歡迎來到假設檢定（Hypothesis Testing）的世界！
在 FRM 的課程中，假設檢定就像是數據世界裡的偵探工作。到目前為止，你已經學會了如何計算樣本平均值和變異數。現在，我們要學習如何評估觀察到的模式究竟代表真實的統計關係，抑或僅僅是隨機抽樣變異下的產物。
無論你是要檢定某個主動投資策略是否能創造超額報酬（Alpha），還是驗證風險值（VaR）模型是否經過適當校準，假設檢定都是你最核心的量化分析架構。
1. 起跑線：虛無假設與對立假設
每一個假設檢定都始於兩個互斥且窮盡的陳述：
虛無假設（Null Hypothesis，\(H_0\)）： 這是預設的主張或「現狀」。它通常假設沒有影響、沒有差異，或者參數等於某個特定基準值（\(\theta = \theta_0\)）。在統計檢定中，除非樣本證據超越合理門檻並與之矛盾，否則我們一律認定 \(H_0\) 為真。
對立假設（Alternative Hypothesis，\(H_a\) 或 \(H_1\)）： 這就是你想要證實的研究陳述。只有當實證數據足夠強大時，我們才會拒絕 \(H_0\) 而轉向支持 \(H_a\)。
單尾檢定 vs. 雙尾檢定
檢定的架構直接取決於你的研究問題：
雙尾檢定（Two-Sided / Two-Tailed Test）： 用於檢定參數是否朝任一方向偏離假設值。
例子： 投資組合的預期報酬率 \(\mu\) 是否與 5% 不同？（\(H_0: \mu = 5\%\) vs. \(H_a: \mu \neq 5\%\)）
單尾檢定（One-Sided / One-Tailed Test）： 用於檢定特定方向的偏離（大於或小於）。
例子： 投資組合的預期報酬率是否大於 5%？（\(H_0: \mu \leq 5\%\) vs. \(H_a: \mu > 5\%\)）
關鍵慣例：
虛無假設（\(H_0\)）永遠包含等於符號（\(=\)、\(\leq\) 或 \(\geq\)）。而對立假設（\(H_a\)）則代表嚴格的不等式（\(\neq\)、\(>\) 或 \(<\)）。
2. 第一類型與第二類型錯誤、檢定大小及檢定力
由於統計決策依賴的是樣本估計值而非母體普查，因此可能會發生兩種潛在錯誤：
第一類型錯誤（Type I Error）： 當虛無假設實際上為真時，我們卻拒絕了它（偽陽性／假警報）。
犯下第一類型錯誤的機率稱為顯著水準（Significance Level, \(\alpha\)），亦稱為檢定大小（Size of the Test）：\(P(\text{Reject } H_0 \mid H_0 \text{ is true}) = \alpha\)。
第二類型錯誤（Type II Error）： 當虛無假設實際上為假時，我們卻未能拒絕它（偽陰性／錯失良機）。
犯下第二類型錯誤的機率以 \(\beta\) 表示：\(P(\text{Fail to reject } H_0 \mid H_0 \text{ is false}) = \beta\)。
檢定力（Power of the Test）
檢定力是指正確拒絕錯誤虛無假設的機率：\(\text{Power} = 1 - \beta\)。檢定力會隨著樣本數（\(n\)）變大、真實效應量增加（真實參數與假設值之間的差距擴大），以及選取的顯著水準（\(\alpha\)）提高而上升。
3. 決策架構：檢定統計量、P 值與信賴區間
標準化的檢定統計量（Test Statistic）衡量了樣本估計值與 \(H_0\) 下的假設值之間的距離，並以標準誤（\(SE\)）進行標準化縮放：
\(\text{Test Statistic} = \frac{\text{Sample Statistic} - \text{Hypothesized Value}}{SE(\text{Sample Statistic})}\)
臨界值法（Critical Value Approach）
在選定的顯著水準 \(\alpha\) 下，將計算出的檢定統計量與參考分佈的臨界值進行比較：
- 雙尾檢定：若 \(\vert \text{Test Statistic} \vert > \vert \text{Critical Value}_{\alpha/2} \vert\)，則拒絕 \(H_0\)。
- 單尾檢定：若檢定統計量嚴格落在由 \(\alpha\) 所界定的拒絕尾部內，則拒絕 \(H_0\)。
P 值法（P-Value Approach）
P 值（p-value）是能夠拒絕 \(H_0\) 的最小顯著水準。換句話說，就是在假設 \(H_0\) 為真的情況下，觀察到至少與計算出的樣本值一樣極端的檢定統計量之機率。
- 若 \(\text{p-value} < \alpha\)，則拒絕 \(H_0\)（具統計顯著性）。
- 若 \(\text{p-value} \geq \alpha\)，則無法拒絕 \(H_0\)。
與信賴區間的對偶性（Duality with Confidence Intervals）
雙尾假設檢定與信心水準為 \(1 - \alpha\) 的信賴區間（Confidence Interval, CI）之間存在完全對應的關係：
\(CI = \text{Sample Estimate} \pm (\text{Critical Value} \times SE)\)
假設值 \(\mu_0\) 在顯著水準 \(\alpha\) 下被拒絕，若且唯若 \(\mu_0\) 嚴格落在 \((1 - \alpha)\) 信賴區間之外。若 \(\mu_0\) 落在該區間內，我們在顯著水準 \(\alpha\) 下便無法拒絕 \(H_0\)。
4. 單一母體的假設檢定
檢定母體平均值（\(\mu\)）：
