标签： #python

把一个交易日切成 13 个半小时，跑 12 个预测回归，只有两个区间对最后半小时收益有显著预测力：第一个半小时（含隔夜信息，t=7.4）和倒数第二个半小时（t=4.4）——这正是 Gao-Han-Li-Zhou (2018) 在 SPY 上发现的日内动量结构。2500 日受控模拟复现全套结果：sign(r1)×r13 策略 Sharpe 1.99、最大回撤 -27%，对比始终做多尾盘的 0.11——信号全部来自方向切换而非做多偏差；按 r1 分五组的条件期望从 -26.5bp 单调爬升到 +29.4bp，量效关系干净。机制上三条腿：隔夜信息消化不完（开盘半小时是信息含量最高的区间）、日内趋势交易者尾盘集中平仓、被动基金收盘前再平衡的机械流。诚实交代两盆冷水：成本敏感性扫描显示单边 5bp 时 Sharpe 砍半、10bp 归零——这是日频翻仓策略的宿命；无效应对照世界里同样策略跑出 Sharpe 0.30，提醒任何尾盘研究必须配对照组。A 股注记：14:57 集合竞价切走最后 3 分钟、T+1 使现货腿只能隔日出、尾盘打板资金让 r12→r13 传导更强但拥挤（中高阶）

两个高度相关的资产几乎从不同时动：期货先于现货、大盘股先于小盘股、美股 ETF 先于亚洲镜像。领先滞后估计要回答的是「谁先动、领先多少秒」。受控模拟（真实滞后 θ=2 秒、泊松异步观测）实测：1 秒网格滞后互相关函数峰值精确落在 +2 秒，同期相关只有 0.066 而峰值 0.120——同步相关严重低估了这对资产的真实耦合。HRY 估计器（Hoffmann-Rosenbaum-Yoshida 2013）按区间重叠配对无需网格，峰值 0.80 落在 2 秒，信号强度是网格法的 6.7 倍。采样频率扫描给出实操上最重要的曲线：h=5s 时不对称度 0.200 最大，h=60s 时只剩 0.020——领先滞后是尺度依赖信号，网格必须与 θ 同数量级，粗网格把先后关系压扁成同期相关。方向性 IC 检验：领先者过去 2 秒预测跟随者未来 2 秒，15 日 IC 均值 0.215（t=125），反向对照只有 0.074。诚实边界：领先滞后利润与延迟军备竞赛绑定、θ 本身随市场状态漂移、Epps 效应与领先滞后互为混杂因素。A 股注记：沪深 300 期货 vs ETF、AH 股是天然领先滞后对，但 T+1 与两融门槛限制了收割方式（高阶）

「我持有 6 类资产，够分散了吧」——这是资产配置里最贵的一句错话。25 年月频实测：一个名义上持有 6 类资产、单资产最大权重仅 35% 的组合，权重 HHI 只有 0.235 看着很分散，但因子方差分解摊开来，51.8% 的波动全部来自同一个增长因子、通胀因子只占 3.5%——它不是分散组合，是加了债券装饰的股票。真正的诊断工具是把每个资产回归到「增长意外/通胀意外」两轴：股票 (+2.96, -1.29)、黄金 (+0.04, +2.39)、大宗商品 (+2.02, +2.99)、国债 (-0.70, -1.52)，这张地图立刻告诉你谁和谁其实是同一笔押注。四象限矩阵给出残酷事实：没有任何资产在四个象限都活着——股票在滞胀 -35.9%、大宗商品在通缩衰退 -37.7%、黄金在金发姑娘 -19.9%。按因子暴露而非资产名称配权后，通胀敞口从 -0.0138 压到 +0.0003、最差象限从 -24.5% 收敛到 -3.6%、四象限极差从 61.0pp 砍到 15.6pp、Sharpe 从 0.64 升到 1.00，样本外 (后 15 年持有前 10 年估的权重) Sharpe 0.82 vs 60/40 的 0.41。三盆冷水：beta 在漂（黄金增长 beta 信噪比仅 0.51）、因子平衡砍右尾也砍左尾、两因子解释力有天花板（R² 最高 0.66）（中阶）

