标签： #量化交易

模型输出的不只是方向，还有一个被大多数人扔掉的数字：预测概率。Bet Sizing 把它捡回来变成头寸大小——AFML 的映射 m=2Φ(z)−1（z 为概率对 0.5 的标准化偏离）在低置信区间比线性映射 2p−1 更保守、高置信区间加速抬升，天然抑制'刚过 0.5 就重仓'的赌徒行为。1500 日模拟实测同一个预测器三种下注方式：全押 p>0.5 的 Sharpe 1.83/最大回撤 -20.2%，高置信过滤 p>0.6 的 1.79/-7.8%，概率仓位 1.95/-1.8%——收益没变多，但资金暴露按确信度重新分配后回撤压缩一个数量级。两个工程细节决定实盘可行性：仓位离散化（step=0.2 把累计换手压缩 1.5 倍而信号形状不变，否则概率的小数点抖动全变成手续费）；并发信号平均法（同一标的多个存活信号取均值聚合，新信号进场老信号结算时仓位平滑过渡）。前提警告：整套体系建立在概率校准之上，未校准的原始分类器输出直接喂进映射函数比全押更危险（中高阶）

CORN（Correlation-driven Nonparametric learning，Li-Hoi-Gopalkrishnan 2011）把在线组合选择从『对全部历史平均』升级为『只对相似历史优化』：拿最近 w 天的市场窗口和每一段历史窗口算相关系数，超过阈值 ρ 的日子构成『相似市场样本集』，然后只在这些样本的次日收益上做对数最优组合。1250 日反相位周期市场实测：CORN 终值 5.50，事后最优 CRP 只有 1.72，50/50 再平衡 0.94——模式匹配吃到了常数组合结构上吃不到的条件信息，权重轨迹与真实相位逐日对齐，而匹配集同相位纯度只需 66% 就够了。关键对照实验：同波动无模式市场上 CORN 终值 0.71，反而跑输 50/50 的 0.92——模式匹配在没有模式的世界里不是无害的，它把噪声当模式做多余交易。ρ 敏感性扫描完整呈现『噪声混入 vs 样本饥荒』的倒 U 形。三盆冷水：O(T²) 相关计算、低维窗口假相似、以及超额收益本质是对『历史会押韵』假设的风险暴露。

Thomas Cover 1991 年提出的通用投资组合（Universal Portfolio）是在线学习在金融里最漂亮的定理之一：不做任何统计假设、不预测任何收益，只靠把资金摊到所有常数再平衡组合（CRP）上做『财富加权平均』，就能保证长期增长率逼近事后最优 CRP——最坏情况下的财富比值只以多项式速度衰减，而财富本身是指数增长的。2000 日双资产合成实验完整复现：事后最优 b*=0.65 的 CRP 终值 1.98，UP 无预测拿到 1.85，权重轨迹从均匀先验 0.5 被财富加权逐渐吸向 b*；附赠 Shannon's Demon 演示——一个长期不涨的资产加不生息的现金，50/50 每日再平衡照样把组合从 1.0 做到 1.47，波动本身就是收益来源。同时诚实交代三盆冷水：网格维度灾难、交易成本会吃掉再平衡收益、以及 UP 的保证是渐近的——有限样本内它可以跑输朴素 50/50。

保本理财背后那个只有一行公式的引擎：风险敞口 = m ×（当前净值 − 保本底线），缓冲垫厚就敢上仓位、缓冲垫薄就自动撤退、归零则永久躺平。四年合成行情实测（m=4，底线 80%）：熊市里风险资产跌 63.6% 而 CPPI 只回撤 19.1%、终值守住 0.867；代价是牛市 1.737 跑输买入持有的 1.795。600 次蒙特卡洛把这笔交易的账算清楚——CPPI 跌破 0.8 的概率 0.0%、买入持有 16.7%、恒定混合 60/40 是 6.0%，但 CPPI 中位数 1.006 反而低于买入持有的 1.145：它砍掉的左尾是真的，付出的右尾也是真的。最反直觉的是三条边界：震荡市里 CPPI 输给买入持有（0.911 vs 0.971）却仍赢在回撤减半，因为它天生高抛低吸的反面是波动侵蚀；乘数扫描显示换手先升后降（m=3 年均 2.2、m=10 降到 0）——高 m 长期顶满仓根本不需要调仓；再平衡频率的杀伤力全在尾部，每日调仓破底率 0%、季度调仓 22%，而平均终值几乎无差别（1.157 vs 1.159）。理论上 1/m 是能扛住的最大跳空，实测 m=8 在 17.5% 跳空处失守（理论 12.5%），保本承诺在缺口风险面前只是概率陈述（中阶）。

