1.9 大数定律与中心极限定理（金融视角）¶

这一节讲什么？

为什么大量交易能降低单笔押注的风险？中心极限定理告诉我们：无论单个资产的收益率分布如何奇怪，足够多的样本平均值都趋于正态分布。这是组合管理和统计推断的理论基础。

学习目标¶

从金融角度理解大数定律（LLN）的实际含义
用 CLT 解释投资组合分散化的数学基础
理解 CLT 在非正态情形下的局限性
学习 Bootstrap 重采样用于有限样本推断

1. 这节究竟解决什么实际问题？¶

1.9 大数定律与中心极限定理（金融视角） 的具体任务是：解释为什么平均值会稳定、单日收益却仍可能高度不稳定。本节将明确输入数据、计算过程、输出及其在后续研究中的用途。

2. 前置知识¶

会使用百分比和基础代数；建议先完成环境配置。对公式的理解应包括变量定义、单位、时间索引和适用条件。

3. 数据说明¶

示例优先使用仓库固定的日频复权收盘价；它不是实时行情，也不代表完整市场。运行前先检查 shape、日期范围、列名与缺失值。数据看起来能画图，不代表它适合回答研究问题。

4. 学习目标与完成标准¶

完成本节后，你应能用自己的话解释 1.9 大数定律与中心极限定理（金融视角） 的输入、计算步骤、输出和局限；尤其能说明：解释为什么平均值会稳定、单日收益却仍可能高度不稳定。你还应能独立改动一个参数并解释结果为什么变化，指出至少一个会让结论失真的假设。

5. 核心概念与公式¶

价格表示资产在特定时点的水平，收益率表示两个时点之间的相对变化。多数跨资产比较使用收益率。

所有公式都先说明分子、分母、单位与时间尺度；年化前必须确认数据频率。看到公式时依次确认：每个符号的单位是什么？它属于哪个时点？分母会不会为零？它是描述性统计量、预测量，还是交易规则？

6. 从零实现¶

原始代码按照“准备输入 → 计算中间量 → 得到结果 → 解释输出”的顺序组织。每个单元应检查变量类型、索引、维度和代表性数值。中间变量用于核对公式实现和定位计算错误。

7. 成熟库实现¶

NumPy/Pandas 帮你算数和对齐索引；统计库帮你估计参数，但不替你解释经济含义。使用库函数前先阅读参数含义、默认值和返回对象；库输出一个数字，并不说明这个数字适合你的交易假设。

8. 两种实现的差异¶

从零实现便于核对公式、调试和识别隐含假设；成熟库适合在计算逻辑已验证后复用。两种实现依赖相同的数据口径与时点假设，使用库函数不会改变输入数据的质量。

9. 预期结果与检查范围¶

你应看到维度正确的 Series/DataFrame、日期单调递增的索引，以及能支持“解释为什么平均值会稳定、单日收益却仍可能高度不稳定。”这一任务的表格或图形。金融日收益率均值通常接近 0；若出现极大的连续收益、空表、全 NaN 或索引错位，应先排查数据和对齐逻辑，而不是立即相信结果。

10. 常见错误与诊断¶

把百分比和小数混用、忘记 dropna、把日频波动率直接叫作年化波动率、把相关性当因果。

诊断顺序：先打印类型与 shape，再看 head()/tail()，接着检查日期和 NaN，最后才比较数值。这样能避免在错误的对象上反复改参数。

11. 研究偏差检查¶

概念演示也要避免事后选择样本或只展示支持结论的时间段。结果至少应与一个简单基线比较，并明确哪些部分只是教学演示。

12. 三层练习与答案¶

基础练习：验证一个中间变量、补全一段小计算，并用一句话解释输出。
研究练习：改变窗口、样本区间、约束或标的，记录哪些结论仍成立。
开放项目：把本节方法嵌入模块项目，报告基线、失败结果和限制。

题目在 ../exercises/01_financial_concepts/09_lln_clt_exercises.ipynb；完整推导、可运行参考实现与结果检查在 ../solutions/01_financial_concepts/09_lln_clt_solutions.ipynb。请先独立作答，再打开答案。

13. 延伸阅读¶

延伸材料：Investments（Bodie, Kane, Marcus）。阅读记录应包括研究假设、数据频率、样本范围和结论适用条件。

14. 下一节¶

下一节是 10_present_value。本节的概念会成为理解它的输入，而不是孤立的名词。

In [1]:

Copied!





import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
np.random.seed(42)
print('Libraries loaded')
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
np.random.seed(42)
print('Libraries loaded')

Libraries loaded

In [2]:

Copied!

