最短回测长度（MBL）：需要多少年数据？

两年的回测数据不够。五年处在边缘。十年通常才算最低要求。最短回测长度（MBL）公式会准确告诉你：在指定的置信水平下，需要多少个观测，才能让报告出来的夏普在统计上和目标基准区分开。

本文从 PSR 公式推导 MBL。我们从这个要求倒推：“我希望目标夏普为 $\widehat{SR}$ 时，$PSR(SR_b) \ge 0.95$”，然后解出 $T$。

MBL 回答什么问题

你准备回测一个策略。你有一个目标基准 $SR_b$（通常是 0，有时是 0.5，也可能更高）。你想知道：如果真实夏普等于预期夏普 $\widehat{SR}$，需要多少个观测 $T$，才能让 PSR 至少达到 0.95？

换句话说：假设估计值是对的，需要多大的样本量，才能有 95% 的把握认为真实夏普超过基准？

MBL 公式会给出满足这个要求的最小 $T$。在回测之前就应该算它。如果所需的 $T$ 超过了可用历史数据，你就没有足够的数据，回测结果的噪声太大，不能据此行动。

从 PSR 推导

回忆本模块上一篇文章中的 PSR 公式：

其中，$\sigma_{SR}$ 是夏普估计量的标准误：

我们希望 $PSR(SR_b) = 0.95$。于是 $\Phi$ 的参数必须等于 $\Phi^{-1}(0.95) \approx 1.645$：

解 $\sigma_{SR}$：

现在代入方差公式：

两边平方：

解 $T$：

这就是 MBL 公式。对高斯收益率（$\gamma_3 = 0$、$\gamma_4 = 3$）：

怎么读这个公式

有三个项要看：

1. 非正态因子 $\left(1 - \gamma_3 \widehat{SR} + \frac{\gamma_4 - 1}{4} \widehat{SR}^2\right)$。高斯收益率下，它是 $1 + \widehat{SR}^2/2$。收益率偏度为负（$\gamma_3 < 0$）时，这一项更大，也就需要更多数据。

2. 夏普差距 $\widehat{SR} - SR_b$。差距越小，需要的数据越多。两者是平方关系：差距减半，数据需求增加 4 倍。

3. 置信水平 1.645（对应 95%）。99% 置信度用 2.326，90% 用 1.282。

这是一个可以直接解出的 $T$ 公式，不需要迭代。

完整例子

例 1：日频股指期货趋势跟踪。

目标夏普：1.0。基准：0。偏度：$\gamma_3 = 0$（为简单起见，假设高斯）。超额峰度：$\gamma_4 = 0$。时间步长：日频。

所以 $T = 6$ 个观测？这看起来太小了。问题在于：公式给出的 $T$ 使用的是收益率频率单位。对日频数据来说，$T = 6$ 天不可能支持任何真正的结论。答案的单位就是你输入的收益率频率。

转换成年数，要除以每年的观测数：

对 $f = 252$ 的日频数据：

等等，这意味着总共只有 $T = 6$ 个观测，也就是 6 个交易日或 0.024 年。这和前面说“五年处在边缘”矛盾。

重新仔细算一遍。公式中的夏普必须和观测使用相同频率。所以 $\widehat{SR} = 1.0$ 是年化夏普，但公式使用的是收益率频率单位。用日频夏普重算：

$\widehat{SR}_{daily} = 1.0 / \sqrt{252} = 0.063$。那么：

所以需要 683 个日频观测，也就是 $683 / 252 \approx 2.7$ 年。

因此，一个年化夏普为 1.0 的趋势策略，要有 95% 的把握超过 $SR_b = 0$，需要 2.7 年数据。

重新用正确单位写一遍例 1。

例 1（修正后）：日频股指期货趋势跟踪。

年化目标夏普：1.0。日频夏普：$1.0/\sqrt{252} = 0.063$。基准（日频）：0。高斯假设：$\gamma_3 = 0$、$\gamma_4 = 0$。

