标签： #信息熵

波动率告诉你市场动得多猛，熵告诉你市场动得多『乱』——同样 1% 的日波动，趋势机制块熵 0.956、随机游走 0.980，那 0.024 bit 的差距就是动量策略的全部生存空间。260 段随机 AR(1) 实测：样本内块熵与未来 120 天可预测性相关 -0.65，熵是少数能对『未来』说话的样本内统计量。落地成过滤器：趋势/随机游走交替市场上，35 分位熵阈值让动量 Sharpe 从 0.40 升到 0.50、最大回撤从 0.54 砍到 0.25、持仓时间只剩 35%——它赚的不是更多的钱，是躲掉的亏损。三盆冷水最值钱：符号编码丢掉幅度信息（跳空 8% 和阴跌 0.1% 同为一个 0）、窗口-块长组合的统计量噪声大到 60 天窗口只够分辨『很乱』和『不那么乱』、低熵只说明有结构不说明结构是什么——均值回复段的低熵会诱导动量满仓接刀。熵过滤器的正确定位是否决权而非指挥权：它有资格说『这段别交易』，没资格说『这段该做多』（中阶）。

趋势市和随机游走市，在统计上到底差在哪？答案不是『涨跌多少』，而是『有多少可预测的结构』。信息熵（Shannon 熵 + 置换熵）把收益分布的『胖瘦』和『先后次序』量化成一个 0~1 的数字：趋势段熵低（有秩序），随机段熵高（混沌）。滑窗滚动算出来就是一条『市场状态』序列，能当过滤器——只在低熵（有秩序）时段持仓，Sharpe 从 0.36 拉到 4.68。附完整 Python 与六类真实陷阱（高阶）。