import matplotlib.pyplot as plt

# 1. 设置系统自带的中文字体（这里使用黑体 SimHei）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 如果你想用微软雅黑，可以改成 ['Microsoft YaHei']

# 2. 解决更换字体后，负号（-）显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
import matplotlib.pyplot as plt

# 1. 设置系统自带的中文字体（这里使用黑体 SimHei）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 如果你想用微软雅黑，可以改成 ['Microsoft YaHei']

# 2. 解决更换字体后，负号（-）显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

1. 大数定律（LLN）：为什么回测样本越大越可靠？¶

大数定律：随着观测次数增加，样本均值收敛到总体均值。

在量化交易中的含义：

策略的夏普比率估计需要足够的样本才能可靠
回测使用的历史数据越长，估计越稳定
但要小心：市场是非平稳的，早期数据可能已经失效

In [3]:

Copied!





# LLN 演示：样本均值收敛
true_mean = 0.0005  # 真实日均收益率
true_std  = 0.015   # 真实波动率

trial_sizes = np.arange(10, 2001, 10)
sample_means = [np.random.normal(true_mean, true_std, n).mean() for n in trial_sizes]

plt.figure(figsize=(12, 5))
plt.plot(trial_sizes, np.array(sample_means)*100, color='steelblue', lw=1.2, label='样本均值')
plt.axhline(true_mean*100, color='red', linestyle='--', lw=2, label=f'真实均值 = {true_mean*100:.3f}%')
plt.fill_between(trial_sizes,
    (true_mean - 2*true_std/np.sqrt(trial_sizes))*100,
    (true_mean + 2*true_std/np.sqrt(trial_sizes))*100,
    alpha=0.2, color='red', label='±2σ/√n 置信带')
plt.title('大数定律：样本均值收敛到真实均值')
plt.xlabel('样本量（交易日数）'); plt.ylabel('样本均值 (%/日)')
plt.legend(); plt.grid(alpha=0.3); plt.show()
print(f'  10天样本: 均值误差约 ±{true_std/np.sqrt(10)*100:.3f}%')
print(f'252天样本: 均值误差约 ±{true_std/np.sqrt(252)*100:.3f}%')
print(f'  2520天（10年）: 均值误差约 ±{true_std/np.sqrt(2520)*100:.3f}%')
# LLN 演示：样本均值收敛
true_mean = 0.0005  # 真实日均收益率
true_std  = 0.015   # 真实波动率

trial_sizes = np.arange(10, 2001, 10)
sample_means = [np.random.normal(true_mean, true_std, n).mean() for n in trial_sizes]

plt.figure(figsize=(12, 5))
plt.plot(trial_sizes, np.array(sample_means)*100, color='steelblue', lw=1.2, label='样本均值')
plt.axhline(true_mean*100, color='red', linestyle='--', lw=2, label=f'真实均值 = {true_mean*100:.3f}%')
plt.fill_between(trial_sizes,
    (true_mean - 2*true_std/np.sqrt(trial_sizes))*100,
    (true_mean + 2*true_std/np.sqrt(trial_sizes))*100,
    alpha=0.2, color='red', label='±2σ/√n 置信带')
plt.title('大数定律：样本均值收敛到真实均值')
plt.xlabel('样本量（交易日数）'); plt.ylabel('样本均值 (%/日)')
plt.legend(); plt.grid(alpha=0.3); plt.show()
print(f'  10天样本: 均值误差约 ±{true_std/np.sqrt(10)*100:.3f}%')
print(f'252天样本: 均值误差约 ±{true_std/np.sqrt(252)*100:.3f}%')
print(f'  2520天（10年）: 均值误差约 ±{true_std/np.sqrt(2520)*100:.3f}%')

No description has been provided for this image

  10天样本: 均值误差约 ±0.474%
252天样本: 均值误差约 ±0.094%
  2520天（10年）: 均值误差约 ±0.030%

2. 中心极限定理（CLT）：分散化的数学基础¶

CLT：$n$ 个独立同分布随机变量之和（或均值），当 $n$ 足够大时，近似服从正态分布：

$$\bar{X}_n = \frac{1}{n}\sum_{i=1}^n X_i \xrightarrow{d} N\left(\mu, \frac{\sigma^2}{n}\right)$$

投资组合含义：持有 $n$ 只独立同波动率股票的等权组合，其波动率约为单股的 $\frac{1}{\sqrt{n}}$。

这就是分散化的数学基础——但前提是资产相互独立（或低相关）。

In [4]:

Copied!





