美元棒采样 Dollar Bars：按成交金额而非时钟切分K线

一句话版本#

时间棒按墙上的钟采样，美元棒按市场自己的钟采样——累计成交金额到阈值就切一根，信息涌入时切得快，市场空转时切得慢，切出来的收益序列显著更接近 iid 高斯。

每 5 分钟一根 K 线，是谁规定的#

日线、小时线、5 分钟线——所有主流行情数据都按固定时间间隔切分。这个约定源于人类的作息和交易所的报表周期，与市场的信息流没有任何关系。

而市场信息的到达是高度成簇的：财报落地后的三分钟可能比午盘三小时承载更多价格发现；开盘和收盘的成交额是午间的数倍。在时钟采样下：

• 信息密集时段被欠采样：一根 5 分钟 bar 里塞进了十根 bar 的信息量，收益出现巨幅跳变——肥尾的直接来源；
• 信息稀疏时段被过采样：午盘的十根 bar 里没有任何新信息，收益挤在零附近——分布中间凸起一个尖峰。

尖峰 + 肥尾 = 超额峰度，再叠加活跃度自身的持续性（今天忙、明天大概率也忙）= 波动聚集。这两个「风格化事实」教科书上通常当作市场的内禀属性，但 Mandelbrot & Taylor (1967) 和 Clark (1973) 早就指出了另一种解读：它们相当程度上是时钟采样的伪影。 如果按成交活动重新计时（所谓 subordinated process / 时间变换），收益分布会向高斯回归。Ané & Geman (2000) 在个股 tick 数据上给出了系统证据；López de Prado 在《Advances in Financial Machine Learning》第 2 章把它工程化为 information-driven bars 家族，美元棒是其中最实用的一种。

三种采样的定义#

统一的框架：选一个「计量器」，累计到阈值就切 bar。

美元棒相对成交量棒的优势在长周期上体现：一只股票从 10 元涨到 100 元，同样 100 万股的成交量代表的经济意义差了 10 倍；拆股、增发会让「股数」的含义跳变，而「金额」始终可比。核心实现只有十几行：

def threshold_bars(minute_ret, meter, threshold):
    """累计 meter（成交量或成交金额）达到 threshold 就切一根 bar"""
    bars, acc_meter, acc_ret = [], 0.0, 0.0
    for i in range(len(minute_ret)):
        acc_meter += meter[i]
        acc_ret   += minute_ret[i]
        if acc_meter >= threshold:
            bars.append(acc_ret)
            acc_meter, acc_ret = 0.0, 0.0
    return np.array(bars)

# 阈值定为总额/目标bar数，保证三种bar数量可比
dollar_threshold = dollar_flow.sum() / TARGET_BARS
dollar_bars = threshold_bars(minute_ret, dollar_flow, dollar_threshold)

实验：一个活跃度成簇的合成市场#

要公平对比采样方式，需要一个已知信息到达过程的市场。我们合成 60 个交易日、共 14400 分钟：

• 信息到达强度 λ(t) 用 Hawkes 式自激：每个事件抬升后续强度（分支比 0.55，指数衰减），产生成簇的活跃度；
• 叠加日内 U 型季节性：开收盘强度约为午间的 1.9 倍；
• 分钟收益方差 ∝ 事件数：信息多的分钟波动大（这正是 subordination 假设本身）；
• 分钟成交量与事件数正相关，成交金额 = 量 × 价。

# Hawkes 式自激强度 + 日内 U 型
base, alpha, decay = 0.3, 0.55, 0.08
excite = 0.0
for t in range(T):
    tod = t % 240                                    # 日内分钟
    seasonal = 1.0 + 0.9 * ((tod/240 - 0.5)**2 * 4)  # U 型
    lam[t] = min((base + excite) * seasonal, 60.0)
    n_events[t] = rng.poisson(lam[t])
    excite = excite*(1-decay) + alpha*decay*n_events[t]

