Discrete Alpha离散优势策略原理

每一笔成交，都是一个想买的人和一个想卖的人在某个价格上达成一致。买的一边排着买单，卖的一边排着卖单；平时两边大致平衡，价格就在一个小范围里来回。

坏消息来的时候，情况变了。大多数人在同一时间朝同一个方向挤，卖单一下子涌进来，把排着的买单一层一层吃掉；愿意接的人也往后退，价格就被推得很远，常常推过了头。

这时候人会恐慌：要么出手过早，接在半山腰；要么等真正有优势的位置到了，反而不敢开仓。

大多数方向性的量化策略，无论是趋势跟踪、均值回归还是因子模型，研究对象都是价格和成交量的时间序列：从已经发生的价格出发，推断接下来的价格。

但价格本身是拍卖的产物。一根 K 线背后，是成千上万次出价和成交；落到图上，只剩开盘、最高、最低、收盘四个价格和一个成交量。从信息的角度看，价格是对拍卖过程的一次有损压缩：它记录了成交发生在哪里，没有记录这个价格是如何形成的。

在压缩之后的数据上提取特征、做变换，只能重新组合已经保留下来的信息。压缩时丢掉的部分，无论模型多复杂，都无法从价格里恢复。

Discrete Alpha 的研究对象，是压缩之前的拍卖过程本身。这类数据维度高、噪声重、结构不规则，过去主要用于高频交易，关注的是几秒到几分钟之内的价格变化。Discrete Alpha 对这些数据逐层降噪、提纯，从中提取对价格方向有预测力的信息，第二章画的就是这个结构；这些信息是否真的有预测力，第三章用统计检验回答。

这也是 Discrete Alpha 不使用均线、MACD 等价格类指标的原因：它们是在压缩之后的价格上再做计算，等到给出信号，行情往往已经走完了一段。

离散，是只在优势出现的那些时刻出手；优势，是每一次出手都有正期望。这就是"离散优势"这个名字的意思。

大部分时间，Discrete Alpha 什么也不做，空仓等着。一年 8,760 个小时，真正出手的只是其中很少几个，所以净值大部分时间是平的，只在优势出现的时刻跳上一级。

21 点的算牌者记录牌堆里还剩哪些牌，只在剩下的牌对自己有利时加大押注。Discrete Alpha 做的是同一件事：记录市场里排队等着成交的订单，只在对我们有利的时刻押注。

我们从混沌的市场里，提取最接近价格形成本质的特征，把它变成可以反复押注的优势。

这是 Discrete Alpha 最大的优势。新闻出来的时候，我们看到的和所有人一样；但在新闻驱动行情之前，反转往往已经在市场里发生了。Discrete Alpha 能提前从市场里发现流动性的反转点。

我们不预测新闻，也不知道会有哪条新闻。反转先发生在市场里，新闻往往是后来才出来的解释。

两场经典战役里看得很清楚：硅谷银行倒闭那个周末，财政部长刚说不救助，Discrete Alpha 在联合救市声明发布前 2 小时 15 分重仓加多；Bybit 被盗之后的极度恐慌里，它的抄底比战略储备的消息早了 61 个小时。

上百条原始数据流同时进入系统，逐层计算。每一层只完成一步；越往后，数据越少，信息密度越高，整个结构逐层收窄，形如漏斗。逐层计算之后，得到决策数据，再生成信号，展开为十个输入维度。

进入这个结构的，是拍卖过程的原始数据：维度高、噪声重、彼此交错。系统在尽量完整地保留这些数据的前提下逐层降噪、提纯，信息在每一层变得更集中。

十个维度按范式分到五条押注逻辑，再经过多空两道约束，最后只剩一个决定：押多少。

十个维度，再加上仓位，就是一个 11 维的空间。市场先被识别为不同的范式，每个范式调用独立的参数配置；范式之内，仓位由信号强度、自适应维度与多道约束条件共同决定。

一共三个范式：两个双向押注，一个单向持有，每个范式调用不同的维度。每一层里的高度就是仓位。

先不管押多少：信号来了不挑、不加减仓，每次押一样大，不做任何优化。这样闭着眼睛押，474 次押注平均每次赚 1.61%，已经扣除手续费和资金费、不含杠杆。68% 的押注赚钱，赚的时候平均 +3.4%，亏的时候平均 −2.1%，盈亏比 1.6。

