另列的实施成本，不涉及风险调整Alpha。
在展示结果前，把问题固定为：“总体平均毛主动收益是否不同于0？”零假设是总体均值等于0，备择是假设均值不等于0。我们预先采用双侧检验，因为正向和负向差别都属于问题，而不是看见正收益后才改成只找正向。
再预先指定5%的显著性水平，作为这次教学中的拒绝规则。它是方法约定，不是科学界替投资批准的安全线。若关心的是扣费后均值是否大于某个经济门槛，就应另行预先定义相应问题，不能拿毛收益检验偷换。
十个观察，先读效应再读检验
给定十个观察依次为0.10、0.20、0、0.30、0.10、0.20、0.40、0.10、0.20、0.40个百分点。算术均值为0.20，样本标准差约0.1333，标准误约0.0422个百分点。
标准差描述观察值本身的离散，标准误描述在给定抽样模型下均值估计的抽样尺度。这里用样本标准差除以十的平方根；不要看到更小的标准误，就说单次投资的波动降低了。
单样本t统计量把“均值减零假设值”除以标准误，本例约为4.7434。它表达观察到的均值离零有多少个这种估计尺度；不是收益率，也不是可以投入本金的倍数。具体t分布和自由度由方法处理，读者不必背表。
NIST给出了这项双侧均值检验与相应置信区间的定义。[1] 本例输出经独立计算核对：自由度9，双侧p值约0.00105，95%置信区间约为每期0.1046至0.2954个百分点。
这两个正的区间端点与小p值，在所列模型和预设规则下，与“均值为0”的假设不太相容。因此按本次5%规则拒绝零假设。但得到支持的是特定总体均值问题，不是这个策略已通过所有研究、成本和实际执行要求。
p值没有给假设发一张真假证书
p值在这里的意思是：如果零假设及所用统计模型成立，得到至少像这次这样极端的t统计量，双侧合计概率有多大。它不是“零假设为真的概率”，也不是“结果有0.105%可能只是运气”。美国统计协会专门提醒，p值不能这样解释，也不衡量效应大小或实际重要性。[2]
拒绝规则也可能犯错。如果真实均值就是0，在模型条件和一次预先定义的检验成立时，5%水平控制的是重复使用该规则的错误拒绝频率，而不是说这一次结论有5%概率错误。
反过来，不拒绝零假设也不是证明均值等于0。结果可能确实很小，也可能数据太少或噪声太大，使检验难以辨别。检验力关心某个具体非零效应存在时，方法有多大机会拒绝零假设；它依赖效应、样本量、波动和设计，不是p值的另一种叫法。
因此，看到“显著”与“不显著”先保留效应和区间。p为0.049与0.051，并不意味着一个结论无比可靠、另一个完全没有信息；两边的设计、输入和不确定性都值得读。
95%的区间，描述的是哪种反复
95%置信区间关联的是构造方法：在相应条件下反复抽样并构造区间，长期约95%的区间会覆盖真实均值。[1] 已经算出的这一段，要么覆盖固定的真实均值，要么没有，不能直接给它附上“参数有95%概率在里面”的频率学派解释。
它也不是下一次收益的95%范围。总体均值的不确定性和单次结果的离散，是不同问题；一段平均值区间全为正，也不保证每次都赚钱。
报告结果时，可以说“按所列模型得到的均值置信区间”，同时留下样本和假设。不要把它换成“未来最少赚0.1046个百分点”。哪怕过去没有大跌，这个区间也没有为尾部损失封顶。
小而显著，扣费后仍可能不值得
现在给每次实验加入固定的增量实施成本0.25个百分点，表示相对基准额外承担的总成本。它是独立教学假设，不是C2或某家券商费率，也不是重复从已净收益中再扣一次。
毛均值0.20减0.25，净均值为负0.05个百分点。在这个成本固定且无其他变化的演示中，每个观察都减同一个数，标准差不变，净均值95%区间整体下移，约为负0.1454至正0.0454个百分点。
所以这份毛收益显著的结果，没有显示一个正的样本平均净优势。净区间跨零，也不能反过来宣称已经证明策略一定亏钱。可以留下机制线索，但应继续核查成本、容量、实施与新的验证资料，而不是靠原毛p值批准上线。
现实成本会随成交数量、行情和执行变化，未必是常数。若有不确定成本，应单列成本情景与资料缺口，不能把这里的区间平移当成通用算法。统计证据回答均值差异，实际研究还要问优势能否覆盖投入并承受风险。
均值更高，却还辨不清
再给一份完全独立的合成实验乙，同样用相同期间、同口径的毛主动收益，五个值为负1、0.2、0.4、0.6、1.8个百分点；沿用独立同分布、正态与预先双侧检验的假定。
