你收到一个很准的短期信号：某项资产接下来可能上涨。问题是，你该立刻买完，还是慢慢建仓？前者会把成交价格推高，后者又可能等到信号失效。预测没有错，交易仍可能不划算。
Matteo Smerlak 的论文研究的正是这道转换题：怎样把持续到来的收益预测，变成可以执行的仓位；又怎样在风险和交易成本之外，给预测信号估一个真正可获得的净价值。论文讨论的是带有瞬态价格冲击的平稳二次交易模型。瞬态冲击指一笔交易造成的价格偏移会逐渐消退，但此前的订单仍会影响当前成本；“二次”则表示风险与冲击成本都用平方形式惩罚。
以下结论均来自这篇论文的理论推导。材料没有提供市场回测或实盘结果，因此它回答的是“在给定模型假设下应当怎样交易”，不是“某个策略已经证明能赚钱”。
先预测，再决定市场允许你怎么做
论文把交易决策拆成两步。
第一步是预测未来真正有用的收益漂移。漂移可以理解为价格变动中模型试图捕捉的可预测部分。这里预测的不是未经处理的未来信号，而是经过交易摩擦加权后的信号：成本低、来得及利用的部分权重更高；即使方向很准，但出现于昂贵频段的部分，权重也会降低。
第二步是把这个条件预测送入一个因果线性滤波器。滤波器把连续信号转换成仓位和订单；“因果”意味着它只能使用当时已经看到的信息，不能偷看未来。它需要同时决定建仓、维持和退出的速度。
论文用 Wiener–Hopf factorization 求出这个滤波器。直观地说，这种分解先把纠缠在一起的风险、当前成本和历史冲击拆开，再区分哪些信息来自过去、哪些属于尚未发生的未来。最终得到的最优策略，是“对摩擦调整后信号的条件预测”与“显式因果响应”的组合。
这一步的重要之处，在于它把预测和执行放进同一套度量。若直接预测理想仓位，模型只会努力缩小普通预测误差；论文则让错误按照交易摩擦计价。错过一个便宜、可执行的机会，与错过一个必须付出巨大冲击成本的机会，不再被视为同一种错误。
同样准的信号，为什么价值不同？
论文先设置一个公平比较：固定正的风险惩罚，也固定信号方差。信号方差在这里代表“即时预测强度”。如果完全没有交易摩擦，这些强度相同的信号拥有相同的 frictionless Markowitz value——也就是经典均值—方差配置下、不计交易成本的最优价值。
加入交易成本后，排序发生变化。论文给出的净可达价值，等于“摩擦加权条件预测”的均方的一半。说白了，市场不只关心信号有多强，还关心它的时间结构是否适合交易：它持续多久，变化多快，能否被过去信息预测，以及主要落在哪些交易成本较低的频率上。
论文给出一个很尖锐的例子。一个随机相位的正弦信号可以由过去完全预测，但如果它集中在交易摩擦很高的频率，其价值仍可任意接近零。预测性极强，并不自动产生可执行价值。
反过来，当信号把波动集中在摩擦最低的频率，而且可以从历史中预测时，它能达到论文推导的价值上界。这说明“准不准”只是第一问。第二问是，信号出现的节奏是否与市场的成本结构合拍。
市场的记忆，会改写交易方式
在冲击按指数速度消退时，论文恢复了 Gârleanu–Pedersen 的 aim-portfolio 结果。它可以理解为：策略不会一步跳到目标仓位，而是以一定速度向前瞻目标靠近。加入指数型瞬态冲击后，响应可写成两个指数移动平均（EMA）的组合。这类规则仍能用有限数量的状态描述。
但若冲击按幂律衰减，旧交易的影响会拖着一条更长的尾巴。论文由此推导出 fractional trading filters，即带分数阶特征的交易滤波器。它依赖遥远过去的信号，不能由有限维、线性时不变的 LQR control 精确实现。LQR 是一类用有限状态在风险与控制成本之间求最优解的方法；这里的问题是，幂律记忆无法被少数状态完整压缩。
这会产生一个不太直观的动作：信号仍为正，但如果它正在明显减弱，策略也可能卖出，因为系统还要处理已有多头仓位和此前交易留下的冲击。论文强调，这种调整来自信号与持仓的共同演化，并不等于靠自身冲击套利。
最慢的信号也未必最好
论文还研究了 exposure bleeding：持仓暴露会被动流失，需要不断交易才能维持。例如期权组合临近到期时，vega——对隐含波动率变化的敏感度——可能下降。
在带 exposure bleeding 的幂律冲击模型中，过慢与过快的 Ornstein–Uhlenbeck（OU）信号都不理想。OU 信号是一类会向均值回归的随机过程，mean-reversion rate 表示它回归的速度。信号太慢，策略要长期补充不断流失的暴露；信号太快，仓位又必须频繁调整。论文因此推导出一个居中的最优均值回归速度。
这个结论不能脱离条件使用。对于普通持仓加库存风险惩罚的设定，论文讨论的市场反而偏好更慢的信号。所谓“最佳信号速度”不是信号自身的固定属性，而是信号动态、冲击衰减、风险约束与暴露机制共同决定的结果。
为什么值得关注
量化研究常把模型分数当作终点。本文换了一个更贴近交易的问题：如果两个模型即时预测能力一样，市场摩擦会怎样重新给它们定价？答案不是简单扣掉一笔手续费，而是让整个预测目标发生变化。
这也给研究流程提出了更严格的要求。评估一个信号时，不能只估计预测强度，还要同时估计信号的持续性、平滑度与可预测结构，以及市场冲击如何随时间消退。执行不是模型完成后的附加模块；它会反过来决定哪些预测值得追求。
局限与未知
- 这些结果建立在平稳、二次目标以及线性瞬态冲击等假设上。具体结论还取决于风险惩罚、冲击核、exposure bleeding 和信号过程的设定。
- 材料未披露样本、回测收益、成本参数或统计显著性，不能据此声称策略具有实盘盈利能力；论文也指出，实际应用需要联合估计预测强度、信号动态与交易成本。
- 供稿仅有论文这一项独立信源，尚未完成跨信源核验；arXiv 编号
2610.24558所隐含的时间信息亦较异常，论文页面、版本日期和作者信息在正式发布前仍需另行确认。