如果 Discrete Alpha 其实没有优势，每次押注的期望就是 0，474 次押注的平均值只会在 0 附近随机摆动。摆动的幅度用标准误来量：偏出 2 个标准误，统计上通常就算显著；物理学宣布发现新粒子，要求偏出 5 个。

Discrete Alpha 的平均值 +1.61%，偏出了 8.4 个标准误。单靠运气做到这一点，概率大约是三千万亿分之一，比连续抛 51 次硬币、次次正面朝上还要小。

赌场长期稳赚，靠的是每一局都有一点点优势：轮盘、百家乐对玩家都是负期望。21 点算牌者靠记牌，把约 1% 的优势翻到自己这边。

Discrete Alpha 每押 1 美元，平均赚 1.6 美分，比算牌者的优势还高。

单独一次押注，有输有赢：只押一次，亏钱的概率是 32%。但每一次的期望都是正的，押得越多，平均结果越接近期望，这就是大数定律。

按历史的收益分布抽样：连续押注 10 次，亏钱的概率是 9.9%；50 次，0.2%；一年约押注 114 次，亏钱的概率接近 0。

会不会只是行情好？把四类信号的真实开仓时点，换成同一年、同一市场环境下的随机时点，出场规则完全相同，重复 1 万次。

真实开仓的平均收益，高于 94% 到 99.8% 的随机结果。同样的行情、同样的出场，差别只在押注的时机：收益来自信号本身。

把全部信号整体推迟 1 小时到 7 天再执行。推迟越久，每次押注的期望越低，说明优势来自信号里的即时信息。

即使推迟 7 天，期望仍然是正的。这个优势很强，不是巧合。

会不会是参数调出来的？在参数空间里随机抽取 2,001 套邻近参数，每一套都在全部历史数据上独立运行。

2,001 套全部盈利，没有一套爆仓；年化夏普比率最低 1.03、中位数 1.45，全部高于同期持有比特币的 0.92。优势来自信号的结构本身，不是某一组被精心调出来的参数。

比特币上涨的年份赚钱，下跌的年份也赚钱：2025 年比特币全年下跌，Discrete Alpha 照样是正收益。

会不会失效？我们利用的是价格形成的机制，不是历史走势里的形态。只要市场还以拍卖的方式定价，只要做市商和大资金还在交易，真实的供需就会留在市场里，推动价格。

我们只做比特币：它的流动性最高，这一类优势在流动性越高的市场越稳定。

知道了优势在哪里，还要决定押多少。凯利公式回答的就是这个问题：已知胜率和赔率，每一次该押本金的多少。

押注的比例 f = p − (1 − p) ÷ b。p 是胜率，b 是赔率（赢的时候赚多少倍、输的时候亏掉押注）。把握越大，最佳的押注越大；算出来是零或负数，就是没有优势，不押。

押少了，长得慢；押多了，反而会亏，哪怕每一次都有优势。

凯利曲线说明，最优的押法取决于胜率和赔率。而市场一直在变：同一个信号，在不同的市场里，胜率和赔率并不一样，所以最优解也一直在变。

Discrete Alpha 的做法是：先识别市场处在哪一种范式，再在这个范式的 11 维空间 里，按信号强度、自适应维度与多道约束条件，找到这一刻的最优仓位。确定性高的时候重仓，没有把握的时候不出手。

交易以被动成交为核心，在不冲击盘口、不暴露交易意图的前提下完成建仓与平仓。

执行也是优势的一部分：同样 2 倍杠杆、同样从 2023 年 1 月开始，如果全部用市价成交，到 2026 年 10 月的净值要少 14%。

2023 年 1 月投入 1 万美元，2 倍杠杆，到 2026 年 10 月 13 日 是 8,402,756 美元；同样 1 万美元买入持有比特币，是 50,297 美元。净值大部分时间是平的，只在优势出现的时刻跳上一级。

团队成员来自伯克利、帝国理工、尔湾与斯坦福，专业以计算机为主，另有物理、数学、统计和人工智能。

资金在您本人名下的交易所账户里，我们只有交易权限，没有提币权限。不收管理费，只在账户创新高之后，按最高水位分成。