逐日开训练样本的隐性成本可精确计量：H=20 标注下相邻标签共享 95% 收益路径，1430 个名义样本的有效独立样本量只有 72.5——模型看到的是同一段行情复印 20 遍。CUSUM 过滤器（Page 1954 质量控制）只在累计偏离越过阈值时开样本：对积累到位的漂移敏感、对反复横跳的噪声免疫，触发即清零天然不重复计数。1500 日三区制模拟实测：固定阈值 h=3% 在高波动段事件密度爆炸 2.4 倍（采样节奏被波动率劫持），换 h=2.5×EWMA σ 自适应后密度回归均匀；CUSUM 用 17% 样本量保住 102% 有效独立信息，单标签唯一性 0.051→0.314 提升 6 倍。AFML 标准管线：bar→CUSUM→三重障碍→元标注四级串联。A 股：日频 CUSUM 天然适配 T+1，涨跌停需暂停累计器（中高阶）

「行情什么时候变脸的？」事后人人都能指出来，事中没人说得清。CUSUM（Page 1954）用一个朴素到极致的机制回答这个问题：把去均值后的收益不断累加，正累积和 S⁺ 只增不减直到触阈报警，负累积和 S⁻ 对称监控下行——单日噪声互相抵消，持续的单向漂移却会线性积累，这就是它区分『抖动』和『变脸』的全部原理。三段 regime 合成行情实测：h=5σ 时第一个突变（牛转熊）延迟 9 天检出、第二个（熊转牛）23 天；阈值扫描给出灵敏度-误报的完整权衡曲线——h 从 3σ 提到 8σ，纯随机游走上的误报从 115 次砍到 23 次，检测延迟只从 2 天涨到 10 天。AFML 把它重新包装成 ML 事件采样器：只在 CUSUM 触发处采样打标签，实测样本前瞻已实现波动比固定间隔采样高 19.5%——样本更『有戏』。三盆冷水：随机游走上照样报警（它测的是漂移显著性不是因果）、阈值以波动率计价必须动态更新、检测延迟意味着报警时行情已走了一段（中阶）。

Discord 是 Matrix Profile 的另一半：MP 曲线的低谷是模体（有孪生兄弟的重复形态），最高峰就是 discord——全序列里最找不到相似者的子序列，天然的无监督异常检测器，不需要定义『什么是异常』，只需要回答『哪段最不像别处』。但本文最重要的发现是一个刻意保留的失败案例：discord 的对比度完全取决于『正常段有多相似』。60 天 × 50 bar 共享日内模板的结构化本底上，三种植入异常（闪崩回补/波动冻结/锯齿振荡）全部被 top-3 discord 精确命中，对比度 2.1×；同样的异常搬到 IID 随机游走本底上，命中 0/3——因为 IID 世界里每一段都独一无二，MP 中位数 7.22 与峰值 7.83 挤在一起，异常淹没在『处处都是异常』的本底里。这解释了为什么 discord 在日内高频数据上是利器、在日线收益上近乎无用。消融实验补齐工程细节：排除区不设则模体端先失效（谷值 3.05→2.13）而 discord 端相对鲁棒；窗口长度 m<异常尺度一半时命中率归零；无异常对照世界的 MP 峰值也有 5.06——discord 分数没有天然阈值，必须用对照分布校准。最无争议的落地：数据质量监控（坏 tick/卡死/拼接错误的形状都独一无二）与流动性冻结检测。

成交量时钟修好了『活动度量』，但在价格翻 3 倍的市场里，同样 100 手在 20 元和 60 元时的经济含义差 3 倍——股数是名义单位，成交额才是经济单位。美元 Bar（每累计 N 元成交额切一根）是信息驱动采样家族对『时钟单位』的最终回答：对拆单免疫（tick 计数会通胀）、对送股拆股天然中性（股数时钟一夜漂移，美元时钟无感）、对价格水平自适应。1000 日受控模拟（价格 3 倍 + 活动增长 + 中段高波动区制）实测：前 100 天校准的固定阈值到末期，tick/成交量 Bar 日均根数从 6 漂到 13.4，美元 Bar 因价格与活动双重增长漂得更凶（27.7）——美元 Bar 对价格敏感是特性也是负担，必须配 EWMA 动态阈值：日常稳定在 6 根、高波动区制自动加密，把趋势性漂移滤掉、只保留『信息爆发时多采样』。统计性质上四种 bar 同场竞技：时间 Bar 峰度 3.52/JB 496/波动聚集显著，三种信息驱动 bar 全部归零——家族内差异远小于『家族 vs 时间时钟』。终点站是 Easley-O'Hara-de Prado 的洞见：美元时钟正是 VPIN 的运行时钟，采样方式与知情交易度量共享同一个世界观。A 股落地注记：手数=100 股恒定使成交量/成交额时钟高度相关，但跨长周期与跨价格档比较时美元 Bar 仍占优（中高阶）。