Matrix Profile 是 Keogh 团队 2016 年提出的时间序列挖掘框架：对每个长度为 m 的子序列，记录它到全序列最近邻（排除自身邻域）的 z-normalized 欧氏距离。这一条曲线同时给出两样东西——低谷是模体（有孪生兄弟的重复形态），高峰是 Discord（独一无二的异常段）。3000 日合成价格实验完整复现：5 处植入的三重震荡模体被 MP 精确定位（top-1 对距离 1.06，位置 599/1899 对上植入点 600/1900），闪崩+chirp 扫频异常被 MP 最大值一击命中；MASS 算法用 FFT 把单条查询距离压到 O(n log n)，全对距离矩阵热图直观展示『MP = 每行最小值』。事件研究部分把模体匹配当交易信号跑了 60 日前向路径对比随机基线，并诚实交代三个坑：z-norm 会抹掉幅度信息、平凡匹配需要排除区、以及『历史形态重复出现』与『形态有预测力』是两个完全不同的命题。

把『找方向』和『定仓位』拆成两层是 López de Prado 在《Advances in Financial Machine Learning》里最实用的建议之一：一级模型只负责给出多空方向（可以是 MA 金叉这种土办法），二级模型不预测市场，只预测『一级模型这一单会不会赢』，输出的概率直接映射成仓位。我们在 24 只带 regime 切换的合成资产上完整复现了这条流水线：震荡段用 OU 均值回复生成（金叉追涨必被反噬），趋势段带漂移。一级 MA20/60 金叉信号 650 个、裸胜率只有 44.9%，测试段全接单复利终值 0.226（亏掉 77%）；二级逻辑回归以波动率、120 日动量与交互特征预测信号成败，AUC 仅 0.575——但就这点微弱的判别力，把 precision 从 0.465 拉到 0.585，过滤后复利终值 1.367，Sharpe 从 -0.32 翻正到 0.23。代价同样清楚：recall 从 1.00 掉到 0.31，七成信号被扔掉。文章给出全部可复现代码，并明确三条边界：元标注不能救没有正期望子集的信号、AUC<0.55 时概率仓位可能比二值过滤更差、以及二级模型特征必须与一级信号正交否则学到的只是重复信息。

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。

Hazan-Agarwal-Kale (2007) 的在线牛顿步 ONS 是在线组合选择的理论巅峰之一：利用对数财富损失的 exp-concavity（比强凸更弱、比一般凸更强的性质），把遗憾从 OGD 的 O(√T) 压到 O(m log T)，每步只需秩一更新的类牛顿迭代而非 Cover 通用组合的指数级积分。Cover 经典市场（现金 vs 翻倍/减半交替）实测：T=3000 时 ONS 遗憾 0.40，OGD 1.23，EG 8.37——对数横轴下 ONS 遗憾近似直线，教科书级 O(log T) 复现。带 regime 切换的双资产市场上 ONS 终值 2.23 甚至超过事后最优 CRP 的 1.87（负遗憾），代价是日均换手 207bp 是 EG 的 2.2 倍——二阶方法的敏锐既是 alpha 也是成本。三盆冷水：η 与 A 矩阵初始化在非对抗市场里敏感、m 大时广义投影是 QP 开销、log T 优势要 T 够大才显现。

PFOF 完整拆解：20 万笔散户订单模拟证明零佣金不是慈善也不是骗局——客户拿到 56.2 万美元价格改善、券商收 36.4 万 PFOF、内化商净留 84.9 万，客户所得是券商所得的 1.54 倍；但先知最优路由成本仅 76.3 万，内化路由多付 45.0 万缺口暴露『比交易所好』与『最好』的距离。逆向选择模拟给出内化商挑单的硬约束：无差别全接毛利 63.2 万、识别后挑单 92.9 万，被留下的知情单净亏 18.5 万全靠噪音单 111.4 万补贴 - halo的技术博客