所以需要 683 个交易日，也就是大约 2.7 年。

如果基准 $SR_b = 0.5$（年化），日频基准为 $0.5/\sqrt{252} = 0.0315$：

所以需要 2733 天，也就是大约 10.8 年。想以 95% 的把握区分夏普 1.0 和 0.5，需要超过十年的日频数据。

例 2：SPX 日频空波动率策略。

年化目标夏普：1.5。日频夏普：$1.5/\sqrt{252} = 0.0945$。偏度：$\gamma_3 = -1.5$（空波动率策略的典型情况）。超额峰度：$\gamma_4 = 3$。

$T_{daily} = 1 + (1 - (-1.5)(0.0945) + (3/4)(0.0945)^2) \cdot (1.645/0.0945)^2$ $= 1 + (1 + 0.142 + 0.0067) \cdot (17.41)^2$ $= 1 + 1.149 \cdot 303.0$ $= 1 + 348.1 = 349$

所以需要 349 个交易日，也就是大约 1.4 年。这个结果看起来很短，但夏普差距很大（1.5 对 0）。

如果基准为 1.0（年化），日频基准为 0.063：

$T_{daily} = 1 + 1.149 \cdot (1.645/(0.0945-0.063))^2 = 1 + 1.149 \cdot (1.645/0.0315)^2$ $= 1 + 1.149 \cdot 2727 = 3135$

需要 3135 天，也就是 12.4 年。要有 95% 的把握认为夏普 1.5 超过基准 1.0，需要 12.4 年日频数据。

教训是：说“我的夏普不是零”，远比说“我的夏普超过一个激进基准”容易。

MBL 为什么重要

MBL 在你相信回测结果之前，先回答“回测够不够长？”如果可用数据短于 MBL，就不应该根据这次回测做决策。

实际工作流可以这样走：

1. 决定目标夏普 $\widehat{SR}$，也就是你希望策略实现的水平。
2. 决定基准 $SR_b$，也就是你需要超过的水平。
3. 决定置信水平（95% 是惯例；90% 偏宽松；99% 偏保守）。
4. 计算 MBL。
5. 把 MBL 和可用数据比较。
6. 如果 MBL > 可用数据，不要相信这次回测。要么降低置信要求，要么寻找更多数据，要么接受这个样本量无法完成统计验证。

MBL 还会告诉你什么时候根本不值得做回测。如果目标夏普是 0.5、基准是 0.4，就需要 13 年以上的日频数据。很少有策略能有这么长的有效历史，而且还覆盖多个状态、没有结构断点。所以你只能提高目标夏普、降低基准，或者接受较低的置信度。

低夏普目标的诅咒

量化研究中一个常见错误是：开发一个目标夏普为 0.3 的策略，准备逐步放大规模，然后做 3 年回测。$\widehat{SR} = 0.3$ 相对于 $SR_b = 0$ 的 MBL 是：

$T_{daily} = 1 + (1 + 0.3^2/2/252) \cdot (1.645/(0.3/\sqrt{252}))^2$ $= 1 + 1.0002 \cdot (1.645/0.0189)^2 = 1 + 1.0002 \cdot 7575 = 7576$

需要 7576 个交易日，也就是 30 年。换句话说，想以 95% 的把握证明夏普 0.3 超过零，需要 30 年日频数据。

这就是低夏普策略很难通过统计验证的原因。随着 $\widehat{SR}$ 逼近 $SR_b$，MBL 按平方增长。即使是看起来不低的夏普，也可能需要几十年数据才能统计验证，而大多数回测只有 5 到 10 年。因此，低夏普策略可能是：

1. 真实存在、但无法用现有数据统计验证的优势。
2. 在 5 年回测里看起来真实的统计假象。

你分不清是哪一种。诚实的做法是在拿到更多数据前，先按第二种处理。

非高斯收益率

对偏度或超额峰度不为零的策略，MBL 会通过非正态因子进行修正：

对偏度为 $\gamma_3 = -1$、夏普为 1 的策略，假设 $\gamma_4 = 3$，这个因子是 $1 + 1 + 0 = 2$。所以 MBL 是高斯 MBL 的 2 倍。验证负偏度策略所需的数据，是验证同夏普高斯策略的两倍。

这很反直觉：策略的收益分布形状更难描述，夏普标准误更大，所以需要更多数据。实际含义是：除非有更长的历史数据，否则不要轻易选择负偏度策略。

对偏度为 $\gamma_3 = 1$、夏普为 1 的正偏度策略，因子是 $1 - 1 + 0 = 0$。所以 MBL 看起来会下降一个因子的幅度，但这个因子有下界 $\gamma_4/4 \cdot SR^2$，始终为正。典型 $\gamma_4 = 3$ 时，下界为 $3/4 \cdot 1 = 0.75$。因此，MBL 至少是高斯 MBL 的 75%。

对长尾、正偏度策略（买入期权、困境债务），MBL 更短。这也是选择正偏度策略的一个理由：它们更容易通过统计验证。

年化陷阱

一个常见误用是：使用年化夏普计算 MBL，却把 $T = 5$ 直接当成年数代入。这是错的。MBL 公式使用的是收益率频率单位。如果使用年化夏普，必须把算出来的 $T$ 转换成年数。

正确的单位转换是：

其中 $f$ 是每年的收益率观测数。日频数据取 $f = 252$。所以 3 年的 MBL 对应 $T_{obs} = 756$ 个观测。

大多数实现都会在这里出错。不要犯同样的错。

import numpy as np

def minimum_backtest_length(sr_target, sr_benchmark, 
                             gamma3=0, gamma4=3, 
                             confidence=0.95, freq=252):
    """Compute the Minimum Backtest Length in observations.
    
    Parameters
    ----------
    sr_target : float
        Annualized target Sharpe ratio
    sr_benchmark : float
        Annualized benchmark Sharpe ratio
    gamma3 : float
        Skewness of returns (annualized)
    gamma4 : float
        Excess kurtosis of returns (annualized)
    confidence : float
        Confidence level (e.g., 0.95)
    freq : int
        Return observations per year
    
    Returns
    -------
    int
        Minimum number of observations required
    float
        Equivalent years
    """
    from scipy.stats import norm
    
    # Convert to return-frequency units
    sr_target_daily = sr_target / np.sqrt(freq)
    sr_benchmark_daily = sr_benchmark / np.sqrt(freq)
    
    # Z-score for confidence
    z = norm.ppf(confidence)
    
    # Non-normality factor
    factor = 1 - gamma3 * sr_target_daily + (gamma4 - 1) / 4 * sr_target_daily**2
    
    # MBL in observations
    T_obs = 1 + factor * (z / (sr_target_daily - sr_benchmark_daily))**2
    
    return int(np.ceil(T_obs)), T_obs / freq

# Examples
T, years = minimum_backtest_length(1.0, 0.0)
print(f"SR=1.0 vs 0:    T = {T} obs ({years:.2f} years)")

T, years = minimum_backtest_length(1.0, 0.5)
print(f"SR=1.0 vs 0.5:  T = {T} obs ({years:.2f} years)")

T, years = minimum_backtest_length(0.3, 0.0)
print(f"SR=0.3 vs 0:    T = {T} obs ({years:.2f} years)")

T, years = minimum_backtest_length(1.5, 0.0, gamma3=-1.5, gamma4=3)
print(f"SR=1.5 (skew):  T = {T} obs ({years:.2f} years)")

实际结论

对大多数夏普合理的量化策略（0.5 到 2.0），在常见置信度（95%）下，MBL 是 5 到 15 年日频数据。大多数回测只有 3 到 10 年。大多数已发表的策略夏普，无法在统计上与它们需要超过的基准区分开。

