什么是R平方？
直接答案
R平方（R²）是一种统计指标，用于描述数据在多大程度上符合某个选定的模型，最常见的是线性关系。它是一种“拟合度”度量：在给定输入变量和模型拟合方式的前提下，R²总结了模型对目标变量变化的解释程度。
在外汇研究中，人们有时会计算R²，以判断两个变量之间的线性关系是否与历史走势相符。但R²本身并不能指示未来价格走向，无法控制交易成本，也不能保证该关系将保持稳定。
定义与简单模型
在基本线性模型中，你将一个因变量（通常记为y）与一个或多个自变量（通常记为x）相关联。对于单变量线性回归，模型形式如下：
- y ≈ a + b·x
R²衡量的是模型所解释的y变量总变异的比例。从概念上讲：
- 如果你的模型对y的变异性解释很少，则R²较低。
- 如果你的模型解释了y的大部分变异性，则R²较高。
一个关键的局限性是，R²的意义仅相对于具体的建模设置才有意义：你使用了哪些变量、是使用价格水平还是收益率、如何处理缺失值，以及你是使用全部可用数据进行拟合，还是采用了训练集/验证集的划分。
在外汇中的应用方式（及注意事项）
一种常见的外汇用途是：在假设线性关系的前提下，通过计算两个变量之间关系的R²，来比较历史变动之间的关联强度。
具有明确假设的示例（不含实时价格）：
- 假设你选择一个y序列和一个按时间对齐的x序列。
- 假设你使用历史观测值拟合线性回归 y ≈ a + b·x。
- 假设你从拟合的直线中计算R²。
结果解读：
- 较高的样本内R²意味着拟合直线在用于拟合的数据上更好地跟踪了所选的y值。
- 较低的R²意味着在该线性形式下，这种关系较弱。
主要局限性与失效模式：
- 对历史噪声的过拟合：一个关系可能在某一时期表现强劲，但在后期崩溃。
- 市场机制变化：市场行为可能发生转变，从而改变潜在的关系。
- 不同的交易成本与执行影响：即使历史上y被x“解释”，实际交易结果仍取决于点差、滑点和延迟。
- 非平稳性：统计特性可能随时间变化，导致“已解释的变异”不稳定。
- 模型形式依赖性：R²反映的是特定模型族（如线性）的拟合效果。不同的函数形式可能会产生不同的拟合结果。
由于这些问题，仅凭历史R²并不能可靠地保证其未来的实用性。
局限性与风险，以及如何验证
R²是一种描述性统计量。它不能确认因果关系，不能验证关系的普适性，也不能直接转化为交易表现。
你可以独立应用的验证清单：
- 使用样本外评估：在未用于拟合的数据上计算R²。
- 测试对输入的敏感性：在更改预处理方式（如收益率 vs. 价格水平）和对齐选择时重新计算R²。
- 检查在不同时间段的稳定性：比较不同历史区间的R²，看其是否保持一致。
- 考虑线性假设是否适用于问题：如果关系明显是非线性的，线性R²可能会产生误导。
下一步可探索的问题：当你为与外汇相关的变量计算R²时，你的x和y具体是如何定义的？时间对齐规则是什么？评估方法是样本内还是样本外？这些选择往往决定了R²实际上在衡量什么。