# 演示 CLT：从非正态分布的股票收益合成组合
# 单只股票收益服从偏态分布（模拟肥尾）
def generate_stock_returns(n_stocks, n_days, corr=0.0):
    # 生成独立的 t 分布收益
    returns = np.random.standard_t(df=4, size=(n_days, n_stocks)) * 0.01
    return returns

n_days = 252

fig, axes = plt.subplots(2, 3, figsize=(15, 8))
for ax, n_stocks in zip(axes.flat, [1, 5, 20, 50, 100, 300]):
    ret = generate_stock_returns(n_stocks, n_days)
    portfolio_ret = ret.mean(axis=1)  # 等权
    ax.hist(portfolio_ret, bins=40, density=True, alpha=0.7,
            color='steelblue', edgecolor='none')
    x = np.linspace(portfolio_ret.min(), portfolio_ret.max(), 200)
    ax.plot(x, stats.norm.pdf(x, portfolio_ret.mean(), portfolio_ret.std()),
            'r-', lw=2, label=f'正态拟合')
    ax.set_title(f'N={n_stocks} 只股票\n峰度={stats.kurtosis(portfolio_ret):.2f}')
    ax.legend(fontsize=8)
plt.suptitle('CLT 分散化：股票数量越多，组合收益率越接近正态分布', fontsize=12)
plt.tight_layout(); plt.show()
# 演示 CLT：从非正态分布的股票收益合成组合
# 单只股票收益服从偏态分布（模拟肥尾）
def generate_stock_returns(n_stocks, n_days, corr=0.0):
    # 生成独立的 t 分布收益
    returns = np.random.standard_t(df=4, size=(n_days, n_stocks)) * 0.01
    return returns

n_days = 252

fig, axes = plt.subplots(2, 3, figsize=(15, 8))
for ax, n_stocks in zip(axes.flat, [1, 5, 20, 50, 100, 300]):
    ret = generate_stock_returns(n_stocks, n_days)
    portfolio_ret = ret.mean(axis=1)  # 等权
    ax.hist(portfolio_ret, bins=40, density=True, alpha=0.7,
            color='steelblue', edgecolor='none')
    x = np.linspace(portfolio_ret.min(), portfolio_ret.max(), 200)
    ax.plot(x, stats.norm.pdf(x, portfolio_ret.mean(), portfolio_ret.std()),
            'r-', lw=2, label=f'正态拟合')
    ax.set_title(f'N={n_stocks} 只股票\n峰度={stats.kurtosis(portfolio_ret):.2f}')
    ax.legend(fontsize=8)
plt.suptitle('CLT 分散化：股票数量越多，组合收益率越接近正态分布', fontsize=12)
plt.tight_layout(); plt.show()

3. CLT 的局限：相关性破坏分散化¶

In [5]:

Copied!





# 演示：高相关性下，CLT 失效
def portfolio_std_vs_correlation(corr, n_stocks=50, sigma=0.01):
    """计算高相关情形下等权组合的波动率"""
    # 组合方差 = sigma^2 * (1/n + corr*(n-1)/n)
    return sigma * np.sqrt(1/n_stocks + corr * (n_stocks-1)/n_stocks)

corr_values = np.linspace(0, 1, 50)
port_stds = [portfolio_std_vs_correlation(c) for c in corr_values]

plt.figure(figsize=(9, 5))
plt.plot(corr_values, np.array(port_stds)*100, 'b-', lw=2)
plt.axhline(0.01*100/np.sqrt(50), color='green', linestyle='--',
            label=f'独立情形（corr=0）: {0.01/np.sqrt(50)*100:.3f}%')
plt.axhline(0.01*100, color='red', linestyle='--',
            label=f'完全相关（corr=1）: {0.01*100:.2f}%')
plt.xlabel('资产间相关系数 ρ'); plt.ylabel('等权组合波动率 (%/日)')
plt.title(f'相关性对分散化的影响（50 只股票，单股波动率=1%）')
plt.legend(); plt.grid(alpha=0.3); plt.show()
print('结论：相关性越高（如金融危机时），分散化效果越差。这就是为什么危机时所有资产同跌。')
# 演示：高相关性下，CLT 失效
def portfolio_std_vs_correlation(corr, n_stocks=50, sigma=0.01):
    """计算高相关情形下等权组合的波动率"""
    # 组合方差 = sigma^2 * (1/n + corr*(n-1)/n)
    return sigma * np.sqrt(1/n_stocks + corr * (n_stocks-1)/n_stocks)

corr_values = np.linspace(0, 1, 50)
port_stds = [portfolio_std_vs_correlation(c) for c in corr_values]

