兩年日線回測、試過 200 組參數設定，純雜訊能給你的期望最大年化 Sharpe 是 1.96。如果你的策略回測出 1.5，這個數字連雜訊的平均水準都不到。
多數人看到 Sharpe 1.5 的第一反應是「不錯，可以上了」。這正是 Deflated Sharpe Ratio（DSR）要處理的問題：一個 Sharpe 值單獨拿出來看毫無意義，它的可信度取決於你為了得到它試了幾次、資料有多長、報酬分布有多不正常。DSR 把這三件事全部折算進去，輸出一個機率：扣掉搜尋帶來的膨脹之後，這個策略的真實 Sharpe 大於零的機率有多高。
這篇文章拆四件事：為什麼漂亮的 Sharpe 常常只是雜訊的最大值、DSR 的計算機制與公式、用實際數字算給你看什麼情況過得了關、以及 DSR 抓不到哪些死法。看完你會有一個可以直接套用的判斷框架，也會知道這個框架的邊界在哪裡。
先回答核心問題：DSR 在校正什麼
傳統的夏普比率檢定回答的問題是：「假設我只做了這一次回測，這個 Sharpe 是運氣的機率有多低？」
問題在於，沒有人只做一次回測。你調過均線週期、換過停損寬度、比較過五個策略變體，每一次嘗試都是一次抽樣。從 N 個帶雜訊的結果裡挑出最大值，那個最大值天生就會高於任何一支策略的真實水準，即使 N 支全部是雜訊。統計上這叫多重檢定問題（multiple testing），在量化領域的具體形式就是選擇偏誤。
Bailey 與 López de Prado 在 2014 年的論文 The Deflated Sharpe Ratio 給出的解法很直接：既然你試了 N 次，那你的對照組就不該是零，而是「N 次純雜訊嘗試的期望最大 Sharpe」。你的策略必須顯著贏過這個被墊高的門檻，才有資格宣稱自己不是雜訊。
一句白話翻譯：DSR 把顯著性檢定的及格線，從「贏過零」改成「贏過你自己的搜尋過程理應撈到的最好雜訊」。
這件事的嚴重程度有學術實證。Harvey、Liu 與 Zhu 在 …and the Cross-Section of Expected Returns 裡盤點了金融學界發表過的 316 個報酬預測因子，做完多重檢定校正後的結論是：其中大約一半可能是假的，而且這還是通過期刊審查的研究。學術圈用 t 值 2.0 當門檻用了幾十年，他們主張新因子的門檻至少要提到 3.0。學界尚且如此，散戶在自己電腦上跑的參數掃描只會更嚴重。
如果你對過擬合的全貌還不熟，建議先讀回測過擬合的九種死法那篇。本文聚焦在其中「選擇偏誤」這一種死法的量化解藥。
從 PSR 到 Deflated Sharpe Ratio：機制拆解
DSR 不是一個獨立發明，它是 Probabilistic Sharpe Ratio（PSR）加上一個更誠實的基準。分兩步看。
第一步：PSR，把 Sharpe 從點估計變成機率
同樣是 Sharpe 1.5，來自 6 個月資料和來自 5 年資料，可信度完全不同；來自常態分布報酬和來自負偏態、肥尾報酬，可信度也完全不同。PSR 把這些全部收進一條公式：
PSR(SR*) = Φ[ (SR − SR*) × √(T−1) / √(1 − γ₃·SR + (γ₄−1)/4 × SR²) ]
其中 SR 是觀測到的每期 Sharpe（非年化），SR 是你要打敗的基準，T 是樣本數，γ₃ 是報酬的偏度，γ₄ 是峰度，Φ 是標準常態的累積分布函數。輸出是一個機率：真實 Sharpe 大於 SR 的機率。
分母那串是關鍵。負偏態會讓分母變大、機率變小。這符合直覺：一個靠賣波動、做 carry 或做市累積平滑收益、然後偶爾巨虧的策略，它的歷史 Sharpe 高估了真實風險，PSR 會自動扣分。肥尾（高峰度）同理。
第二步：把基準換成「雜訊的期望最大值」
DSR 做的事，是把 PSR 裡的 SR* 換成 SR₀，也就是 N 次獨立雜訊嘗試裡期望撈到的最大 Sharpe：
SR₀ = √V[SR] × [ (1−γ)·Φ⁻¹(1 − 1/N) + γ·Φ⁻¹(1 − 1/(N·e)) ]
γ 是 Euler–Mascheroni 常數，約 0.5772。V[SR] 是那 N 次嘗試的 Sharpe 變異數；手上沒有完整試驗紀錄時，可以用 1/T 當保守下界，但要知道這會低估折扣力道。
這條公式來自極值理論：N 個標準常態變數的最大值，期望值大約隨 √(2·ln N) 成長。翻成人話：試的次數越多，雜訊能給你的「最好成績」就越高，而且是可以精確算出來的。DSR = PSR(SR₀)，門檻墊高之後還能維持機率大於 0.95，才算站得住。
實際算一次：Sharpe 1.5 什麼時候能信
