标签： #市场状态

排列熵（PE）的经典用法是「用一个数区分正弦/混沌/噪声」。但真正在量化里值钱的是把它做成实时状态监测器：滑动窗 PE + 模式转移矩阵 + 加权 PE（WPE），能在有序趋势市和无序震荡/危机市之间划出清晰边界。本文从零实现序数模式映射、PE、WPE 与转移矩阵，在「有序-无序」交替合成行情上以 97.6% 正确率识别 regime，并诚实拆穿「PE 量的是结构不是波动」这条最容易被误解的边界（中阶）。

Peters 的分形市场假说用一个 1951 年水利工程师 Hurst 发明的指标，把「市场有没有记忆」量化成一个数 H：H=0.5 是随机游走(无记忆)、H>0.5 是趋势型(涨了更可能接着涨)、H<0.5 是均值回复型(涨了更可能回落)。本文从 R/S 重标极差讲起，用 Davies-Harte 生成分数高斯噪声，演示三类序列 H 的干净分离(趋势 0.73 / 随机 0.44 / 回复 0.39)、R/S 的 log-log 拟合，以及把滚动 Hurst 做成 regime 检测器——它在合成三段市(趋势→回复→随机)里把三个状态识别得清清楚楚(滚动中位数 0.68/0.29/0.62)，再谈经典 R/S 的有限样本偏差和六类真实陷阱(中阶)。

市场不是一条平稳的随机游走，而是牛、熊、高波动三段「性格」轮流登场。本文从零实现高斯 HMM（Baum-Welch EM + Viterbi 解码），把日收益切成可解释的隐藏状态，给出每个状态的均值/波动/转移矩阵，并诚实列出标签切换、只能描述不能预测等真实陷阱。