用贝叶斯更新修正交易预期

频率派统计问的是 edge 是不是真的；贝叶斯统计问的是给定证据下你最好的当前估计。对实盘交易，贝叶斯那个问题才有用。

框架

你先对系统的胜率有个先验信念，每笔交易后再更新它。结果是一个后验分布，反映你知道的一切，按证据加权。

胜率是个概率，所以用 Beta 先验，参数 α 和 β，可解释为"先验胜数"和"先验负数"：

• 先验：Beta(α0, β0)
• 观察到 w 胜 l 负后：Beta(α0 + w, β0 + l)
• 后验均值胜率：(α0 + w) / (α0 + β0 + w + l)

选先验

先验编码你看到数据前的信念：

• 怀疑型 Beta(5, 5)：等价于 10 笔先验交易、50% 胜率，强收缩到 50%。
• 弱先验 Beta(1, 1)：均匀，立刻让数据主导。
• 行业先验 Beta(7, 6)：编码趋势系统通常 40-55% 胜率的认知。

新系统用怀疑型先验；它防止你对头 20 笔运气过度反应。

实操中更新怎么跑

从 Beta(5, 5)、均值 0.50 开始。30 笔实盘、18 胜 12 负后：

后验 = Beta(5+18, 5+12) = Beta(23, 17) 后验均值 = 23/40 = 0.575

200 笔实盘、110 胜后：

后验 = Beta(5+110, 5+90) = Beta(115, 95) 后验均值 = 115/210 = 0.548

注意收缩：早期 60% 随证据累积回归到 54.8%；后验会自我修正。

从后验做决策

后验是个分布，不是个点。用它做决策：

• 可信区间：90% 区间整体在 50% 之上，你有真 edge；跨 50%，证据不够。
• 仓位：仓位按后验均值减 50%（无 edge 基线）缩放；方差越紧允许仓位越大。
• 停用规则：后验第 5 百分位跌破 0.50，系统大概率没 edge；减仓或停。

更新其他量

同样的逻辑不止用于胜率：对平均 R 倍数（期望值）用 normal-inverse-gamma 先验，每笔的 R 更新。贝叶斯 Sharpe 估计给出考虑样本量的分布，比点估计诚实。

避免常见错误

• 先验太强：用 Beta(50, 50)，30 笔交易几乎不动后验。先验强度要匹配你预期需要的证据量。
• 在设计交易上更新是重复计数。贝叶斯时钟要在新鲜的前向交易上启动，不是回测交易。
• 把后验均值当真胜率忽略不确定性。仓位和停用决策要用可信区间，不是点。

诚实的好处

贝叶斯更新把"用证据修正信念"这套纪律形式化了。不是 30 笔后宣布系统"好"、也不是 10 连亏后判它"死"，你维护着一个活的 edge 概率分布，决策从它出，而不是从情绪反应出。