📡
行情失真：从 Tick 到 K 线，你的分析对象到底有多真？
用信号处理视角拆解 K 线——为什么大多数指标都建在被重采样、被混叠、被平均过的数据上。
行情数据信号处理K线频谱混叠失真
价格不是连续的，它是一个离散信号
市场在每一个报价（tick）产生一个价格点。你在图表上看到的 K 线，只是把成百上千个 tick 按时间窗口重采样后的结果。换句话说，你分析的对象不等于市场本身，而是经过两道加工（采样 + 平均）后的衍生品。
采样定理与频谱混叠
把报价流看作一个频率上限约 1Hz 的离散信号（相邻 tick 至少间隔约 1 秒）。当你把 M1 的收盘价序列当作信号去观察时，它的奈奎斯特频率是每根 K 线 0.5 个周期（即每个时间窗口最多半个周期）。
✦
这意味着：任何比每根 K 线半周期更快的波动，在重采样后都会发生频谱混叠（aliasing）——高频信息被错误地折叠成低频信息。你的指标看到的，可能根本不是真实的波动。
重采样放大的失真
文章做了实测：把 M1 数据重采样到更高周期（如 H1、D1），失真会被逐级放大。在 M1 上平均每根 K 线约 60 个 tick 的误差，到 D1（约 1440 根 M1 合成）会被放大到约 120 倍。越大的周期，离真实成交价格越远。
- 用收盘价序列计算的指标，误差随周期放大
- 均线在 H4/D1 上的平滑，很大一部分是重采样噪声，而非真实趋势
- 大周期信号看起来稳，其实是在分析被平均过的幻象
K 线四价（OHLC）的数学尴尬
单根 K 线用开盘、最高、最低、收盘四个价格描述。问题在于：这四个价格来自不同时间点的 tick，彼此没有数学关联，且 K 线本身没有时间权重——一根只成交 3 笔的 K 线和一根成交 3000 笔的 K 线，在图表上长得一模一样。
✦
对 K 线四价做加减乘除（比如常见的 (H+L)/2、ATR 等），在数学上并不严谨：你是在把不同时间、不同成交密度的点当成一个向量来运算。
实务结论：该分析什么
既然重采样会失真、四价不严谨，最稳妥的做法是回到最小周期去分析。
- 把 M1 收盘价序列当作最接近真实的信号源
- 需要更高周期视角时，优先用 M1 数据自行聚合，而不是依赖平台预聚合的 H 线/D 线
- 任何指标都是对已被处理过的数据再做处理，理解这层失真，才能正确解读指标信号
常见问题
不是不能用，而是要知道它包含重采样失真。大周期适合看方向，小周期适合找精确入场；把大周期当真理就容易踩坑。
最常见的是指标在未来 K 线才确认的信号，回测里看起来提前——因为回测用的是已聚合的 K 线，实盘 tick 流的细节已被折叠掉。
能用，只是要知道它们的数学前提不严格。把它们当作经验近似而非精确度量，配合成交量或 tick 量一起看会更稳。
M1 是平台能给出的最小重采样粒度，离 tick 最近，失真相对最小。