标签： #高频数据

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。

秒级 tick 价格里混着买卖价差、错单、报价粒度带来的微观结构噪声——直接平方求和会把积分波动率(IV)估高 161%。本文用 numpy 从零实现 Parzen 已实现核(Realized Kernel)，靠 lag1 自协方差把 2Nη² 噪声项精确抵消，在 h=1 全采样下就还原真实 IV=0.0016；并给出 γ_1=-η² 的噪声方差估计。附完整 numpy 实现与四张真实计算图。

把采样间隔从 30 分钟压到 5 秒，两个真实相关 ρ=0.7 的资产测出来的相关系数会跌到 0.08——不是市场变了，是估计器坏了。Epps 效应的主因是异步交易：清淡资产的最新价大部分时间是几秒前的旧价，previous-tick 对齐让高频收益大量配对到「新信息 vs 旧价格」，相关性被机械稀释。40 个模拟交易日的受控实验完整复现衰减曲线（5s: 0.08 → 60s: 0.49 → 600s: 0.69≈真值），机制分解实验证明同步观测对照组在所有频率下都测得 0.7——衰减 100% 是观测机制造成的伪影。组合风险端的传导：h=10s 估计的相关矩阵让等权组合年化波动被低估 3.6 个百分点，高频协方差矩阵制造系统性的分散化幻觉。Hayashi-Yoshida 估计量按「时间区间重叠」配对收益，无需网格对齐，但对微观结构噪声不设防——实测在带噪声数据上给出 0.29，比中频 previous-tick 更差。实操建议：统计套利配对用 5-15 分钟采样+HY 交叉验证；A 股注记：涨跌停与集合竞价的额外坑（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）

「你的 Beta 不是一个数，是一条会跳的曲线。」传统 60 日滚动 OLS 估计 Beta 有一个结构性死穴：窗口内每个观测等权，Beta 真的变了要一个月才能在估计里显形。已实现 Beta 把已实现波动率的思路搬到协方差上——用 5 分钟日内收益，单日就能算出一个 Beta 估计（日内协方差 / 日内市场方差），无需任何模型假设，跳变当天就能看到。Python 模拟完整验证三层结构：事件日 Beta 从 1.0 跳到 1.9，22 日平滑已实现 Beta 约 20 个交易日贴近真值，60 日 OLS 落后一倍时间且路径被旧样本稀释；但高频不是免费午餐——Epps 效应让非同步交易在 5 分钟频率把 Beta 从 1.2 低估到 0.54，偏差随采样间隔拉长单调消失，最优频率是偏差与方差的权衡（20-40 分钟附近），盲目用最高频数据是这个领域最常见的错误；对冲误差是估计器的终极裁判：模拟中已实现 Beta 对冲的残余年化波动 10.1%，优于滚动 OLS 的 10.6% 与静态 Beta 的 11.1%——差距看似小，但对冲组合的方差改善会直接进入市场中性策略的 Sharpe 分母。落地约束诚实列出：A 股 5 分钟数据可得但 T+1 限制对冲调仓、开盘集合竞价段需剔除、真实市场的微观结构噪声比模拟更毒（中高阶）。

把一天的交易切成几十个 5 分钟 bin，你会发现波动率不是均匀的：开盘一柱擎天、午间死气沉沉、收盘再抬头，画出来是一条 U 型曲线。这条 U 型不是噪声，是每天都重演的日内季节性。不把它剥掉，你的日内波动预测、跳跃检测、VWAP 拆单全会被它系统性带偏——固定阈值会在开盘漏报一堆假信号、在午间漏掉真跳跃。Andersen-Bollerslev 的柔性傅里叶形式（FFF）用低阶多项式加少数谐波，几个参数就能把这条 U 型曲线拟合出来。本文从零推导 FFF、演示阶数如何影响拟合、如何用它去季节化，以及季节性校正如何改变跳跃检测的结论。并诚实拆解它的过拟合边界与 A 股制度差异（中阶）。

直觉告诉你：数据越密、频率越高，估计应该越准。但相关性在高频世界里恰恰相反——同一对资产，用日线算相关是 0.6，切到 1 分钟变 0.3，切到 1 秒几乎归零。这就是 Epps 效应：不是市场关系变了，是异步成交把相关性『稀释』掉了。两只股票的 tick 从不落在同一时刻，你为了对齐用旧价前向填充，就在每个细格点里塞进了大量人造的零收益，相关性被这些零拖向 0。本文用纯 numpy 合成两条 latent 相关 0.6 的高频价格路径，泊松稀疏成交 + last-tick 填充完整复现 Epps 塌陷曲线（1 秒 ρ≈0.03、30 分钟才恢复到 0.59）；量化流动性对衰减速度的影响（成交越稀疏塌陷越狠）；最后给出解药 Hayashi-Yoshida 估计量——用重叠区间累加协方差，不需要同步、不丢数据，在异步稀疏数据下几乎无偏。附完整 Python 与四类真实陷阱。

两只关联资产里，谁先动、谁跟随？大盘 ETF 涨了，成份股几秒后跟上；期货动了，现货滞后半秒——这个『谁领先谁』的时间差，是高频交易里最值钱的信息之一。但要从真实 tick 数据里量出这个 lag 极难：两条序列的成交时刻从不对齐，你一旦重采样到固定网格，就把秒级的领先滞后模糊进了分钟级的格子，lag 直接消失。本文把 Hayashi-Yoshida 估计量升级成领先滞后探测器：给一条序列的时间轴整体平移 L 秒再算 HY 交叉相关，扫描所有 L、峰值所在即领先滞后时间。用纯 numpy 造 leader/follower 结构（follower=leader 滞后 8 秒+噪声），完整复现交叉相关峰值精准锁定 8 秒；对比固定网格 last-tick 如何被粗粒度模糊掉 lag；量化样本量与信号强度对 lag 估计稳健性的影响（一天数据 vs 一周数据、ρ=0.2 的平峰 vs ρ=0.8 的尖峰）。附完整 Python 与四类真实陷阱。