CoinSkool

當模型不再是鏡子:反身性如何讓量化訊號自我實現

模型與市場:從鏡子到力量

多數人談量化交易,會把模型想成一面鏡子:市場先發生變化,模型負責辨識規律,然後交易者根據規律下注。

但有時候這個想像顯得過於靜態。

真實市場裡,模型不只是鏡子,

也可能成為改變被觀察對象的力量。

一個簡潔的動能訊號原本可能只是在捕捉投資人對新資訊的反應不足。盈利預期上修、產業敘事發酵、宏觀風向轉變,價格不會在一瞬間完成調整。有人太早賣出,有人不願追高,有人需要更多證據才改變看法。這段遲疑,提供了趨勢策略的空間。

反身性的核心

但價格持續上升後,參與者的心理會改變。早期持有者把帳面獲利視為自己判斷正確的證據;場外資金開始擔心錯過;原先看空的人面對不斷抬升的價格,逐漸懷疑自己的估值框架。市場不是因為每個人都獲得了新資訊才上漲,因為價格本身已經變成了資訊。

這正是反身性的核心:價格改變信念,信念再推動價格。

資金類型與策略設計

量化研究若只將報酬視為一串獨立的觀測值,很容易錯過這一層。更有意思的問題是:當某個訊號變強,它吸引的是哪一種資金?

  • 是基於基本面更新的長期持有者?
  • 還是基於績效壓力而追隨排名與敘事的資金?

兩者都可能推高價格,但它們對回撤的承受能力不同,對反轉的反應也不同。

預測信念遷移

我認為,較成熟的策略設計,應該把「預測價格」延伸為「預測市場信念的遷移速度」。例如,單純的過去報酬可以描述趨勢;但趨勢持續多久,往往取決於市場裡還有多少人尚未完成觀點轉換。當人人看多時,動能未必立刻失效,卻已失去最有利的心理結構。此時持有趨勢,靠的常常不再是資訊擴散,更靠更高階的預期:我相信別人仍會相信價格繼續上升。

這種交易可以賺錢,但脆弱性也在累積。

反身性的量化拆解

從量化角度看,反身性並不神秘,它可以被拆成可檢驗的假說。舉例說,一個訊號的預測能力若主要集中於市場注意力快速上升的階段,研究者需要分辨:它是在捕捉基本面資訊擴散,還是在捕捉集體信念加速?(歸因分析)

  • 前者的超額報酬通常較平滑;
  • 後者往往呈現較高的正偏態,平常不錯,卻可能在少數時點出現劇烈回吐。

真正的機會

反身性帶來的真正機會,我覺得不在於找到下一個人人看見的訊號,更關鍵在於辨認一個訊號何時從「發現」變成「信仰」。前者有資訊落差,後者有群體心理。量化交易員若能把兩者分開,策略就不只是追逐歷史規律,更有推演未來的能力。

原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

V

作者

Voltima Quant

全職自營量化團隊|多年交易經驗
專注研究CTA擇時、多因子截面策略
標的涵蓋Crypto、港美股、期貨、期權
以科學系統化手段 於波動中尋找最優化交易機會

推薦閱讀

Aave、Ethena、Hyperliquid 創辦人談最大對手:銀行、Circle 與「沒有人」

在 2025 年 10 月 14 日 TOKEN2049 新加坡圓桌論壇上,Aave 創辦人 Stani Kulechov、Ethena 創辦人 Guy Young 與 Hyperliquid 共同創辦人 Jeff Yan 分別點名銀行、Circle 與「沒有人」是最大競爭對手,並談到 DeFi 創辦人最常犯的錯,以及

CoinSkool2026/10/14
Solana Alpenglow 升級 10/21 上線,最終性縮至 150 毫秒

Solana Alpenglow 升級 10/21 上線,最終性縮至 150 毫秒

Solana 核心開發團隊 Anza 宣布,Alpenglow 共識升級將於 10 月 21 日在 mainnet-beta 上線,以 Votor 取代 TowerBFT,目標把交易最終性從約 12.8 秒縮短至 150 毫秒。驗證者將直接交換投票而非提交鏈上交易,可能導致含驗證者投票的交易總數明顯下滑。

CoinSkool2026/10/14
券商巨頭 IBKR 開通 ETH 質押服務,zerohash 提供技術

券商巨頭 IBKR 開通 ETH 質押服務,zerohash 提供技術

Interactive Brokers(NASDAQ: IBKR)推出加密貨幣 staking,由 zerohash 提供服務。合格 LLC 客戶可透過 Client Portal 的 Staking Dashboard 進行 ETH staking 與 unstaking;獎勵會以額外 staked 加密貨幣入帳且可

CoinSkool2026/10/14