标签： #数据工程

K线按『每5分钟一根』切分是历史遗留而非统计最优：市场信息不按时钟到达，开盘和收盘挤满成交、午盘空转，固定时间间隔意味着信息密集时段被欠采样、清淡时段被过采样，结果是时间棒收益呈现肥尾与波动聚集，直接违反大多数 ML 模型的 iid 近似假设。Dollar Bars 的解法：累计成交金额每达到阈值就切一根 bar，让采样节奏跟着市场活跃度自适应。我们用 Hawkes 自激强度 + 日内 U 型季节性合成 60 个交易日的分钟级市场（14400 分钟，活跃度高度成簇），在等量 bar 数(~1100-1200 根)下对比三种采样：时间棒超额峰度 1.16、Jarque-Bera 统计量 72、绝对收益一阶自相关 0.132；成交量棒分别降到 -0.13 / 2 / 0.013；美元棒做到 -0.01 / 0（正态性检验直接不拒绝）/ -0.035，波动聚集被采样方式本身消解。原理是 Ané-Geman (2000) 的时间变换：以成交活动为『市场时钟』重新计时，收益向高斯回归。文章给出完整合成与采样代码、QQ 图与 bar 时长分布证据，并交代三条实务边界：阈值需随市值漂移动态调整、bar 数量不齐导致多资产对齐成本、以及『分布更正态』不等于『更可预测』。

美元棒看得见活跃、看不见方向：买卖各一亿的缠斗日和净买两亿的扫货日成交额相同，切出同样多 bar。失衡棒改追踪累计签名流 θ：双边均衡时 θ 随机游走难触阈（bar 稀疏），知情单边流让 θ 线性狂奔（bar 密集开火）。12 万 tick 合成市场（7 段知情时段）实测：知情时段采样密度比，时间棒 1.00×（失明）、美元棒 1.28×、tick 失衡棒 5.01×、美元失衡棒 5.98×；检测延迟从 6.2 分钟压到 1.9-2.5 分钟。最诚实的发现：失衡棒超额峰度 2.7-4.6 反高于时间棒的 0.03——它是信息浓缩器而非分布美化器，与美元棒目标正交。三盆冷水：AFML 原文 EWMA 阈值有正反馈塌缩缺陷（实务用固定阈值+定期再校准）、真实市场方向靠 tick rule 推断且误差集中在知情时段、采样密集不等于可交易信号。