价格序列离散化，随机分量和噪音·进阶篇
「价格到底在响应什么」
价格序列是离散的，但价格变动并不是时间的函数。音频信号可以按时序采样，是因为幅度本来就依附于时间；而价格里时间是背景，不是驱动——把 K 线当信号流按固定周期切，会丢掉真正的因果。 实际推动报价的至少有四类因子：交易执行（买断某价位的可用量才会推升 ASK，例如 1 美元挂 10 股、买走 4 股后价不变，剩 6 股被全吃才跳到 1.1 美元）；挂单撤改（无成交也能让 BID/ASK 移动）；参与者重定义资产收益（急售亏损头寸换取流动性也算）；以及价格自身的反馈（价格一动，持仓者收益重算，反过来影响后续挂单）。 从可计算性看，前两种在交易所能统计成交和订单流，但跨市场、衍生品对冲盘会让边界模糊；第三种最贴近真实，却无法逐人核算收益。第四种「价格是其自身函数」虽粗糙，但适合先做离散建模：设步长 n 点，每向上或向下移动 n 点才记一次价格值，相当于把图表按重定义事件平移。 一个可验证的现象：资产价格变化频率与交易数量直接正相关。参与者越多、成交越密，收益重定义越频繁，价格跳动也越密——你在 MT5 里切 EURUSD 的 M1 和 H1，对比伦敦盘与悉尼盘成交量，就能看到跳动密度随交易数拉开差距。外汇与贵金属杠杆高，这种频率突变常伴随滑点和点差扩张，验证时务必用真实点差环境。
◍ 用砖形拆解时间离散化带来的随机噪声
把价格按固定点数切成步长，比直接看时间烛条更能暴露序列本质。假设 1 步长 = 10 点，一小时 H1 烛条内部可能走出 25 块砖（25 步长、100 点波动），也可能只走出 40 块砖（40 步长），块数完全由交易活动驱动，和时间流逝只是弱相关。砖形和 Renko 类似，但开盘收价差固定为 N 点，价格垂直移动 N 点才收盘，这样就把“每小时必收”的外部时间参数剥离了。 中心极限定理在这里很实用：大量弱相关随机步长的总和近似正态，平均覆盖距离约与步长数平方根成正比。用 2020.05.18–2020.07.03 的 50000 根 GBPUSD M1 实测，M1 平均模长 0.000170，H1 实际平均模长 0.001117；若当随机游走，理论值应为 0.000170×60^0.5 = 0.001315，差仅 0.0002。日线用 1440 根 M1 推算，实际 0.006547 对理论 0.006442，同样贴近。 换 tick 级数据重算：每分钟平均 59.99 次报价，tick 平均模长 0.000014378，推得 M1 理论 0.000111363、H1 理论 0.00086，对比真实 M1 0.00017、H1 0.001117 仍属同量级。结论很直白——按固定时间间隔离散价格，会把本来含形态的非平稳序列硬变成类随机游走，所谓“噪声”来源就是离散参数和时间帧错配。外汇高杠杆品种这类错配会放大误判，开 MT5 用上面的模长算法跑一遍自己品种就能验证。
用增量密度看清价格离随机有多远
想判断一小时内的价格运动到底像不像随机漫游，光看平均烛条大小不够，得把增量的分布密度画出来。我们把统计窗口定为 60 分钟，也就是 60 步；此前算过 1 分钟烛条平均大小为 0.000170，步数 60，于是极端边界就是 -0.00017×60 = -0.0102 到 +0.0102。 离散层面也值得注意：若每步严格等于均值，60 步后价格只能落在 0、0.00034、0.00068… 这类间隔为两倍平均烛条大小的级别上。实际烛条大小有波动，所以会填进中间值，但统计时我们仍按「两倍平均蜡烛大小」的间隔来归集事件数。 把价格序列的密度（黑）和纯随机漫游（红，每步转向概率 50%、无记忆）叠在一起看，两者几乎重合。价格序列的峰值略高、分布略窄、且微微右偏——意味着下一步逆转概率可能稍大于 50%，并夹着一点点向上漂移，但偏差不大。 这种轻微偏移理论上或许能挤出薄利，但样本够大时理想随机变量终会回归基准。附带的 xlsx 里给了全部计数与密度表，开 MT5 导出自家品种的一小时增量，按 0.00034 间隔分桶就能复算这张图。