公式講完，直接上數字。假設你回測出年化 Sharpe 1.5，日線資料，報酬接近常態，V[SR] 用 1/T 近似。四種情境：
| 資料長度 | 試驗次數 N | 雜訊期望最大 Sharpe（年化） | DSR | 裁決 |
|---|---|---|---|---|
| 2 年（T=504） | 10 | 1.11 | 0.71 | 證據不足 |
| 2 年（T=504） | 200 | 1.96 | 0.26 | 死亡 |
| 5 年（T=1260） | 10 | 0.70 | 0.96 | 勉強存活 |
| 5 年（T=1260） | 200 | 1.24 | 0.72 | 證據不足 |
幾個讀法。
第一，2 年資料配 200 次試驗，雜訊的期望最大 Sharpe 是 1.96，你的 1.5 根本在雜訊分布的左半邊。DSR 只有 0.26，這不是「證據還不夠強」，是「這個結果比亂猜還不如」。而 200 次試驗是什麼概念？一個 20×10 的雙參數網格掃描就到了。多數人隨手一個 optimizer 跑出來的試驗數遠超過這個量。
第二，同樣只試 10 次，資料從 2 年拉長到 5 年，DSR 從 0.71 升到 0.96。樣本長度直接進公式裡的 √(T−1)，這是回測期長度第一次有了明確的定價：它不是「越長越安心」的模糊感覺，是統計顯著性的直接輸入。
第三，也是最刺的一點：5 年日線、年化 Sharpe 1.5，誠實試驗預算只有大約 10 次。試到 15 次，DSR 掉到 0.943，已經跌破 0.95；試到 30 次，只剩 0.90。你上一支策略從開始研究到定稿，實際碰過幾組設定？
偏態的影響也可以量化。同樣是 5 年、10 次試驗的情境，如果報酬偏度是 −1.5、峰度 6（典型的賣尾部風險型策略），DSR 從 0.962 降到 0.951，貼著及格線。負偏態越重、Sharpe 越高，這個懲罰越大。加密市場的資金費率套利、網格、做市型策略大多長這個樣子，用 DSR 檢視時要特別當心分布修正這一項。
這些計算不需要自己造輪子。López de Prado 在 Advances in Financial Machine Learning 附了參考實作，Python 生態也有現成套件；我們在 Lab 社群裡維護一套含 DSR、SPA 檢定與 PBO 的驗證腳本，搭配實際策略案例逐關演練。
Trial 數怎麼數才誠實
DSR 公式本身沒有模糊空間，真正的操作難點在 N 要填多少。這裡是整個方法最容易自欺的地方，因為 N 填 1 和填 240，結論可以天差地遠。
規則只有一條：每一次「看了結果再決定下一步」的嘗試，都算一次 trial。包括：
- 每一組參數組合（掃描網格的每一格，不是每一次掃描）
- 每一個策略變體（換進場邏輯、換出場機制、換標的池）
- 每一個你看了績效之後丟掉的版本
- 別人試過、你看過結果的設定（研究團隊共用資料時，別人的搜尋也在消耗你的顯著性）
一個真實案例。某研究者開發了 S1 到 S5 五個策略變體，每個變體各自帶參數網格，最後挑表現最好的 S3 準備寫白皮書，回測報告上的檢定只針對 S3 一支。把搜尋過程實際碰過的 240 個設定全部攤開重算，S3 在全體裡排名第 103，SPA 檢定 p 值 1.0。S3 的亮眼績效不是訊號，是「五選一再各自調參」這個動作本身製造出來的。他報告裡的 N 是 1，真實的 N 是 240。
從數據來看，這也解釋了為什麼「事後補驗證」注定失敗。試驗次數是在搜尋當下累積的，搜尋結束後你已經不可能誠實重建這個數字，人會系統性地少記自己丟掉的東西。可行的做法只有一種：研究開始前就開一個試驗計數器，每碰一組設定就加一，論文叫這個做法 pre-registration。搭配把最後一段資料鎖進保險庫、驗收前不碰，兩件事合起來才構成有效的防線。這部分的完整流程，量化交易系統的建構框架那篇的驗證層有展開。
DSR 抓不到的東西：它只是其中一道牆
把 DSR 講成「回測過擬合的終極解藥」是誤導。它校正的是選擇偏誤加上非常態分布，這在過擬合的九種死法裡算兩種。剩下的它一種都管不到。
具體來說，DSR 不會告訴你：
- 前視偏誤：你的特徵用了公布日之後才知道的資料，DSR 照樣給你高分，因為它只看報酬序列，不看報酬怎麼來的。
- Regime 依賴：全部績效由 2023 到 2024 某一段行情撐起，DSR 不分時段，一樣放行。
- 因子偽裝：你的「alpha」其實是動能因子換了衣服，DSR 不做歸因回歸。
- 成本失真：滑價與手續費被低估，Sharpe 本身就是錯的，DSR 只是精確地檢定了一個錯的數字。
