Run Bars 采样：用连续同向成交的长度定义信息事件 • halo 的技术博客

一句话版本#

失衡 Bar 数的是净额：买单减卖单偏离了多少。Run Bar 数的是连续性：同一个方向连着来了多少笔。一个知情机构可以用「买三笔停一笔」的节奏把净失衡做得不显眼，但它做不到不留下更长的 run——run 长度是订单流里最难伪装的知情签名之一。

失衡 Bar 的盲区：交替扫单#

信息驱动采样系列走到 Tick 失衡 Bar（TIB）之后，看起来问题已经解决了：对逐笔方向 ±1 累加，失衡够大就切 bar，知情交易段自动加密采样。还需要 Run Bar 干什么？

考虑两段各 100 笔的订单流：

A 段：60 买 40 卖，买卖随机穿插。净失衡 +20。
B 段：50 买 50 卖，但排列是「10 连买、10 连卖」交替五轮。净失衡 0。

失衡 Bar 对 A 段敏感、对 B 段彻底失明——B 段净失衡为零，累加器根本不动。但 B 段的微观结构含义可能更值得警觉：10 连买是典型的**扫单（sweep）**形态，大单在吃掉一层层卖单；随后的 10 连卖可能是做市商的存货再平衡。这种「单边持续吃单」的片段，无论净额如何，都对应着高冲击成本和高信息含量的时段。

Run Bar 的设计正是为了捕捉这个维度。定义很朴素：run = 连续同向成交的长度。「买买买卖」里有一个长度 3 的买方 run。AFML 第二章把 run 和失衡并列为两种信息驱动 bar 的触发统计量，不是冗余设计——失衡度量方向的总量偏移，run 度量方向的顽固程度，两者在数学上不可互相导出。

理论支点：知情者藏得住净额，藏不住连续性#

Easley-O’Hara 框架里，知情交易者的最优执行是把大单拆小、混进背景流。拆单可以控制单笔规模，algo 可以控制参与率，但有一个东西极难控制：在信息失效前必须完成建仓。时间压力迫使知情流保持方向一致性——它可以慢，但不能反向。于是背景流是 p=0.5 的硬币序列，知情期的混合流变成 p>0.5 的有偏硬币，而有偏硬币的 run 长度分布是可以精确算的：延续概率越高，长 run 的概率按几何级数放大。

数学上：iid 有偏序列中，方向 $s$ 的 run 长度服从几何分布，均值 $1/(1-p_s)$ 。 $p_{buy}$ 从 0.50 升到 0.67，买方 run 均值从 2.0 升到 3.0——放大 50%；而 p95 之外的长尾放大得更凶，这是我们可以利用的统计杠杆。

受控实验：12 万笔，中段植入持续买压#

模拟 120,000 笔逐笔成交：全程带轻微短程延续（模拟拆单造成的自相关），在第 50,000-74,000 笔植入知情段——买方概率抬到 0.67，每笔波动同步放大（知情交易伴随价格发现加速）。

先验证理论：知情段的买方 run 分布是否真的右移？

run 长度分布对比

对数轴下两个分布的差异一目了然：买方 run 均值从平静段 2.35 笔升到知情段 3.96 笔，p95 从 6 笔到 11 笔。注意尾部——知情段 15 笔以上的 run 密度高出平静段一个数量级。run 长度分布的尾部右移，就是知情者无法隐藏的脚印。

Run Bar 构造：run 越长，bar 越密#

实现一个阈值版 Run Bar：跟踪当前 run 长度，一旦 run 达到阈值 $h$ 就切一根 bar（配一个最大长度保险丝防止 bar 无限拉长）：

def build_run_bars(signs, h=10, max_len=4000):
    """signs: +1/-1 逐笔方向序列。run >= h 或长度超限即切 bar"""
    bars, start, cur_run, n_buy = [], 0, 1, int(signs[0] > 0)
    for t in range(1, len(signs)):
        n_buy += int(signs[t] > 0)
        cur_run = cur_run + 1 if signs[t] == signs[t-1] else 1
        n_ticks = t - start + 1
        if cur_run >= h or n_ticks >= max_len:
            bars.append((t, n_ticks, n_buy))   # 结束位置 / bar 长度 / 买单数
            start, cur_run, n_buy = t + 1, 0, 0
    return bars

python

逻辑与失衡 Bar 同构：把「日历时间够了就切」换成「信息事件发生了就切」，只是信息事件的定义从「净失衡越阈」换成「出现了统计上罕见的长 run」。阈值 h=10 的含义：p=0.5 背景下 10 连单向的概率约 0.1%，这种事件密集出现本身就是机制变化的证据。

