CUSUM 结构突变检测：用累积和在收益序列里揪出 regime 拐点 • halo 的技术博客

先说结论：你的策略最大的风险不是参数选错，而是市场在你不知情的时候换了一套规则，而你还在用旧规则下注。均值漂移、波动跳变、相关性结构断裂——这些「结构突变」（structural break / regime shift）一旦发生，基于历史估计的所有参数瞬间过期。CUSUM（Cumulative Sum，累积和检验）是检测这类突变最经典、最轻量的工具：它不需要你预设变点位置，只用一条累积和曲线的「折点」就把 regime 拐点标出来。本文用纯 numpy 从原理到实战完整实现一遍，并且诚实地告诉你它的边界在哪。

一、问题：策略为什么会「突然」失效#

想象你在 2021 年用过去三年数据估了一个动量策略的参数：持有期、止损带宽、仓位系数，全都调到那段上行行情的最优。然后 2022 年来了——均值漂移从正转负，波动率翻倍。你的参数一个都没变，但市场底层的数据生成过程已经换了一套。

这不是过拟合，是结构突变。它和过拟合的区别很关键：

过拟合：模型在样本内学到了噪声，样本外失效——问题在模型
结构突变：模型本来是对的，但数据生成过程本身变了——问题在世界

对付过拟合靠正则化、交叉验证；对付结构突变，你需要一个在线报警器，在市场换挡时告诉你「旧参数该重估了」。CUSUM 就是这个报警器最朴素的实现。

我们先造一段有明确 regime 的合成数据，好让检测结果有「标准答案」可对照：

import numpy as np

rng = np.random.default_rng(7)
T = 900
true_bp = [300, 600]           # 两个真实变点（上帝视角）
mu = np.zeros(T)
mu[:300]   =  0.0010           # 上行：日均 +10bp
mu[300:600] = -0.0025          # 下行：日均 -25bp
mu[600:]   =  0.0012           # 回升：日均 +12bp
sigma = 0.010
rets = mu + sigma * rng.standard_normal(T)
price = 100 * np.cumprod(1 + rets)

python

合成价格序列与真实变点

三段均值截然不同，但注意：在收益序列层面，这三段肉眼几乎分不出来——因为单日噪声 σ=1% 远大于均值差异（几十个 bp）。这正是难点：漂移被噪声淹没了。CUSUM 的本事，就是把被噪声掩盖的微小漂移，通过累积放大出来。

二、CUSUM 的核心直觉：累积和把漂移折成斜率#

CUSUM 的数学极其简单。对去掉全局均值 $\hat\mu$ 的收益序列做累积和：

$S_t = \sum_{i=1}^{t} (r_i - \hat\mu)$

关键洞察在这里：

如果某一段的真实均值等于全局均值，这段的 $(r_i - \hat\mu)$ 期望为零，累积和是无漂移的随机游走——水平方向震荡
如果某一段的真实均值高于全局均值， $(r_i - \hat\mu)$ 期望为正，累积和持续向上爬
如果低于全局均值，累积和持续向下走

于是，均值漂移在累积和曲线上表现为斜率的改变。变点，就是斜率折转的地方。

mu_hat = rets.mean()
S = np.cumsum(rets - mu_hat)

python

CUSUM 累积和曲线

看这条橙线：前 300 天缓慢上行（该段均值高于全局），300~600 天陡峭下坠（该段均值远低于全局），600 天后再度回升。斜率的两次折转，精确对应两个真实变点。噪声被累积操作平滑掉了，趋势浮出水面——这就是 CUSUM 以简驭繁的地方。

三、二分分割：从一条曲线到自动定位多个变点#

肉眼看折点不算算法。要自动定位，我们需要一个统计量来量化「这个点作为变点有多显著」。标准做法是归一化的 CUSUM 统计量：

$D_k = \frac{|S_k|}{s \cdot \sqrt{n}}, \quad S_k = \sum_{i=1}^{k}(r_i - \bar r)$

其中 $s$ 是段内标准差， $n$ 是段长。 $D_k$ 取最大值的位置 $k^*$ 就是最可能的单变点；如果 $D_{k^*}$ 超过阈值，就认定这里有一个突变。

