信息表征与 A 股微观陷阱

最后一章讲两件事，它们都发生在「回测世界」的边界上：一是信息的边界——一份看起来很高级的新数据，怎么判断它到底有没有信息；二是规则的边界——回测代码写得再干净，也会被 A 股的微观交易规则（涨跌停、除权除息）打碎。这两件事有个共同点：它们的坑都不在代码里，而在对世界的表征里。

指标 ≠ 信息 ≠ 收益

先立一个三层结构，它是后面所有讨论的骨架：

可观测指标 o   →   潜在信息 s   →   未来收益 r
（你拿到的数据）    （真实的状态）    （你要的东西）

人话解释：第 11 章说过，因子是真实信号 $s$ 的带噪代理——数据里混着信息和大比例的噪声。这一章再往深一层：很多数据连 $s$ 的边都没碰到。龙虎榜、资金流、舆情热度、另类数据……每一家供应商都会告诉你「这是独立信息源」。判断的标准只有一条：把日 K 线已有的信息剔除之后，它对未来收益还有没有解释力。

为什么必须「剔除之后再看」？因为日 K（价格、成交量）是全市场都在看的信息，任何新数据里与日 K 重合的部分毫无价值——市场早就消化了。新数据的全部价值在于它的增量。

日期	新数据 $x$	次日收益 $r$
1	−2	−0.3
2	−1	+0.5
3	0	−0.4
4	+1	+0.6
5	+2	−0.4

信息审计象限：正交区 = 价格盲区

把每个候选数据画到一张二维地图上：横轴 = 它与日 K 已有信息的相关，纵轴 = 它与未来收益的相关。原点十字把平面切成四个象限，三个有名字：

增量区（右上，横 ≈ 0、纵 > 0）：与已有信息正交、且预测收益——真·新信息，值得进特征池；
冗余区（右下，横 > 0、纵 ≈ 0）：与日 K 高度重合、对收益无增量——换皮的老信息，白花钱；
盲区（原点附近）：既不与日 K 重合、也不预测收益——与价格世界完全无关。

本章演示数据是 40 个候选「另类数据」变量的合成截面（信息审计象限演示（合成）：40 个候选另类数据变量。x = 与日K已有综合信息的截面相关，y = 与未来收益的截面相关。三个区域预置：增量区 6 个（x≈0、y>0.15：与已有信息正交且预测收益）、盲区 24 个（x≈0、y≈0：与价格世界无关）、冗余区 10 个（x>0.4、y≈0：与日K高度重合、无增量）。横纵均为同一截面、同一对齐口径的相关系数）：

先声明成色：三个区域的点位是按剧本生成的（增量 6 个、盲区 24 个、冗余 10 个），但区域的比例是写实的——真实研究里，绝大多数另类数据点落在原点附近那个最拥挤的象限。

这正是本节标题的反直觉结论：正交区 = 价格盲区。「与价格信息正交」经常被当成卖点（「独立信息源，与市场无相关性！」），但实测的真相是：与日 K 正交、同时也与未来收益正交的数据占绝大多数——正交不是「独立的信息」，正交恰恰意味着它落在价格世界的盲区里，什么也照不亮。反过来，真正能预测收益的信息，市场往往已经（部分地）反映在价格里了，反而不会完全正交。所以面对任何新数据，第一问不是「它新不新」，而是「它增不增」。

观察性研究里，喝咖啡的人癌症发病率更高——隔几年就有新闻标题这样吓人。流行病学的第一反应不是争论咖啡，而是找混杂变量：喝咖啡的人里吸烟比例更高，而吸烟致癌——「咖啡-癌症」的相关，其实是「吸烟」这个第三变量在两头同时驱动。处理办法正是本章的偏相关思路：按吸烟分层、或把吸烟从两边回归掉，再看咖啡和癌症之间还剩多少相关——绝大多数「咖啡致癌」的结论在这一步之后归零。流行病学把「不控制混杂就报告相关」列为研究大忌，和金融研究把「不剔除日 K 增量就报告另类数据相关」列为大忌，是同一行字。

回看本章：信息审计象限图就是「校正混杂之后的暴露效应表」——x 轴在量「混杂有多重」，y 轴在量「校正之后还剩多少」；「正交区 = 价格盲区」翻译回流行病学，就是「没有独立作用通路的暴露」。

涨跌停：你的订单可能根本不存在

信息审计管「输入」，接下来的两节管「输出」——回测假设的成交，在 A 股会怎样失真。

规则先摆齐：主板 ±10%，创业板 / 科创板 ±20%，ST ±5%，北交所 ±30%。涨停价 = 前收盘 ×（1 + 限制比例），四舍五入到分。

微观现实是：一字涨停板上，你的买单大概率不成交。涨停价封死意味着卖盘枯竭、涨停价上堆积巨量买单，你的单子排在队尾——没有人卖给你，价格就不动，你就成交不了。跌停想卖出同理。而回测引擎「收盘价成交」的默认假设，在板上一文不值。

