假设检验常见的统计陷阱

假设检验的基本逻辑是：先提出一个可被数据推翻的命题，再用样本数据判断它是否与观察相符。例如“某类资产在特定条件下收益更高”就是一个可证伪命题，因为只要找到反例，命题即可被否定。这一过程并非一次性判断，而是“观察—提出假设—检验—修正”的循环。对普通投资者而言，理解这个循环比记住某个结论更重要，因为循环中的每一步都可能引入偏差。

在实际使用中，最常见的陷阱有三类。

• 样本偏差：所抽取的样本不能代表整体。例如仅用某一段时间、某一市场或某一类账户的数据来推断全部投资者行为，结论往往只适用于该样本本身。避免方法是先明确研究总体，再检查样本的来源、覆盖范围与抽取方式，必要时用多个独立样本交叉验证。
• 时间窗口偏差：同一命题在不同起止日期下可能得到相反结果。市场制度、交易规则和宏观环境会随时间变化，若只选取对结论有利的窗口，检验就失去意义。避免方法是预先设定窗口，并做滚动或分段检验，观察结论是否稳定；若只在特定窗口成立，应如实说明其适用范围。
• 幸存者问题：只统计到“存活下来”的样本，忽略已退出、已清盘或已停止的样本。例如只研究当前仍在运作的产品，会高估其平均表现。避免方法是尽可能纳入完整历史样本，包括已终止的个体，并说明数据缺失情况。

除上述三类外，还有两种常见误用值得注意。（1）把统计显著等同于经济意义显著：样本量大时，微小差异也可能显著，但未必有实际价值。（2）多重比较：反复检验同一数据直到出现“显著”结果，会抬高假阳性概率。避免方法是事先限定检验次数，或对显著性水平做相应校正。

对普通投资者来说，看到任何基于历史数据的结论时，可以依次追问：样本覆盖了谁、时间窗口如何选取、退出样本是否被纳入、检验了多少次。若这些问题没有清楚回答，结论就应谨慎对待。假设检验本身不产生预测，它只说明在给定数据和规则下，某个可证伪命题是否被拒绝。理解这一点，有助于把统计结果放回它应有的位置：一种有条件的、可被修正的证据，而非对未来的承诺。