对 12 万笔数据跑下来切出 592 根 bar，全部由 run 触发（保险丝未启用）。与等 tick Bar（相同总根数）对比采样行为：

价格路径与采样密度

知情段 Run Bar 密度 64.6 根/5000 笔，平静段 14.2 根——自动加密 4.6 倍，且加密区间与植入的知情段精确重合。等 tick Bar 的密度纹丝不动（24.8 vs 24.7）：对它来说 5000 笔就是 5000 笔，里面藏着什么它不关心。

bar 长度序列是同一枚硬币的另一面：

bar 长度序列

平静段 bar 长度中位数 237 tick，知情段压缩到 54 tick。和 TIB 一样，bar 长度序列本身就是一个免费的知情强度指标——不需要额外计算，构造 bar 的过程顺手就产出了一条「市场单边压力」的时间序列，可以直接进特征矩阵。

Run Bar 的样本更「纯」：买单占比双极化#

Run Bar 相对失衡 Bar 的独特产出，要看 bar 内部的成分：

bar 内买单占比分布

等 tick Bar 的买单占比挤在 0.5 附近（标准差 0.089）——每根 bar 都是买卖混合的温吞水。Run Bar 的占比分布显著更分散（标准差 0.158，接近两倍）：因为切分点由长 run 触发，每根 bar 天然以一段单边主导的行情收尾，样本在「买方主导 / 卖方主导」两个方向上被拉开。

这对下游 ML 是实质利好：标签（未来收益）与特征（bar 内订单流状态）的关联在混合样本里被稀释，在极化样本里被保留。Run Bar 不只是换了个采样节奏，它切出来的每个样本信息密度更高——这正是元标注管线想要的输入。

诚实交代：AFML 原版实现是个陷阱#

AFML 书里的 Run Bar 定义比上面的阈值版精巧：用 EWMA 动态估计期望 bar 长度 $E[T]$ 和买单概率 $\hat{p}$ ，触发条件是 $\max(\text{买单数}, \text{卖单数}) \ge E[T]\cdot\max(\hat{p}, 1-\hat{p})$ 。理论上更自适应，实践里有一个著名的退化问题：阈值的自举反馈是不稳定的——bar 切得短 → $E[T]$ 的 EWMA 被拉低 → 阈值更低 → bar 更短。同一份数据上跑原版定义，实测切出 15,245 根 bar，长度中位数 2 tick——退化成逐笔噪声流，采样功能完全丧失。

这不是实现 bug，是公开讨论多年的结构性问题（各开源复现的 issue 区常客）。生产建议：

阈值用固定分位数校准：用一段 burn-in 数据算出 run 长度的 99.9% 分位，作为固定阈值 h，定期（如每月）重校准，而不是逐 bar 自举
永远配最大长度保险丝，防止死水期一根 bar 吞掉半天数据
监控 bar 长度分布的漂移：中位数掉到个位数就是退化警报

边界与 A 股注记#

方向判定依赖 tick rule 的市场要打折扣：run 对方向误判比失衡更敏感——一笔方向标错就打断一个 run，长 run 统计被系统性低估。美股 TAQ 数据用 Lee-Ready 规则误判率约 7-15%，对 run 统计的污染不可忽略。A 股 Level-2 逐笔数据自带主动买卖标志，可以跳过 tick rule 直接数 run——数据条件上 A 股再次占优。

T+1 定位：与 TIB 相同的结论——A 股日内不能回转，Run Bar 加密出的日内样本不能直接映射成交易时钟，它的角色是特征时钟：在 Run Bar 时钟上计算的订单流特征（bar 长度、run 强度、买单占比），聚合到日频喂给隔日决策的模型。

与失衡 Bar 的取舍：不是二选一。AFML 的原意就是两者并列——失衡 Bar 捕捉净压力，Run Bar 捕捉持续性，两者探测知情交易的不同投影。算力允许时同时构造两套 bar，让特征重要性分析（MDI/MDA 那一篇的工具）来裁决哪个投影在你的标的上信息量更大。

结语#

Run Bar 是信息驱动采样系列的收官一块拼图：时间 Bar 数日历，成交量/美元 Bar 数活动，失衡 Bar 数净方向，Run Bar 数方向的顽固程度。四代时钟背后是同一个世界观的逐步逼近——市场的信息到达不均匀，采样就不该均匀。知情者可以拆单、可以控制参与率、可以做平净失衡，但只要它必须在信息失效前完成建仓，它就必须持续朝一个方向交易——而 Run Bar 正守在这条它绕不开的路上。

参考文献：

López de Prado, M. (2018). Advances in Financial Machine Learning, Chapter 2: Financial Data Structures. Wiley.
Easley, D., López de Prado, M., & O’Hara, M. (2012). Flow Toxicity and Liquidity in a High-frequency World. Review of Financial Studies.
Lee, C. & Ready, M. (1991). Inferring Trade Direction from Intraday Data. Journal of Finance.