plt.figure(figsize=(9, 5))
plt.plot(corr_values, np.array(port_stds)*100, 'b-', lw=2)
plt.axhline(0.01*100/np.sqrt(50), color='green', linestyle='--',
            label=f'独立情形（corr=0）: {0.01/np.sqrt(50)*100:.3f}%')
plt.axhline(0.01*100, color='red', linestyle='--',
            label=f'完全相关（corr=1）: {0.01*100:.2f}%')
plt.xlabel('资产间相关系数 ρ'); plt.ylabel('等权组合波动率 (%/日)')
plt.title(f'相关性对分散化的影响（50 只股票，单股波动率=1%）')
plt.legend(); plt.grid(alpha=0.3); plt.show()
print('结论：相关性越高（如金融危机时），分散化效果越差。这就是为什么危机时所有资产同跌。')

结论：相关性越高（如金融危机时），分散化效果越差。这就是为什么危机时所有资产同跌。

4. Bootstrap 重采样：小样本下的推断工具¶

当历史数据不足时（如只有 2 年日频数据），如何估计夏普比率的置信区间？ Bootstrap：有放回地重复抽样，构建统计量的经验分布。

In [6]:

Copied!





np.random.seed(42)
returns_true = np.random.normal(0.0005, 0.012, 252*2)  # 2年模拟数据

# Bootstrap 夏普比率置信区间
n_boot = 2000
boot_sharpes = []
for _ in range(n_boot):
    sample = np.random.choice(returns_true, size=len(returns_true), replace=True)
    sharpe = sample.mean() / sample.std() * np.sqrt(252)
    boot_sharpes.append(sharpe)

boot_sharpes = np.array(boot_sharpes)
point_estimate = returns_true.mean() / returns_true.std() * np.sqrt(252)
ci_low, ci_high = np.percentile(boot_sharpes, [2.5, 97.5])

plt.figure(figsize=(9, 4))
plt.hist(boot_sharpes, bins=60, density=True, color='steelblue', alpha=0.7, edgecolor='none')
plt.axvline(point_estimate, color='red', lw=2, label=f'点估计 SR={point_estimate:.3f}')
plt.axvline(ci_low,  color='orange', lw=2, linestyle='--', label=f'95% CI: [{ci_low:.3f}, {ci_high:.3f}]')
plt.axvline(ci_high, color='orange', lw=2, linestyle='--')
plt.title('Bootstrap 估计夏普比率的 95% 置信区间（2年样本）')
plt.xlabel('Sharpe Ratio'); plt.legend(); plt.show()
print(f'夏普比率: {point_estimate:.3f}')
print(f'95% CI: [{ci_low:.3f}, {ci_high:.3f}]')
np.random.seed(42)
returns_true = np.random.normal(0.0005, 0.012, 252*2)  # 2年模拟数据

# Bootstrap 夏普比率置信区间
n_boot = 2000
boot_sharpes = []
for _ in range(n_boot):
    sample = np.random.choice(returns_true, size=len(returns_true), replace=True)
    sharpe = sample.mean() / sample.std() * np.sqrt(252)
    boot_sharpes.append(sharpe)

boot_sharpes = np.array(boot_sharpes)
point_estimate = returns_true.mean() / returns_true.std() * np.sqrt(252)
ci_low, ci_high = np.percentile(boot_sharpes, [2.5, 97.5])

plt.figure(figsize=(9, 4))
plt.hist(boot_sharpes, bins=60, density=True, color='steelblue', alpha=0.7, edgecolor='none')
plt.axvline(point_estimate, color='red', lw=2, label=f'点估计 SR={point_estimate:.3f}')
plt.axvline(ci_low,  color='orange', lw=2, linestyle='--', label=f'95% CI: [{ci_low:.3f}, {ci_high:.3f}]')
plt.axvline(ci_high, color='orange', lw=2, linestyle='--')
plt.title('Bootstrap 估计夏普比率的 95% 置信区间（2年样本）')
plt.xlabel('Sharpe Ratio'); plt.legend(); plt.show()
print(f'夏普比率: {point_estimate:.3f}')
print(f'95% CI: [{ci_low:.3f}, {ci_high:.3f}]')

夏普比率: 0.846
95% CI: [-0.492, 2.281]

练习¶

将股票数量从 50 改为 500，但保持相关系数 ρ=0.4，验证组合波动率是否继续下降。
用 Bootstrap 对比 1 年、5 年、10 年三个样本长度的夏普比率估计区间宽度。
研究「Block Bootstrap」（保留时间序列自相关的重采样），相比简单 Bootstrap 有什么优势？

下一节 → 10_present_value.ipynb

In [ ]: