CUSUM 结构突变检测：用累积和在收益序列里揪出 regime 拐点
你的策略参数是在过去三年数据上估的，可市场早在半年前就换了一套玩法——均值漂了、波动变了，而你的模型还在用旧假设下注。结构突变检测就是给策略装一个『市场换挡』的报警器。本文用纯 numpy 把 CUSUM（累积和检验）从原理到实战完整走一遍：合成一段三状态收益序列（+10bp 上行 → -25bp 下行 → +12bp 回升，两个真实变点在 t=300/600），用去均值累积和把漂移折成不同斜率的段，再用二分分割递归定位——阈值 1.10 下精确检出 [363, 609]，与真实 [300, 600] 只差几十天。阈值敏感性扫描揭示核心权衡：阈值太低（<1.0）把噪声也当变点过度分割，太高（>1.4）漏检真拐点，稳健区间 1.0~1.3。在线 Page-CUSUM 单侧检验模拟实时监控：真实下行从 t=300 起，报警在 t=316，检测延迟 16 天——这就是所有序贯检测无法绕开的『延迟 vs 误报』铁律。全文打穿离线 vs 在线检测的根本区别、CUSUM 只检均值漂移对波动突变失灵、检测延迟不可能为零、多变点需递归分割四类核心陷阱（中阶）。