单变点检测只能找一个。真实市场往往有多个 regime，解法是二分分割（Binary Segmentation）：找到最强变点后，把序列从该点切成两半，在每一半里递归地继续找，直到没有子段的统计量超过阈值。

def cusum_stat(x):
    n = len(x)
    if n < 30:                       # 段太短不可靠
        return None, 0.0
    S = np.cumsum(x - x.mean())
    s = x.std(ddof=1)
    if s == 0:
        return None, 0.0
    stat = np.abs(S) / (s * np.sqrt(n))
    k = int(np.argmax(stat))
    return k, stat[k]

def binseg(x, offset, threshold, found):
    k, stat = cusum_stat(x)
    if k is None or stat < threshold:
        return                       # 没有显著变点，递归终止
    bp = offset + k
    found.append((bp, stat))
    binseg(x[:k], offset, threshold, found)      # 左半段递归
    binseg(x[k:], bp, threshold, found)          # 右半段递归

found = []
binseg(rets, 0, 1.10, found)
found_bp = sorted(bp for bp, _ in found)
# -> [363, 609]

python

二分分割检测结果

结果：真实变点 [300, 600]，检测出 [363, 609]。误差 60 天和 9 天。

这个误差是真实的，不是 bug。为什么第一个变点偏了 60 天？因为从「+10bp 上行」切换到「-25bp 下行」时，切换初期的负收益还没累积到足以压过前面 300 天正漂移的程度——CUSUM 需要「攒够证据」才敢标点。而第二个变点（-25bp → +12bp）偏差只有 9 天，因为这次跳变幅度更大（37bp），证据攒得快。变点定位精度正比于漂移幅度、反比于噪声——这是信息论级别的约束，不是算法能突破的。

四、阈值：过度分割与漏检之间的走钢丝#

binseg 里那个 threshold=1.10 是整个方法最要命的旋钮。它直接决定你检出几个变点：

thr_grid = np.linspace(0.6, 2.2, 25)
n_detected = []
for thr in thr_grid:
    f = []
    binseg(rets, 0, thr, f)
    n_detected.append(len(f))

python

阈值敏感性

这张图是全文最该盯住的一张：

阈值 < 1.0：检出 5 个、7 个甚至更多变点——过度分割。CUSUM 把纯噪声段里偶然的累积漂移也当成了 regime 切换。这些「变点」样本外根本不复现，你会据此频繁重估参数，交易成本吃光收益。
阈值 > 1.4：只检出 1 个甚至 0 个——漏检。真实的下行 regime 被当成噪声忽略，你的策略在熊市里继续用牛市参数。
稳健区间 1.0~1.3：稳定检出 2 个，与真相一致。

问题在于：真实数据里你没有「上帝视角」的 2 个作参照。怎么定阈值？三条实战路径：

理论临界值：在原假设（无变点）下，归一化 CUSUM 统计量服从 Brownian Bridge 的极值分布，5% 显著性水平对应约 1.36。这给你一个有统计依据的起点。
信息准则惩罚：把变点数当模型复杂度，用 BIC/MDL 对「多切一刀」施加惩罚，让数据自己权衡。这是 PELT 等现代变点检测算法的做法。
样本外稳定性：在滚动窗口上检测，只保留在多个窗口里反复出现的变点——真 regime 切换会稳定复现，噪声不会。

五、离线 vs 在线：检测延迟是逃不掉的税#

上面的二分分割是离线（retrospective）检测：拿到完整序列后回头找变点。做研究、划分历史 regime 时够用。但实盘里你要的是在线（sequential）检测：每来一根新 K 线，立刻判断「市场是不是刚刚换挡了」。