回测之前先运行 MBL。如果答案是“需要 12 年”，而你只有 6 年有效数据，那这次回测就没有信息量。要么换策略，要么换基准，要么换置信要求。没有诚实的第四个选项。

把 MBL 作为回测前门槛

MBL 最有用的用法，是把它当作回测前门槛。在花几个小时运行回测前，先算 MBL。如果 MBL 超过可用数据，直接跳过回测。这样既省时间，也不会陷入运行一个统计功效不足的研究、最后得到无法下结论结果的陷阱。

典型的量化研究工作流是：

1. 定义策略假设和预期夏普范围。
2. 定义要超过的基准。
3. 定义置信水平（95% 是惯例；99% 偏保守）。
4. 计算 MBL。
5. 如果 MBL > 可用数据，放弃这个假设，或者降低假设。
6. 否则继续回测。

量化研究中不常见这套流程，因为研究员想直接跑回测。但这才是诚实的流程。统计功效不足的研究只会产生噪声，结论不可靠。

MBL 与多状态问题

MBL 公式假设收益率平稳。如果回测包含状态变化（例如 2008 年危机、2020 年 COVID、2022 年通胀），这个假设就被破坏了。非平稳下的夏普标准误会大于公式给出的结果。

一个实用修正是：把 MBL 乘以状态因子，通常取 1.5 到 2.0。对包含 3 个明显状态的回测，MBL × 1.5 是合理调整。

更严格的方法是：把数据按状态切开，计算每个状态内的夏普，再用跨状态方差作为夏普标准误。这就是“block bootstrap”或“状态修正 MBL”。

对大多数量化回测，简单的 MBL × 1.5 规则已经是不错的近似。研究论文通常使用状态修正 MBL。

MBL 与前视偏差

MBL 假设回测是诚实的。如果回测有前视偏差（例如用未来信息做当前决策），报告出来的夏普就被抬高了。MBL 检测不出这个问题。

解决办法是：先去掉前视偏差，计算“诚实”夏普，再用诚实夏普计算 MBL。诚实夏普通常低于报告夏普，所以 MBL 会更长。

如果回测有严重前视偏差，诚实夏普可能接近零。这时 MBL 实际上趋于无穷。现有数据无法验证这个策略。

这也是 MBL 经常比研究员预期长很多的最常见原因。回测藏着前视偏差，诚实夏普很小，MBL 变得极大。诚实结论是：这次回测没有信息量。

不同资产类别的 MBL

MBL 公式是通用的。资产类别会影响输入参数：

• 股票：宽基指数日波动率 1%–2%，单只股票 2%–4%。目标夏普为 1.0 的策略，MBL 为 2–4 年。
• 外汇：日波动率 0.5%–1%。MBL 为 1–3 年。
• 加密货币：日波动率 3%–10%。MBL 为 1–5 年，但高波动会让高夏普更难实现。
• 固定收益：日波动率 0.1%–0.5%。MBL 为 0.5–2 年，较低的波动率会让高夏普更容易出现。
• 大宗商品：日波动率 1%–3%。MBL 为 2–4 年。

对多资产策略，分散化会降低组合波动率，但不会改变每种资产自身的 MBL。策略层面的 MBL 取决于策略波动率，不是各资产的波动率。

MBL 与容量

MBL 不考虑容量限制。名义本金 100 万美元时有效的策略，规模到 1 亿美元可能就不行了。夏普会随规模衰减，而基于小资金回测的报告夏普被抬高了。

容量修正后的 MBL 做法是：先估计目标容量下的夏普，再用容量修正夏普计算 MBL。对大多数策略，容量修正夏普只有小资金夏普的 30%–70%，因此 MBL 会相应变长。

