标签： #自相关

固定时间间隔的 K 线（时间 Bar）有个隐藏毛病：市场安静时一根 Bar 几乎没信息，爆发时一根 Bar 挤满信息，于是『等量时间』等于『不等量信息』，还会撞出人造的自相关与波动聚集。不平衡 Bar（Imbalance Bar）反过来：用订单流不平衡 θ=Σ b·v 触达阈值就截断一根 Bar，于是每根 Bar 都携带约等量的信息。本文用 numpy 从零实现不平衡 Bar，在 6 万 tick 合成盘口上证明：750 根时间 Bar 压缩成 156 根不平衡 Bar，收益滞后1自相关从 0.528 砍到 0.048（接近 iid），每根 Bar 的信息量变异系数从 0.596 降到 0.252。附完整 Python 与四张真实计算图。

私募信贷（Private Credit）以「年化波动仅 4%–6%、Sharpe 高达 4–5」的漂亮业绩吸引资金，但这份平静来自季度估值、滞后报价与 EWMA 平滑，而非底层资产真的低波动。本文用一只合成私募信贷基金，把真实经济价值与上报 NAV 拆开，量化平滑把波动率砍掉多少、把 Sharpe 虚高几倍，并给出 Geltner 去平滑方法把被熨平的波动找回来。附完整 Python 与四张真实计算图。

很多另类资产（私募股权、房地产基金、对冲基金侧袋、甚至部分债券 ETF）的净值因为「陈旧定价」被拉平，导致日度/月度收益出现正自相关。本文证明：只要收益自相关为 ρ，朴素 Sharpe 就会被虚高 √[(1+ρ)/(1−ρ)] 倍——这是 Lo (2002) 的标准修正。用一个 i.i.d. 真实收益被 EWMA 滞后染成自相关的合成例子，展示 β=0.6 时 Sharpe 被虚高约 1.8 倍，并用 500 次蒙特卡洛说明 Lo 修正能把估计分布拉回真实值。附完整 Python 与四张真实计算图。

Newey-West HAC 标准误 - 3000次蒙特卡洛复现：策略收益真实均值为0但注入AR(1)自相关时，iid标准误把假阳性率从名义5%抬到17.3%，Newey-West修正回7.1%；Bartlett核带宽选择、多策略t值对比、夏普率显著性去膨胀 - halo的技术博客

Informer 还在点积注意力里挑活跃查询，Autoformer（NeurIPS 2021）直接换了两个零件：一是把「分解」从预处理搬进模型内部——移动平均逐层剥趋势，季节项与趋势项分开建模；二是把点积注意力换成「自相关机制」——用 FFT 以 O(L·logL) 算出自相关谱 R(τ)，取 top-k 滞后当候选周期，按 softmax(R(τ)) 权重做时延聚合：预测 = Σ w(τ)·x(t−τ)，从「点对点找相似」升级为「整段周期对齐」。纯 numpy 从零实现因果分解 + FFT 自相关 + 时延聚合递推预测，在三重周期(24/96/168)+慢趋势+AR(1)噪声合成序列上做 50 窗口滚动 H=24 多步预测：分解+自相关 MSE=0.257 优于无分解消融 0.263 与季节 naive 0.367，自相关机制自动找到 τ∈{24,96} 真周期；但诚实披露 OLS-96滞后递推 MSE=0.193 仍是全场最优——机制的优雅不等于精度的碾压。附「分解泄漏未来」的一次真实翻车修复（居中移动平均让 AF 版 MSE 虚好 42%），拆穿分解万能/自相关=注意力上位/多步递推免费/top-k 自动对/金融强周期五类陷阱(中阶)。

你算出两根序列相关 0.35、策略收益自相关 0.18——这是真有结构，还是随机数据碰巧撞出来的？Ljung-Box Q 检验把「直到滞后 h 的全部自相关」打包成一个卡方统计量，用 p 值回答「这批自相关能不能被白噪声解释」。本文用合成白噪声、AR(1) 与拟合残差三类序列，从零复现 ACF、Q 统计量与蒙特卡洛功效，并点明滞后阶选择、短期记忆误判、小样本、多序列族错误四类真实陷阱（中阶）。

同一个策略,日频回测夏普 0.78,切到周频只剩 0.66——不是策略变了,是你的采样频率在偷偷改答案。根因是日收益的一阶自相关:正自相关(动量)让周频夏普系统性偏低、负自相关(均值回复)让它偏高。本文用 AR(1) 合成序列 + 200 次蒙特卡洛证明偏差可超 ±15%,附完整 Python 与五类真实陷阱(中阶)。