标签： #信号过滤

把『找方向』和『定仓位』拆成两层是 López de Prado 在《Advances in Financial Machine Learning》里最实用的建议之一：一级模型只负责给出多空方向（可以是 MA 金叉这种土办法），二级模型不预测市场，只预测『一级模型这一单会不会赢』，输出的概率直接映射成仓位。我们在 24 只带 regime 切换的合成资产上完整复现了这条流水线：震荡段用 OU 均值回复生成（金叉追涨必被反噬），趋势段带漂移。一级 MA20/60 金叉信号 650 个、裸胜率只有 44.9%，测试段全接单复利终值 0.226（亏掉 77%）；二级逻辑回归以波动率、120 日动量与交互特征预测信号成败，AUC 仅 0.575——但就这点微弱的判别力，把 precision 从 0.465 拉到 0.585，过滤后复利终值 1.367，Sharpe 从 -0.32 翻正到 0.23。代价同样清楚：recall 从 1.00 掉到 0.31，七成信号被扔掉。文章给出全部可复现代码，并明确三条边界：元标注不能救没有正期望子集的信号、AUC<0.55 时概率仓位可能比二值过滤更差、以及二级模型特征必须与一级信号正交否则学到的只是重复信息。

高管买自家股票只有一个理由：觉得会涨；卖却有一百个理由：买房、离婚、行权、分散化。这个动机不对称让增持成为强信号（合成复现 CAR120 +4.8%）、减持成为弱信号（−1.6%）。本文用 12000 个合成披露事件从零拆解信号分层：董事长大额增持 (+7.8%) ≫ 普通董事 (+2.6%)，≥3 人集群增持最强 (+9.4%)，股权激励行权卖出几乎无信息 (−0.4%)。集群过滤策略 Sharpe 1.27 碾压无脑跟单 (0.52)；披露时滞是隐形税——晚 15 天入场剩余 alpha 只剩七成。诚实拆解：择时能力被高估、A 股减持新规扭曲信号语义、跟单者的幸存者偏差、内部人也会看错自家公司（中阶）。