常用
异常值标准
3倍标准差 如果数据分布比较均匀，且异常值不多，可以选择标准差方法；
四分位数（Q3=75%）、下四分位数（Q1=25%）和中位数（Q2=50%） [Q1-1.5×(Q3-Q1), Q3+1.5×(Q3-Q1)] 如果数据分布不均匀，且存在较多异常值，可以选择箱体方法。
抽样
抽取样本服从什么分布？
根据中心极限定理：若给定样本量的所有样本来自任意整体，则样本均值的抽样分布近似服从正态分布，且样本量越大，近似性越强。
当样本量大于30的时候符合中心极限定理，样本服从正态分布；当样本量小于30的时候，总体近似正态分布时，此时样本服从t分布。样本的分布形态决定了我们在假设检验中采用什么方法去检验它。
推断统计/基本步骤
推断统计顾名思义就是从样本特征推断总体的特征。而这个推断的过程即所谓的假设检验。
这个过程首先需要明确问题是什么?然后确定证据是什么？判断标准是什么？
最后做出结论。即对应假设检验的几个步骤：
1.提出原假设（H0）和备选假设（H1）
2.确定显著性水平（原假设为正确时，人们把它拒绝了的概率）
3.选择检验统计量
4.建立决策准则
5.下结论
参照【p值.png】
无偏估计
为什么样本方差的分母是n-1？ 最简单的原因，是因为因为均值已经用了n个数的平均来做估计在求方差时，只有(n-1)个数和均值信息是不相关的。 而你的第ｎ个数已经可以由前(n-1)个数和均值来唯一确定，实际上没有信息量。 所以在计算方差时，只除以(n-1)。
因子入库标准
- 需查看单因子值的稳定性（非因子与收益的相关性）model.access.stabilization.loop此方法可查看
ic
- IC绝对值为1，表示该因子选股单调性好。绝对值越小单调性越差 当 I C > 0.05 时，就可以视为有效因子，当 I C > 0.1，就可以认为是很好的阿尔法因子了
ir
- IR大于0.5时，因子稳定获取超额收益的能力较强 一般绝对值0-0.2没有先关性，0.2-0.4弱相关,0.4-0.6中等相关,0.6-0.8强相关
偏度
取值范围为(-∞,+∞) 当偏度<0时，概率分布图左偏（峰左边x轴长于右边） 当偏度=0时，表示数据相对均匀的分布在平均值两侧，不一定是绝对的对称分布 当偏度>0时，概率分布图右偏（峰右边x轴长于左边）
峰度
峰度的取值范围为[1,+∞) 完全服从正态分布的数据的峰度值为 3 峰度值越大，概率分布图越高尖，峰度值越小，越矮胖
因子入库条件
与收益较好的因子时序的相关性＜0.4-0.5（对于中低频截面0.4可能还是有点高，高频的话0.8可能都行）（如果与相关性大于阈值，但收益高于以入库的。则去除以入库的，采用新的因子） 分层为5:多头超额年化＞0.05，多空年化＞0.15 ic＞0.02
测试下rolling sharpe、sortino、max dd、turnover、signal autocorrelation
标准差与分布
- 正太分布标准差为1，均值为0
-
标准差为1，均值为0，不一定是正太分布
-
正负1倍标准偏差的概率 =68.3%
- 正负2倍标准偏差的概率 =95.5%
-
正负3倍标准偏差的概率 =99.7%
-
箱体图（box）一般定义 1.5*IQR(25%-75%)上下外的值为异常值
- 密度图（kde）
- 直方图（hist）
相加/根号定理
n个标准正太分布相加，除以根号下n。的结果也为标准正太分布
(值-均值)/标准差的意义
消除量纲影响,保留原有分布,标准差为1，均值为0
均值/标准差的意义
用于不同单位的标准差【离散度】比较
标准差
反映的是一个数据集的离散程度，值越大，越离散，即个体间差异越大 sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n)
标准误差
标准误差简单理解即是对平均数求标准差 比如一次实验会得到一个平均数，多次实验得到多个平均数，标准误差即是对这些平均数求标准差。
实际意义即是用来表示样本均值与总体均值的离散程度，标准误越小，样本均值和总体均值差距则越小，反之越大。 标准误差用于预测样本数据准确性 ，标准误越小，样本均值和总体均值差距越小，样本数据越能代表总体数据。
标准误差= 样本标准差/sqrt(n)= sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n(n-1))/sqrt(n)