更要命的是资产冻结：想卖卖不掉，风险敞口被强制延续。手算一遍——三只股票等权持仓，账户止损线 −7%。某天 A、B 双双跌停 −10%，C 跌 −6%：

回测的幻想：三只全部按收盘价卖出，组合当日 $\frac{-10-10-6}{3} = -8.67\%$ ，触发止损，清仓离场，事故到此结束。

现实的账：只有 C（−6%，没封板）卖掉了。A、B 冻结在持仓里。次日 A 再跌停 −10%，B 打开跌停 −5% 卖出：

$\text{净值} = \frac{0.9 \times 0.9 + 0.9 \times 0.95 + 0.94}{3} = \frac{0.81 + 0.855 + 0.94}{3} \approx 0.868$

−13.2%——比回测的结局再深 4.5 个百分点，而且 A 还冻着。这 4.5 个点不在任何「参数」里，它来自撮合假设。回测引擎必须模拟它：

收盘价 = 涨停价（尤其次日开盘仍封死的）→ 买入视为不成交（排队失败）；
收盘价 = 跌停价 → 卖出视为排队中，持仓冻结带入下一日重试；
一律从保守 side 处理：高估成本、低估成交。回测是给现实拍预告片，不是拍写真。

双口径复权：指标用 QFQ，记账用 BFQ

第 1 章讲过复权消除除权跳空：前复权（QFQ）把除权前的历史价格按比例缩下去，序列连续，均线、动量等指标才不会在除权日出现断崖。但账户记账必须用另一套口径：真实价格（不复权，BFQ）+ 真实股数 + 现金事件。

手算一遍为什么。持有某股 1000 股，收盘价 20 元，市值 20000 元。公司公告：10 派 2 送 10（每股派现金 0.2 元，每 10 股送 10 股）。除权日：

$\text{除权参考价} = \frac{20 - 0.2}{2} = 9.9 \text{ 元}$

除权后你拥有：2000 股 × 9.9 元 = 19800 元 + 现金分红 1000 × 0.2 = 200 元，合计 20000 元——一分没亏（红利税此处从简）。价格腰斩是记账事件，不是亏损。

两种典型的错账：

记账跟着 QFQ 走：QFQ 序列在除权日是连续的（比如仍显示 19.8），用它 × 旧股数 1000 = 19800——送股的 1000 股凭空消失，此后每天净值都错一倍持仓。
只调股数不记现金：股数改成 2000 了，但 200 元分红没进现金账户——每次分红都漏记，净值系统性偏低。

正确架构是两层分离：信号层用 QFQ 算指标（第 3 章的 $s_t$ 建立在连续价格上）；账户层用 BFQ 真实价格 + 真实股数 + 除权事件表（事件日：股数 × 送转比例，现金 += 每股分红 × 旧股数）。两层的桥接点只有一个：信号算完、换成订单的那一刻。

伪代码：带微观规则的撮合与记账

输入：BFQ 价格、复权因子与分红送转事件表、QFQ 口径的信号 s[t]
输出：真实账户净值序列

对每个交易日 t：
  1. 信号层：用 QFQ 价格计算指标，生成 s[t]
     （只用 t 日及之前数据，第 3 章防前视纪律）
  2. 事件层：若 t 是除权日，先处理持仓：
       股数 ← 股数 × 送转比例
       现金 ← 现金 + 每股分红 × 处理前股数
  3. 撮合层：执行昨日的信号（信号次日生效，第 3 章约定）：
     买入：若 t 日收盘 = 涨停价且盘中未开板 → 排队失败，不成交
           否则按成交价（含滑点）成交，扣佣金
     卖出：若 t 日收盘 = 跌停价 → 排队中，持仓冻结，次日重试
           否则按成交价卖出
  4. 记账层：净值[t] = 现金 + Σ（股数 × BFQ 收盘价）

限额提示：涨停/跌停价按板块规则分别取 ±10% / ±20% / ±5% / ±30%，
按股票代码硬匹配，不许全局写死一个 10%

常见坑

「另类数据」崇拜。正交 ≠ 增量。采购或接入任何新数据源之前，先跑一遍象限审计——多数数据在原点附近，那一步就能省下几个月的工程和一份年费。
偏相关忘了防前视。审计用的「未来收益」必须从 $t+1$ 起算、「日 K 信息」必须只用 $t$ 及之前——审计本身也是回测，第 1 章的未来函数在这里同样适用。
涨跌停只处理一边。买入排队模拟了、卖出冻结没模拟（或反过来）——牛市的回测和熊市的回测各错一半。两边都要有，且都从保守 side。
限价比例写死 10%。创业板 20%、ST 5% 全被当成「未封板」处理，拒单检测漏掉一半的板。按代码前缀分板块配置，写进测试用例。
复权只在价格层做。指标层 QFQ、账户层也顺手用 QFQ 价格 × 股数——每次除权账户错一截。事件表（股数、现金）必须和 BFQ 价格在同一层记账。

到这里，「研究者亲手做研究」的武器已经齐备：状态机、门禁、排序、无偏验证、信息审计——每一个结论都要能被数据证伪，每一分回测利润都要能扛住摩擦与规则再落地。但接下来的三章要面对一个新的现实：机器开始介入研究本身——机器在公式空间里自动挖因子、机器像研究员一样提假设跑实验，以及无论研究者是人还是机器都绕不开的原料质检：论文与工具怎么挑。