一个常见错误是：根据小资金回测计算 MBL，然后以大容量部署，最后发现夏普远低于回测预期。容量是独立于统计显著性的另一个问题。

MBL 与多重检验问题

MBL 假设你只测试了一个策略。如果你测试了 $m$ 个策略，实际 MBL 会因为多重检验修正而增加。去膨胀夏普比率（DSR）公式把这一点纳入了：

其中，$\overline{SR^*}$ 是 $m$ 次试验的零假设下的期望最大夏普。$m = 10$ 时，$\overline{SR^*} \approx 0.5 \sigma_{SR}$。MBL 会增加一个 $(\widehat{SR} / (\widehat{SR} - \overline{SR^*}))^2$ 的因子。

当 $\widehat{SR} = 1.0$、$\overline{SR^*} = 0.5$、$m = 10$ 时，因子是 $(1.0/0.5)^2 = 4$。MBL 变成原来的 4 倍。因此，如果你测试了 10 个策略，最优策略的 MBL 是单次试验 MBL 的 4 倍。

对 100 次试验：$\overline{SR^*} \approx 0.7 \sigma_{SR}$。若 $\widehat{SR} = 1.0$、$\sigma_{SR} = 0.4$，则 $\overline{SR^*} = 0.28$。因子为 $(1.0/0.72)^2 = 1.93$，MBL 大约增加到 2 倍。

实际含义是：测试越多，数据需求越大。诚实的工作流是提前声明试验次数，并计算经过试验次数修正的 MBL。

诚实的 MBL 工作流

假设目标夏普为 1.0、基准为 0.5、做 50 次试验、日频数据、95% 置信度，且收益率高斯：

1. 单次试验 MBL（由上面的公式得到）：2.7 年。
2. 试验次数修正后的 MBL（DSR 修正）：2.7 × 1.93 ≈ 5.2 年。
3. 状态修正（1.5 倍）：5.2 × 1.5 = 7.8 年。
4. 容量修正（假设夏普衰减 30%）：需要提高目标夏普，重新计算 MBL，结果超过 12 年。

诚实的总 MBL：12 年以上。大多数研究项目只有 5–8 年数据。诚实结论是：现有数据无法统计验证这个策略。

这其实是大多数量化研究项目的标准答案：数据不够，策略无法验证。诚实的做法是承认这一点，不要部署策略。大多数研究项目没有这样的纪律。

MBL 说明无法验证时

如果 MBL 超过可用数据，你有三个选择：

选择 1：降低置信度要求。 从 95% 降到 80%，MBL 大致会减半。代价是更多假阳性。早期研究可以接受，资本配置不能接受。

选择 2：提高目标夏普。 夏普越高，越容易验证。但高夏普也更少见，策略可能根本不存在。

选择 3：降低基准。 基准越低，越容易超过。但基准应该反映机会成本，而不是为了方便。故意把基准设得很低是不诚实的。

没有第四个选项。数据不够，结论就是数据不够。

更深一层的教训

MBL 是量化研究中最少被使用的工具之一。大多数回测报告不包含 MBL，大多数策略选择也不考虑 MBL。结果是，大多数“验证过”的策略其实没有被验证。

如果你只采用本文的一条实践，那应该是：任何严肃回测之前，先计算 MBL。如果 MBL > 可用数据，就不要跑回测。如果 MBL ≤ 可用数据，就带着 MBL 这个约束去回测，把它当成设计条件，而不是缺陷。

诚实的 MBL 是量化研究的硬约束。大多数项目忽略它，结果就是大多数已发表策略没有验证。解决办法很简单：提前计算 MBL，并尊重结果。

参考文献

• Bailey, D. H. and López de Prado, M. (2014). “The Deflated Sharpe Ratio: Correcting for Selection Bias, Non-Normality, and Multiple Testing.” Journal of Portfolio Management, 40(5), 94–107。§3 推导了 MBL。
• López de Prado, M. (2018). Advances in Financial Machine Learning, 第 14 章。Wiley. ISBN 978-1-119-48208-6。实现。
• Ardia, D., Boudt, K., and Catania, L. (2018). “Generalized Sharpe Ratios and Portfolio Performance Evaluation Under Autocorrelation and Non-Normality.” SSRN。非独立同分布收益率的相关框架。