乙均值0.40个百分点，比甲的0.20更高；样本标准差1.00，标准误约0.4472。t约0.8944，双侧p约0.4216，95%区间约为负0.8417至正1.6417个百分点。
这不是“有42.16%概率没有作用”。它说明在此模型与样本下，没有足够依据按原规则拒绝零均值，可能效果的区间也很宽。若另给固定成本0.05，样本净均值为0.35，仍不能抹掉估计不确定性。
甲与乙提醒我们，不要只按p值或样本均值给策略排名。甲的毛效应估计更精细，却被给定成本吃掉；乙的毛效应较大，却更难确定。两者都不能凭这张练习卡直接转成投资结论。
也不能从“甲显著、乙不显著”推出两项真实效果必然不同。各自与零比较，和直接检验甲乙之间的差，是不同问题；后者还要考虑两份资料是否配对、是否共享市场条件。这里没有做那项比较，保留两个效应及其区间，比给它们排出确定名次更诚实。
真正的金融序列，会破坏哪条前提
实际相邻月份可能受同一市场状态影响；一年持有期若每月滚动，还会重叠。把交易笔数、每日记录或重复样本直接当成独立观察数，标准误可能被低估，名义区间与错误拒绝控制也可能失效。
需要先检查时间依赖、重叠、非平稳、极端值和选择过程，再选择相应估计方法。复杂时间序列推断留作后续学习；本篇的合格判断可以是“简单独立样本检验不适用，需另行分析”，不必硬产出一个p值。
十次独立机制演示也不是长期策略验证。它没有完成历史成员、信号时间、成交、费用与样本外评价。换成C2资料时，要按原规格建立账本，再确认统计问题与数据条件，不能把今天这组数冒充SPY历史结果。
多次尝试又是另一道门。若先试了许多窗口、参数和方向，最后只展示最小p值，单次预先设定检验的解释已经被改变。保存全部尝试，相关调整和选择问题会在G42进一步处理，不能靠“这次低于0.05”把它跳过。
先自己解释输出
解释题：甲的p约0.00105，为什么不是未来盈利概率99.895%？应用题：乙没有显著结果，是否可以在报告中写“已经证明没有优势”？先分别指出检验对象与还缺的证据。
第一题的p是在零均值及模型条件成立时，对统计量尾部概率的描述，没有直接估计未来盈利、实施或技能。第二题只能说此设计未提供足够拒绝依据，需结合宽区间、样本与检验力讨论，不能把未拒绝写成零效应证明。
换一个成本条件
仍保留甲的十个观察与统计假设，另作事先定义的成本情景：固定增量成本改为0.05个百分点。请算净均值及相应95%均值区间，并列出至少一项即使区间全正仍未证明的投资条件。
净均值为0.15，区间约为0.0546至0.2454个百分点。在本例固定成本模型下区间全正，但没有验证真实费用、未来稳定性、尾部风险、资金规模或订单可执行性。不能据此写成“保证每期至少赚0.0546”。
这项变式改变的是成本，不是把原先0.25的结果偷偷删掉。真实研究应保存两情景及各自依据，不能事后只报告最容易显著的成本版本。
保存一张检验与价值解释卡
先写研究问题、零假设与备择、方向、显著性水平、样本范围和全部尝试，再列均值、样本波动、标准误、区间、p值及所需模型条件。缺一项就标明待查，不只截取一行星号。
第二栏写费用是否已扣、成本假设、净效应、可能损失及未完成的实施验证。用自己的话说明此次可以拒绝什么、不能证明什么；若数据条件不成立，记录需要替换的方法或暂缓的结论。
自检时，把“显著”二字遮住，看报告是否仍解释得清效应大小、区间和经济代价；再检查是否把模型条件当成已核事实。能完成这两步，才更接近读懂一份研究输出。
小结：证据强弱与值得实施，要分别回答
先固定检验问题，再检查样本和模型条件，最后把效应、区间和p值一起读。小p不等于假设真假概率，大p也不证明零效应；置信区间的覆盖性质不替下一次收益作保证。
接着把统计结果放回成本、时间依赖和完整研究过程。显著的毛差额可能没有可实现净价值，较大的样本效应也可能仍很不确定。留下全部尝试和边界，避免给一个统计数字安排它没有承担的投资责任。
参考资料
- NIST：Confidence Limits for the Mean。单样本双侧t检验、均值区间及重复抽样覆盖解释。
- American Statistical Association：2016年p值声明发布说明。假设概率、效应大小、阈值与完整报告的解释限制。本文没有把声明当作金融策略实证。
资料核查日期2026-10-29。本文数据全部为独立原创合成输入，统计输出已另行复算；AI辅助编写与检查，尚待人类金融审校和目标读者试读。