相关系数只说『一起动』，不说『谁先动』。转移熵(Transfer Entropy, Schreiber 2000)用条件互信息量，量的是『加入 X 的历史后，Y 的下一刻不确定性下降了多少 bits』——天然非对称。本文用符号化估计在合成领先-滞后链 X→Y→Z 上复现：TE(X→Y)=0.214 对 TE(Y→X)=0.030（比值 7×）、TE(Y→Z)=0.218 对 TE(Z→Y)=0.037；而共同因驱动的 U/V 虽然相关 0.32，双向 TE 却几乎对称(0.045 vs 0.041)——正是相关说不清、TE 能分开的那类结构。再沿信息流方向下注，Sharpe 5.05 碾压反向 −5.05；信息流方向就是 alpha 方向。附完整 Python 与六类真实陷阱（高阶）。