# 收益方差随事件数走：信息驱动波动
minute_ret[t] = 0.0006 * np.sqrt(n_events[t]) * rng.standard_normal()

中图的强度 λ(t) 能看到清晰的簇状爆发与日内 U 型齿纹；下图的分钟成交额同样成簇——这就是真实市场里「财报日 vs 平静午盘」的抽象版。

三种采样各切约 1100–1200 根 bar（阈值按总量/目标 bar 数设定，保证公平），对 bar 收益做标准化后检验：

结果：正态性差距是数量级的#

三个结论：

1. 肥尾几乎完全是采样伪影。 同一个市场、同一段价格路径，时间棒超额峰度 1.16（JB=72，正态性在任何常用显著性水平下被拒绝），美元棒 −0.01（JB≈0，无法拒绝正态）。分布形状的差异不来自市场，来自你切数据的方式。

2. 波动聚集也被消解了大半。 绝对收益的一阶自相关从 0.132 降到近零。原理直白：活跃期美元棒切得密，每根 bar 承载的信息量被拉平，「大波动跟着大波动」的时钟效应自然消失。对 GARCH 类模型这未必是好事（它就是吃波动聚集的），但对假设样本近独立同分布的 ML 流水线，这是实打实的前处理增益。

3. 成交量棒已经拿到大部分收益，美元棒更进一步。 本实验里两者接近，因为合成价格漂移小、量价含义没有大幅漂移；真实市场里跨越数年的回测中，美元棒的稳健性优势会拉开。

QQ 图把差异看得更细：时间棒在两侧尾部系统性偏离对角线（肥尾），美元棒几乎贴线：

美元棒的自适应性长什么样#

每根美元棒覆盖的分钟数分布，直接可视化「市场时钟」与墙上时钟的差异：

时间棒固定 12 分钟一根（红色虚线）；美元棒的时长从 2 分钟到 60+ 分钟不等——右图显示 bar 起点处信息强度 λ 越高，该 bar 覆盖的分钟数越少。采样频率成了市场活跃度的函数：财报爆发时一分钟切三根，午盘空转时一小时切一根。下游模型看到的每根 bar，承载的信息量大致相等——这正是「iid 近似」得以改善的机制。

三条实务边界#

第一，阈值不能一劳永逸。 固定美元阈值在牛市里会越切越密（价格涨了，同样的换手对应更多金额）、熊市里越切越疏，bar 数量随行情漂移。实务上用滚动窗口的日均成交额动态校准阈值（如目标「每天约 N 根 bar」），或用 EWMA 跟踪。这一步做不好，你只是把「时钟不均匀」换成了「阈值不均匀」。

第二，多资产对齐成本高。 时间棒天然对齐（所有资产的 15:00 是同一时刻），美元棒每只资产的 bar 边界都不同，截面策略（配对、组合再平衡）需要额外的对齐层——通常是「以慢资产的 bar 为主时钟、快资产向其对齐」或退回混合方案：信号特征用美元棒计算，组合层面用日频对齐。这笔工程成本在单资产 CTA 里不存在，在 500 只股票的截面框架里不可忽视。

第三，分布更正态 ≠ 更可预测。 美元棒改善的是统计性质（峰度、独立性），不是信息含量。一个在时间棒上没有 alpha 的特征，换到美元棒上大概率还是没有。它的正确定位是 ML 流水线的前处理：让后续的标注（如三重障碍法）、抽样加权和交叉验证的假设更接近成立，而不是直接创造收益。预测力的来源仍然要靠特征和标签设计。

与更激进的采样方式的关系#

美元棒只用了「活动量」，没用「方向」。信息驱动 bar 家族里更激进的成员——失衡棒（imbalance bars）——进一步累计带方向的订单流，在买卖失衡超阈值时切 bar，试图在知情交易者动手时加密采样。方向判定依赖 tick rule 或逐笔主动性标记，实现复杂度和对数据质量的要求都高一个台阶；美元棒是这个家族里性价比最高的入门款：只需要分钟级量价数据，就能把峰度从 1.16 砍到 0。

顺带一提，本实验合成市场用的 Hawkes 自激过程本身就是订单流建模的主力工具，对其感兴趣可移步自激点过程与订单流。

结语#

「每 5 分钟一根 K 线」不是自然规律，是电报时代的路径依赖。市场有自己的钟——成交金额就是最容易读到的钟面。把采样从墙上的钟切换到市场的钟，一段代码不到二十行，换来的是峰度归零、波动聚集消解、ML 假设从「明显违反」变成「大致成立」。在特征工程越来越卷的今天，改采样这一层的性价比，往往高于在坏采样上堆更复杂的模型。

完整合成过程、采样实现与检验代码均在文中，固定随机种子可复现全部数字。