Discord 异常子序列：用最不像别处的片段捕捉市场异常

一句话版本#

Discord 是”全序列里最找不到相似者的子序列”——把 Matrix Profile 的最近邻距离曲线倒过来读：低谷是模体（重复形态），最高峰就是异常。它的杀手锏是不需要你事先定义”什么是异常”，只需要回答一个纯几何问题：哪一段最不像序列里的任何别处？

异常检测的根本困境，和 discord 的取巧解法#

传统异常检测都绕不开一个死结：你必须先描述正常，才能定义异常。基于阈值的方法要选阈值，基于分布的方法要假设分布，基于模型的方法要先拟合模型——而市场数据的”正常”本身就在漂移。

Keogh 团队 2005 年提出的 discord 概念换了一个问法：不描述正常，直接比相似度。对每个长度为 m 的子序列，找它在全序列中（排除自身邻域后）的最近邻距离；这个距离最大的子序列就是 discord——它连一个远房亲戚都找不到。

在 Matrix Profile 框架下这个定义变得几乎免费：MP 曲线本来就是”每个子序列到最近邻的距离”，模体挖掘取 argmin，discord 检测取 argmax，同一次计算，两个产品。

def matrix_profile_brute(x, m, excl):
    """暴力 O(n²) Matrix Profile（教学版，向量化）
    excl: 排除区半径，屏蔽自身邻域的平凡匹配"""
    n = len(x) - m + 1
    subs = np.array([znorm(x[i:i+m]) for i in range(n)])
    mp = np.full(n, np.inf)
    for i0 in range(0, n, 500):                      # 分块省内存
        i1 = min(i0 + 500, n)
        # z-norm 向量的欧氏距离恒等式: d² = 2m - 2·dot
        D = np.sqrt(np.maximum(0, 2*m - 2 * subs[i0:i1] @ subs.T))
        for k, i in enumerate(range(i0, i1)):
            d = D[k].copy()
            d[max(0, i-excl) : i+excl+1] = np.inf    # 排除区
            mp[i] = d.min()
    return mp

def top_discords(mp, m, k=3):
    """取 top-k 互不重叠的 discord"""
    mp2, out = mp.copy(), []
    for _ in range(k):
        i = int(np.argmax(mp2))
        out.append((i, mp2[i]))
        mp2[max(0, i-m) : i+m] = -np.inf             # 屏蔽已选邻域
    return out

生产环境用 STUMPY 的 stump + argmax 即可，上面的暴力版是为了让每一步都透明。

主实验：结构化日内本底 + 三种植入异常#

考卷这样出：60 个交易日 × 每日 50 根 bar，所有正常日共享同一个日内模板（开盘下探 → 午盘修复 → 尾盘拉升的 U 型节奏），只有幅度随机缩放（0.7~1.3 倍）加噪声。然后植入三个异常日：

• 闪崩回补（第 15 天）：6 根 bar 崩 7%，随后缓慢回补
• 波动冻结（第 34 天）：收益率方差骤降 200 倍——模拟数据源卡死或流动性冻结
• 锯齿振荡（第 48 天）：bar 级别 ±60bp 高频振荡——模拟异常做市行为

结果干净利落：top-3 discord 全部命中三个植入异常日（位置 2443/1700/788 对植入的 2400/1700/750，均在一个窗口以内），分数 7.95/7.65/7.22，而 MP 中位数只有 3.77——对比度 2.1 倍。

三个异常日和正常日的日内路径对比一目了然：

注意波动冻结那个案例的含金量：它没有任何极端收益——每根 bar 都安安静静接近零。基于阈值的异常检测（|收益| > 5σ 之类）对它完全失明，但 discord 一击命中，因为”一整天纹丝不动”这个形状在全序列里独一无二。这正是 discord 相对阈值法的本质优势：它检测的是形状的孤独度，不是幅度的极端度。

失败案例：IID 本底上的全军覆没#

现在把同样的三种异常（幅度还放大了）植入一个 IID 随机游走本底——3000 根 bar 的纯噪声。结果：

命中 0/3。 MP 中位数 7.22、峰值 7.83，挤在一条水平带里，植入异常的分数完全淹没在本底中。top-3 discord 落在 2063/2141/1470——全是随机噪声碰巧走出的普通片段。

这是全文最重要的实验。机制值得说透：

Discord 的对比度不来自异常本身有多怪，而来自正常段有多相似。

在结构化本底里，正常日彼此是孪生兄弟（共享模板），MP 谷值低、本底紧，异常一冒头就鹤立鸡群。在 IID 本底里，每一段都独一无二——随机游走的任何 50 步组合都不会重演——于是”最不像别处”这个标准失去了区分度：处处都是异常，等于处处都不是异常。