「烛条大小暴露的波动聚集」
有经验的交易者盯着 MT5 图表会察觉，烛条往往成簇出现：一段全是窄幅小烛，紧接着几根宽幅大烛，这种高波动区与低波动区的交替不是噪声，而是价格序列自带的结构。若时间离散把连续报价切得太碎，这种分组效应会被抹平，实际却清晰可见，说明离散误差虽存在但没掩盖形态。 验证方法很直接：调出带即时报价成交量（Tick Volume）的图表，小烛条对应的 tick 数明显偏低，大烛条则伴随 tick 数激增。可把一次 tick 视作一步随机游走的步子，大烛条期内步数更多，但烛条实体幅度近似与步数平方根乘平均步长成正比——这就是图例 9 演示的关系。外汇与贵金属属场外市场，tick 量只是代理指标，真实成交量得看交易所品种，两者高度相关但存在偏差，高风险品种尤需警惕代理失真。 时间离散造成的扭曲催生了“夜间剥头皮”一类系统。这类策略押注低波动区后反转概率偏高，但开发时不能默认形态必然盈利。要额外回测两个问题：低波动区反转可能是否真高于趋势延续，以及该区统计特征在历史样本上能否覆盖点差与滑点成本。MT5 上用 tick 量分组做分位测试，比肉眼判断更靠谱。
◍ 用砖形抹掉报价序列里的随机噪声
很多人以为用即时报价（tick）做分析就能避开离散化误差，其实 tick 本身也是一种离散手段。外汇市场里每家券商能自己喂任意数量的 tick，真实成交和 tick 流并不严格绑定，所以 tick 序列里天然夹带了失真和随机分量，拿来直接建模会把噪音当信号。 更好的切入点是固定幅度离散化：把价格看成它自己的函数，垂直走过 N 个点就收一块砖（Renko）。图例 10 里同一周期比特币周线烛条和 N 点砖形放在一起，条数相同但走势形态完全不同，说明离散方式直接决定你“看见”的市场。 砖形最实用的地方在于——它只关心价格动了多少点，而这恰好对应账户盈亏的变动粒度。每个参与者的利益在价格垂直越过 N 点后才真正改变，所以“价格是其自身函数”的模型反而离真实交易最近。图例 11 把正弦线转成等距砖形，曲线形状没了，但周期和振幅都留着。 即便砖形尺寸设错，确定性结构也不会塌成随机。图例 12 显示砖太大时块内信息被压缩、精度下降，幅度和周期仍在；若砖尺寸大于序列振幅则根本不出砖，对比时间离散化里错参就把原信号搅成噪声，砖形起码不制造假随机。外汇/贵金属波动受流动性与报价源影响，用砖形前请在 MT5 用真实点差环境验证，参数错配仍可能漏掉关键波段。 即使离散参数不完美，这种方法也能消去时间离散塞进来的随机项，且在源序列参数函数未知时照样能缩放到 1 点精度，比按时间切分更干净。
一点提醒
把连续报价硬切成固定时间柱，本质是用离散化给原始数据强加了一个外部参数。GBPUSD 这类品种在 M1 上的跳动分布并不均匀，等距切片会凭空塞进随机噪声，让图表形状偏离真实成交结构，这一点在统计回测里表现为参数敏感性明显抬高。 作者给出的砖形替代方案只是起点，核心思路是：先问价格到底是谁的函数，再决定怎么切。开发 EA 或做量化研究时，离散方式选错，后面所有形态识别都可能建立在失真之上。 外汇和贵金属杠杆高、跳空频繁，任何离散重构都只是近似。开 MT5 把同一段行情分别用时间柱和文内砖形跑一遍，对比信号触发差异，比盲信某种图表更实在。