工具和威脅要一一對應。選擇偏誤用 DSR 加上 White’s Reality Check 或 Hansen 的 SPA 檢定；參數脆弱性用擾動測試；regime 依賴用外生環境切段重驗；前視偏誤只能靠 point-in-time 的資料層紀律。用對工具是驗證，用錯工具是買心安。
更值得注意的是，DSR 的姊妹指標 PBO（Probability of Backtest Overfitting）回答的是另一個互補的問題：樣本內選出的最佳策略，在樣本外掉到後段班的機率。Bailey 等人在 Pseudo-Mathematics and Financial Charlatanism 這篇標題毫不客氣的論文裡同時給出了這兩套工具，並且直接點名：不揭露試驗次數的回測報告，在數學上等同於詐術。實務上 DSR 與 PBO 一起跑，一個管顯著性、一個管排名穩定性。
把 DSR 放進工作流：具體怎麼用
講到這裡可以收斂成一套可執行的順序。
研究開始前：寫下經濟假設（這個 edge 為什麼該存在）、鎖出保險庫資料、開試驗計數器。這三件事都在碰資料之前完成。
研究過程中：誠實累加每一次嘗試。網格掃 200 格就記 200，不因為「只是掃一下」就記 1。
驗收時：用真實的 N 算 DSR，同時跑 PBO。門檻建議：DSR > 0.95、PBO < 0.5，兩者同時成立才進下一關。DSR 介於 0.5 到 0.95 之間的正確解讀是「證據不足」，對應的行動是收集更長資料或降低試驗數重驗，不是「先上小資金試試」。
宣稱時：對外只說檢定支持的話。DSR 沒過 0.95，就不能寫「經統計驗證」；只在單一 regime 存活，就要明示「績效集中於特定環境」。回測報告的可信度不在數字多漂亮，在假設揭露得多完整。
還有一個容易忽略的細節：V[SR] 用 1/T 近似是下界，會低估折扣。如果你有完整的試驗紀錄，直接用全部 trial 的 Sharpe 變異數，結果更準也通常更嚴格。這又回到同一件事，試驗紀錄從第一天就要留。
結論：Sharpe 值沒有意義，Sharpe 值加上 N 和 T 才有
整理三個帶得走的點。
第一，任何 Sharpe 值在缺少「試驗次數 N」與「樣本長度 T」的情況下都無法解讀。年化 1.5 可以是強訊號，也可以連雜訊都不如，差別完全在這兩個數字。
第二，DSR 給了選擇偏誤一個精確的價格：試 200 次，兩年資料的及格線就是年化 1.96。這個價格在你按下 optimizer 的那一刻就開始累積，事後無法退款。
第三，Deflated Sharpe Ratio 只擋九種死法裡的兩種。它是驗證流程的必要一關，不是全部。把它當終極解藥的人，只是換了一種更精緻的方式自欺。
量化回測的目的從來不是證明策略會賺，是在投入真錢之前盡力殺掉它。DSR 是這套紀律裡數學最紮實的一把刀。
我們會持續拆解量化驗證、市場微結構與鏈上籌碼的分析框架，訂閱電子報可以定期收到這類研究；想拿到可直接執行的驗證腳本、跟其他量化交易者逐關演練自己的策略，歡迎加入付費實驗室。
Meta Elements
Meta Title: Deflated Sharpe Ratio 是什麼：校正回測過擬合的顯著性檢定
Meta Description: 兩年回測、200 組參數，純雜訊的期望最大年化 Sharpe 就有 1.96。拆解 Deflated Sharpe Ratio 如何把試驗次數與樣本長度折算進顯著性，附四組實算與驗收門檻。
Primary Keyword: Deflated Sharpe Ratio
Secondary Keywords: 夏普比率, 回測過擬合, 量化回測, 選擇偏誤, 多重檢定, Probabilistic Sharpe Ratio, 統計顯著性
URL Slug: /blog/deflated-sharpe-ratio
Internal Links: /blog/backtest-overfitting, /blog/quant-trading-system, /blog/quant-trading-data-layer, /#lab-benefits, adtrader.beehiiv.com
External Links: SSRN (Bailey & López de Prado, The Deflated Sharpe Ratio), SSRN (Harvey, Liu & Zhu, ...and the Cross-Section of Expected Returns), AMS Notices (Pseudo-Mathematics and Financial Charlatanism)
Word Count: 約 3,100 字（中文字元）