这直接划定了 discord 在量化里的适用边界：

• 适合：日内高频数据（日内节奏模式强，U 型成交量、开盘集合竞价后的均值回归等结构反复出现）、期货主力合约的日内微观结构、做市商报价流
• 不适合：日线收益率序列（接近 IID，本底不提供相似性）、任何被有效市场磨得足够”白”的低频序列

换句话说，discord 检测的前提假设与 Shapelet、SAX 检索 一脉相承：序列里得先有可重复的结构，“偏离结构”才是可定义的事件。

消融一：排除区——模体端先死，discord 端硬撑#

把排除区从 m/2 砍到几乎为零重跑：

有趣的不对称性：discord 端相对鲁棒（峰值 7.95 → 7.65，命中仍是 3/3），但模体端先失效——MP 谷值从 3.05 塌到 2.13，因为相邻重叠子序列（i 和 i+1 天然相似度 ~99%）互认最近邻，把”我有孪生兄弟”变成了自欺欺人。原因也直白：discord 找的是 max，自匹配只会把别人的分数拉低、很难把真 discord 的分数拉低（它连相邻片段都不像）；而模体找的是 min，自匹配直接污染答案。

工程结论：做纯 discord 检测时排除区容错较大，但只要下游还要用模体信息，排除区 = m/2 是不可省略的标准配置。

消融二：窗口长度——短于异常尺度一半就归零#

m=10（异常长度的 1/5）时全灭：窗口太短，闪崩里的一小段下跌、锯齿里的一小段振荡，在本底的噪声片段里都能找到形似的邻居——异常的独特性存在于整体形状，切碎了就不独特了。m ≥ 异常尺度后命中稳定，甚至 m=150（3 天窗口）也保持 3/3，因为包含异常日的任何窗口都被异常段”污染”出独特形状。

实务建议与 Matrix Profile 那篇一致：m 对齐你关心的异常的经济时间尺度——查坏 tick 用分钟级窗口，查异常交易日用单日窗口，宁可偏长不要偏短。

消融三：无异常世界的 MP 峰值也有 5.06#

最后一个必须做的对照：完全不植入异常的结构化本底，MP 峰值仍有 5.06（中位数 3.73）。也就是说，随便拿一条正常序列跑 discord，你总会得到一个”最异常”的片段——argmax 永远存在。

真异常的分数（7.2~8.0）确实显著超出无异常世界的峰值（5.06），但这个界限只有跑了对照才知道。Discord 分数没有天然阈值——5.5 算异常吗？6 呢？唯一严谨的做法是：用历史上确认无事件的时段（或 block bootstrap 重排的代理序列）建立 MP 峰值的本底分布，把 discord 分数转成经验 p 值。直接对着 argmax 喊”发现异常”，和对着随机数据挖模体一样，是无监督方法最常见的自欺。

落地：数据质量监控是最无争议的用法#

把 discord 的三个特性放在一起——无需定义异常、检测形状而非幅度、需要结构化本底——最匹配的落地场景是数据管道监控：

1. 坏 tick / 拼接错误：价格源切换、复权因子错误、时区错乱产生的形状都独一无二，且日内数据本底结构强
2. 流动性冻结：本实验的”波动冻结”案例——阈值法失明、discord 一击命中的典型
3. 交易所异常：熔断、集合竞价异常、做市商撤离产生的微观结构突变

相比之下，“用 discord 找交易信号”的想法要谨慎得多：discord 告诉你这段行情史无前例，但史无前例不等于可交易——你不知道它是机会还是灾难，而且等你确认它是 discord 时（需要右侧数据补全窗口），行情往往已经走完。线上实时场景要用左侧 MP（只和历史比），检测延迟至少一个窗口长度。

A 股注记#

A 股日内数据做 discord 监控有两个本土化细节：14:57~15:00 的收盘集合竞价使最后一根 bar 的形态天然特殊，要么单独建模要么从窗口剔除，否则每天尾盘都是伪 discord；一字板日的”波动冻结”形态（全天一个价）会与数据卡死混淆——需要用成交量区分：涨停板冻结是有量的冻结，数据故障是无量的冻结。停牌复牌的跳空拼接则是真正该被 discord 抓住的目标，不要提前平滑掉。

系列小结#

到这篇为止，时间序列形态挖掘的三件套集齐了：

它们共享同一个前提——序列有可重复的结构——也共享同一个纪律：发现形态、验证形态、交易形态是三件事，每一步都需要独立的证据。