微观均值回归：噪声也能交易

你看到一件商品的“参考价”暂时偏高，可能会等它降一点再买；但在市场里，等得不够久，来回交易的价差成本就会吃掉全部收益。Lucas Rabechini Amaral 的论文《Optimal Trading of Microstructure Mean Reversion》研究的正是这个取舍：秒级价格偏离何时值得交易，以及最优的等待边界在哪里。

这里交易的不是公司基本面反转，而是订单簿制造的短暂噪声。论文把噪声的形成和交易策略放进同一个模型，并给出闭式近似解。结论很有传播力：刚够覆盖价差就交易，利润为零；模型里的利润全部来自继续等待的“期权价值”。但这仍是特定假设下的理论结果，核心效果目前只有论文这一项信源，不能直接当作现实市场的已验证收益。

先分清屏幕价格和“真正的锚”

论文区分两个价格。中间价是最优买价和最优卖价的平均值，也就是行情屏幕上可以直接算出的价格。有效价格则是模型中吸收长期信息的基准，无法从订单簿上直接看到。两者之差记为缺口 $G$ ：

$G = 中间价 - 有效价格$

作者把有效价格设为外生的 Brownian martingale——一种没有可预测漂移的随机过程，并假设交易者能够观察它。中间价则由订单簿事件推动，以跳跃方式变化。订单簿越偏离有效价格，推动它向有效价格回去的事件强度越高。因此， $G$ 会均值回归，也就是偏离后倾向于回到零。

这不是在中间价外面硬套一个回归过程。论文从订单流的发生强度出发，让订单簿自己产生回归。妙处在于，它把“为什么会回去”和“该怎样交易”接了起来。

一两个 tick，压缩成一个状态

模型只针对流动性较好的 large-tick 资产。tick 是市场允许的最小报价单位；large-tick 意味着这个单位相对自然价差较大，最优买卖报价通常只隔一个或两个 tick。

论文利用了一个离散结构：中间价落在半 tick 网格上。它位于半整数 tick 时，价差为一个 tick；位于整数 tick 时，价差为两个 tick。换句话说，中间价在网格上的奇偶位置已经告诉我们价差宽窄。作者称之为 parity lock。这样，原本需要同时追踪中间价、有效价格和价差的问题，被压缩成缺口 $G$ 加一个奇偶标记。

在 balanced-response 条件下——即订单簿在两种价差状态中的纠偏力度被设为一致——论文证明， $G$ 的条件均值和稳态协方差与 Ornstein–Uhlenbeck（OU）过程完全相同。OU 过程是描述随机偏离被持续拉回长期均值的经典模型。它由均值回复率 $α$ 和稳态标准差 $s_{G}$ 概括。

但要注意，只有这些统计量一致。真实模型里的中间价仍然一格一格地跳，并没有变成连续的 OU 路径。

最优动作不是追，而是等

策略很直观。设阈值为 $θ$ ：

当 $G = - θ$ ，中间价低于有效价格足够多，买入；
当 $G = + θ$ ，中间价高于有效价格足够多，卖出；
在 $(- θ, + θ)$ 内，继续持有，不来回折腾。

这是一条对称阈值策略。阈值越窄，交易机会越多，但每次回归留下的空间太小，容易被买卖价差吃掉；阈值越宽，单次利润空间更大，却要花更长时间等极端偏离出现。论文优化的是长期平均利润率，而不是单笔利润。

困难在于，跳跃过程的首次通过时间—— $G$ 第一次碰到阈值所需的时间——没有方便的闭式解。作者因此用一个 Gaussian diffusion，也就是连续的高斯扩散过程，去代理具有相同条件均值和稳态协方差的跳跃过程。

在这个代理模型中，阈值策略在所有 admissible strategies——满足持仓和交易频率约束的可行策略——中最优。若以 $ϕ$ 表示一个 tick 价差状态下的 half-spread，也就是从中间价到买价或卖价的半边成本，最优半带宽满足：

$θ^{*} (θ^{*} - ϕ) = s_{G}^{2}$

左边可以理解为“等待阈值 × 超过盈亏平衡线的利润空间”，右边是缺口的稳态方差。缺口波动越大，值得等待的区间越宽；价差越贵，阈值也必须推得更远。

对应的最优长期平均利润率为：

$R^{*} = α s_{G} \sqrt{\frac{2}{π}} \exp (- \frac{θ^{* 2}}{2 s_{G}^{2}})$

它由三件事共同决定：回归有多快、缺口通常有多大，以及价格走到阈值附近有多罕见。

为什么“刚回本”仍然赚不到钱

如果缺口刚好覆盖价差就立即交易，每轮交易虽然账面上越过了成本线，却没有留下额外利润，而等待本身还占用时间。因此，代理模型中的长期利润率恰好为零。

真正的收益来自放弃眼前这次“刚够本”的交易，继续保留等待更深偏离的选择。论文把这称为等待的期权价值。它也解释了策略的核心不是发现均值回归——知道价格会回来还不够——而是决定偏离多深时，回归空间才足以补偿成本和等待时间。

论文还用原始跳跃模型做了带宽扫描。模拟中，真实最优带宽比代理模型的精确最优点向内约五分之一；使用代理最优点，长期利润率少约 3% 至 4%，使用简化带宽公式的根则少约 5% 至 6%。作者强调，这只检验了阈值策略内部的带宽选择，没有证明阈值策略对原始跳跃过程本身全局最优。

为什么值得关注

不少均值回归模型直接假设“价格会回去”，再研究如何交易。这篇论文多走了一步：它从订单簿事件的强度构造回归，让中间价偏离、价差状态和交易规则共享同一个微观结构解释。

它的执行启示也很具体。微观噪声并非一出现就能赚钱；价差先划出盈亏平衡线，而最优交易还要在这条线之外留出等待余量。对短线策略来说，信号方向只是第一问，何时不交易往往才是更重要的第二问。

局限与未知

有效价格在模型中既外生又可观察，交易者规模很小，订单不会改变事件强度；成本主要是买卖价差。材料没有给出真实样本、样本外回测、冲击成本或排队成交风险。
高斯扩散代理对收益侧的误差有界，但对首次通过时间的误差只有启发式依据。公式中的最优利润率只对代理模型严格成立。
对称阈值策略在代理扩散模型中被证明最优；在原始跳跃过程上仍是 conjecture，也就是尚未证明的猜想。