在线检测用的是 Page 的序贯 CUSUM。以检测负向漂移（比如从上行切到下行）为例，维护一个单侧累积统计量：

$g_t = \max\left(0,\ g_{t-1} - (r_t - \hat\mu) - k\right)$

其中 $k$ 是「松弛量」（reference value，通常取待检测漂移幅度的一半），起过滤小波动的作用。 $g_t$ 平时被压在零附近，一旦真的出现持续负漂移，它会稳定累积上升，突破决策界 $h$ 时报警：

k_ref = 0.5 * abs(-0.0025)   # 松弛量：待检测漂移的一半
g = np.zeros(T)
h = 0.03                      # 决策界
alarm = None
for i in range(1, T):
    g[i] = max(0, g[i-1] - (rets[i] - mu_hat) - k_ref)
    if g[i] > h and alarm is None and i > 300:
        alarm = i             # -> 316

python

在线 CUSUM 检测延迟

真实下行从 t=300 开始，报警在 t=316——检测延迟 16 天。

这 16 天不是算法不够好，是序贯检测的物理下限。在线检测面对一个无法同时满足的三角约束：

想降低误报率（少被噪声骗）→ 提高决策界 $h$ → 但攒够证据更慢 → 延迟变长
想缩短检测延迟（快速反应）→ 降低 $h$ → 但更容易被噪声触发 → 误报变多

这就是 Page/Lorden 序贯检测理论的核心结论：平均检测延迟（ADD）和平均误报间隔（ARL）此消彼长，不存在两全。你能做的只是根据策略特性选一个平衡点：高频策略容忍不了误报（每次误报都是一次昂贵的调仓），就把 $h$ 抬高吃延迟；风控报警宁可错杀，就把 $h$ 压低吃误报。

六、结果解读与实战边界#

这个方法能给你什么。 一个不需要预设变点、计算量极小（ $O(n)$ 累积和 + $O(n\log n)$ 递归分割）、可离线可在线的 regime 拐点检测器。用它给历史数据分段，你能回答「我的策略在哪几段 regime 下有效、哪几段失效」；用在线版本挂在实盘上，你能在市场换挡时收到一个「参数该重估了」的信号。

四个必须知道的陷阱：

CUSUM 标准形式只检均值漂移，对波动突变失灵。 本文所有实验检测的都是均值变化。如果 regime 切换主要体现在波动率跳变（均值没怎么动，但 σ 从 1% 蹦到 2.5%），去均值累积和对此几乎无感——因为它累加的是 $(r_i - \hat\mu)$ ，波动放大后正负相消，累积和斜率不变。检测波动突变要改用平方收益 $(r_i-\hat\mu)^2$ 的 CUSUM，或直接上 GARCH regime-switching / ICSS 算法。用错工具检错量，是这里最常见的翻车方式。
检测延迟不可能为零，别指望抄在拐点。 上面 16 天的延迟是内生的。任何声称「实时精确捕捉市场顶底」的变点检测都在骗人——它要么事后诸葛（离线），要么误报连篇（阈值压太低）。把 CUSUM 当「换挡确认器」而非「拐点预测器」，心态才对。
多变点检测对分割顺序敏感。 二分分割是贪心算法：先切最强的点，再递归。当两个变点强度接近或存在交互时，贪心可能切错位置。对精度要求高时，用 PELT（Pruned Exact Linear Time）这类能保证全局最优分割的算法替代二分分割。
全局均值 $\hat\mu$ 本身被变点污染。 我们用整段的 $\hat\mu$ 去中心化，但这个均值恰恰是混合了多个 regime 的「四不像」。变点越多、越极端， $\hat\mu$ 越不代表任何一段。严格的做法是迭代：初次检测 → 分段重估各段均值 → 用局部均值重新检测。单次检测在变点不多时够用，变点密集时要迭代精修。

一句话总结：CUSUM 是 regime 检测的「听诊器」——便宜、可靠、原理透明，能告诉你「市场心跳变了」，但它不会预测下一次心跳，也听不出波动率这种「血压」问题。知道它能检什么、不能检什么，比调参数重要得多。