3. 概率统计核心回顾
在金融概率预测中，我们面对的不是确定数值，而是充满不确定性的随机结果。无论是资产收益率、违约事件、成交量还是利率变动，都需要用概率统计语言来描述。本节将系统回顾七个核心概念，它们构成后续置信区间建模与预测推断的数学地基。
一、随机变量与概率分布：把不确定性装进函数
随机变量是将随机试验结果映射为数值的函数。金融中常见的随机变量包括：某股票日收益率、某债券是否违约（0/1）、某资产组合的月度损益。按取值特征，随机变量分为离散型与连续型。
- 离散型：取有限或可列个值，如违约次数、交易笔数，用概率质量函数描述。
- 连续型：取值充满区间，如收益率、波动率，用概率密度函数描述，区间概率由积分得到。
概率分布刻画随机变量取值的规律。金融建模中常用的分布包括：正态分布（收益率近似）、对数正态分布（价格）、二项分布（违约次数）、泊松分布（到达次数）、t分布（厚尾收益）。选择分布时，必须关注尾部行为，因为极端风险往往藏在尾部。
二、期望、方差与协方差：数字特征的三驾马车
期望是随机变量的长期平均水平，代表“中心位置”。方差衡量取值围绕期望的离散程度，是风险的经典度量。协方差则描述两个随机变量同向或反向变动的程度，是组合分散化与相关性建模的核心。
| 概念 | 数学表达 | 金融含义 | 典型用途 |
|---|---|---|---|
| 期望 E(X) | 离散：Σx·P(X=x)；连续：∫x·f(x)dx | 预期收益、平均损失 | 收益预测、定价 |
| 方差 Var(X) | E[(X−E(X))²] | 波动风险、不确定性 | 风险度量、置信区间 |
| 协方差 Cov(X,Y) | E[(X−E(X))(Y−E(Y))] | 两资产联动方向 | 组合优化、对冲 |
| 相关系数 ρ | Cov(X,Y)/(σX·σY) | 标准化联动强度 | 分散化效果评估 |
组合方差公式是协方差最直接的应用：Var(w₁X+w₂Y)=w₁²Var(X)+w₂²Var(Y)+2w₁w₂Cov(X,Y)。当协方差为负或较低时，组合风险小于个体风险加权和，这就是分散化的数学本质。
三、大数定律与中心极限定理：从样本到推断的桥梁
大数定律指出：当样本量足够大时，样本均值会依概率收敛到总体期望。它解释了为什么长期平均收益、平均违约率可以稳定估计。弱大数定律保证收敛概率趋近于1，强大数定律保证几乎必然收敛。
中心极限定理则更进一步：无论总体分布是什么（只要方差有限），独立同分布样本的均值在标准化后，其分布会趋近标准正态分布。这为置信区间、假设检验和参数估计提供了通用工具。
四、案例与场景：用CLT构造收益率置信区间
假设某基金日收益率历史样本均值 x̄=0.05%，样本标准差 s=1.2%，样本量 n=100。我们想估计总体日均收益率的95%置信区间。
import numpy as np
from scipy import stats
x_bar = 0.0005 # 样本均值 0.05%
s = 0.012 # 样本标准差 1.2%
n = 100 # 样本量
alpha = 0.05
se = s / np.sqrt(n) # 标准误
z = stats.norm.ppf(1 - alpha/2) # 1.96
ci_low = x_bar - z * se
ci_high = x_bar + z * se
print(f"标准误: {se:.6f}")
print(f"95%置信区间: [{ci_low:.6f}, {ci_high:.6f}]")
# 标准误: 0.001200
# 95%置信区间: [-0.001852, 0.002852]解释：虽然样本均值是0.05%，但置信区间跨零，说明在95%置信水平下，不能排除总体日均收益率为零甚至为负。这正是概率预测与置信区间建模的价值——不仅给出点估计，还给出不确定性范围。
五、误区复盘与建模检查清单
- 忽略分布假设：直接用正态分布处理厚尾收益，导致极端风险低估。应做尾部检验或改用t分布、极值理论。
- 混淆标准差与标准误：标准差描述个体波动，标准误描述样本均值的波动，后者随√n缩小。
- 样本量不足：CLT需要足够大的n才能近似正态。小样本且总体偏态时，应使用t分布或Bootstrap方法。
- 忽略相关性：组合风险计算中，协方差不可省略。危机时期相关性上升，分散化效果减弱。
- 把期望当保证：期望是长期平均，短期结果可能大幅偏离。风险管理必须结合方差与尾部指标。