- Z 檢定（Z-test）： 當母體變異數 \(\sigma^2\) 已知時使用：\(Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}\)。
- t 檢定（t-test）： 當母體變異數未知並以樣本變異數 \(s^2\) 代替估計時使用，自由度為 \(n - 1\)：\(t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}\)。
檢定單一母體變異數（\(\sigma^2\)）：
- 卡方檢定（Chi-Square, \(\chi^2\) Test）： 對於常態分佈母體，檢定 \(H_0: \sigma^2 = \sigma_0^2\) 所採用的檢定統計量為 \(\chi^2 = \frac{(n - 1)s^2}{\sigma_0^2}\)，自由度為 \(n - 1\)。
比較兩個母體變異數：
- F 檢定（F-test）： 使用獨立樣本檢定 \(H_0: \sigma_1^2 = \sigma_2^2\)：\(F = \frac{s_1^2}{s_2^2}\)，分子自由度為 \(n_1 - 1\)，分母自由度為 \(n_2 - 1\)。
5. 檢定兩個母體平均值之差異
金融風險管理經常需要比較兩個投資組合、資產或不同時間體系之間的報酬率或風險測度。適當的檢定方法取決於兩個樣本為獨立樣本還是成對樣本：
A. 獨立樣本
當跨越兩個不同母體檢定 \(H_0: \mu_1 - \mu_2 = d_0\)（通常 \(d_0 = 0\)）時：
\(t = \frac{(\bar{x}_1 - \bar{x}_2) - d_0}{SE(\bar{x}_1 - \bar{x}_2)}\)
- 假設變異數相等（聯合成員變異數／Pooled Variance）： 當 \(\sigma_1^2 = \sigma_2^2\) 時，計算聯合變異數 \(s_p^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2}\)，標準誤為 \(SE = s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)，自由度為 \(n_1 + n_2 - 2\)。
- 變異數不相等（非聯合／Unpooled）： 當不能假設變異數相等時，\(SE = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}\)，其自由度則透過 Welch 公式進行調整。
B. 成對（相依）樣本
當兩個樣本的觀察值自然成對時（例如同一基金在政策轉變前後的表現），計算成對差額值 \(d_i = x_{1,i} - x_{2,i}\)。假設 \(H_0: \mu_d = d_0\) 可簡化為對平均差額值 \(\bar{d}\) 進行單樣本 t 檢定：
\(t = \frac{\bar{d} - d_0}{s_d / \sqrt{n}}\)
其中 \(s_d\) 為成對差額值的樣本標準差，自由度為 \(n - 1\)。
6. 多重檢定問題（The Multiple-Testing Problem）
在量化建模與回測中，分析師經常同時檢定數十個甚至數百個候選變數、交易策略或風險因子。這會產生多重檢定問題（亦稱為數據窺探／Data Snooping 或 P 值操縱／p-hacking）。
如果你進行 \(m\) 次各自在顯著水準 \(\alpha\) 下的獨立檢定，整個檢定族群中出現至少一次第一類型錯誤的機率——稱為族群錯誤率（Family-Wise Error Rate, FWER）——為：
\(FWER = 1 - (1 - \alpha)^m\)
例子： 如果你在 \(\alpha = 0.05\) 下檢定 20 個獨立策略，發現至少一個偽陽性（假警報）的機率為 \(1 - (1 - 0.05)^{20} \approx 64.15\%\)。
多重檢定的補救方法
龐費洛尼校正（Bonferroni Correction）： 為了維持整體族群錯誤率為 \(\alpha\)，每個單獨檢定均在調整後的顯著水準下進行：
\(\alpha^* = \frac{\alpha}{m}\)
等價地，可將個別 P 值乘以 \(m\)。龐費洛尼校正雖然簡單且保守，但當 \(m\) 很大時會顯著降低檢定力。
錯誤發現率（False Discovery Rate, FDR）： 現代替代方法著重於控制所有被拒絕的假設中錯誤拒絕的預期比例，而不是完全杜絕任何單一的第一類型錯誤。
7. 假設檢定的逐步指南
步驟 1： 建立虛無假設（\(H_0\)）與對立假設（\(H_a\)）。
步驟 2： 選定顯著水準（\(\alpha\)），例如 0.05 或 0.01。
步驟 3： 選取合適的檢定統計量（Z、t、卡方或 F），並指明其在 \(H_0\) 下的分佈。
步驟 4： 計算樣本檢定統計量及對應的 P 值或臨界值。
步驟 5： 應用決策規則：若檢定統計量超越臨界值（或 \(\text{p-value} < \alpha\)），則拒絕 \(H_0\)；否則，無法拒絕 \(H_0\)。
8. 常見避坑指南
1. 「接受」虛無假設： 我們從不說「接受 \(H_0\)」。我們只能「無法拒絕 \(H_0\)」。無法拒絕僅僅表示樣本證據不足以推翻虛無假設，並不代表虛無假設已被證明為真。
2. 混淆各尾部的 Alpha 配置： 在 \(\alpha = 5\%\) 下進行雙尾檢定時，臨界區域會將 \(2.5\%\)（\(\alpha/2\)）分配到每一側尾部。而單尾檢定中，全部 \(5\%\) 集中在單一尾部，因而會產生較小的臨界值門檻。
3. 混淆統計顯著性與經濟顯著性： 當樣本數 \(n\) 極大時，微不足道的效應量也能產生具統計顯著性的 P 值，然而交易成本或市場摩擦力可能會使該效應在經濟意義上變得微不足道。