市场状态变化：适应而不追逐每一次波动

用可操作方式描述市场状态

市场状态是指相关市场关系表现不同的阶段：波动率可能升高，流动性可能变薄，或通胀冲击可能主导增长冲击。说“市场感觉不同了”还不构成定义。有用的状态描述应明确可观察变量、测量窗口，以及满足某个条件时需要改变的决策。

实时判断市场状态时，很少能完全确定。历史研究者可以在危机结束后清晰划分其阶段；实时流程面对的却是不完整且嘈杂的证据。任何使用状态标签的研究，都必须重建各日期当时可以推断的信息。把未来的高点或衰退边界赋予早先观测，会引入交易者当时并不拥有的信息。

区分新的水平与新的机制

波动率骤升可能是暂时的，而底层信号仍有效。反过来，市场准入、竞争或融资的结构性变化，也可能削弱曾经产生收益的机制。这些问题需要不同应对。自动使用更短窗口拟合，可能只是对噪声反应，而没有解决已失效的经济解释。

追踪多项诊断指标：预测误差、换手率、价差、相关性变化及实际结果分布。询问恶化来自信号、执行，还是实施。如果毛结果稳定但成本翻倍，重建预测模型可能错过真正问题。如果成本前的结果就已失效，更便宜的经纪商也无法修复缺失的关系。

适应调整引入另一个模型

在策略之间切换的规则，本身也是带有参数和成本的策略。阈值、确认期和切换频率都可能被过度拟合。反复在不同市场状态之间切换，可能造成来回震荡中的亏损，尤其是在观察值围绕边界摆动时。更复杂的状态机，并不自动比简单保守的规则更稳健。

滞回机制为进入与退出某状态设置不同阈值，以减少快速反转。最低观察要求与渐进调整，也能降低流程对单个数据点的敏感性。这些是应测试的设计选择，而非保证。评估任何自适应系统时，都应纳入交易成本与等待确认期间承担的风险。

为误报与识别延迟做好计划

没有任何检测器能瞬间区分所有暂时冲击和持续性断裂。快速行动会产生误报；要求有力证据则会造成延迟。应定义两类错误各自带来的损失。对于脆弱的杠杆流程，识别过晚可能代价尤其高昂；而频繁的不必要调整可能压垮利润微薄的策略。

使用历史和假设的状态转换，而不只是测试稳定时期。记录流程需要多久作出反应，以及这段时间内会发生什么。在未用于选择阈值的数据上评估规则。如果某个检测器能准确识别每个历史转折点，就特别值得审查：它可能通过平滑、居中窗口或事后标签读取了未来。

每天监测会改变阈值的含义。单次检测的误报概率为 5%，并不意味着全年反复检测时出现任何一次误报的概率仍是 5%。重叠窗口还会使相邻检测相关。应评估整个监控程序，包括检查频率和重置规则，而不是把每天的信号都视为一次全新、独立的统计检验。

设立“不确定”状态

教学框架可以区分正常运行、不确定性升高与已确认的流程失效。中间状态承认证据不完整。应对措施可预先定义且与情况相称，并明确恢复原流程的要求，而不是每次交易不理想后临时改变。

记录每条规则背后的因果假设，并保留版本历史。否则，市场状态标签可能变成放弃任何不佳结果的方便借口。健全的适应流程必须能够得出“不存在可靠信号”的结论。它的目的是诚实管理不确定性，而不是保证总能给获胜的历史片段分配一种策略。

把识别状态与采取行动分开评估

先选择一个恶化含义清楚的指标。对执行流程，可以是考虑订单大小、波动率和紧急程度后的基点成本；对预测模型，可以是相对固定基准的误差。直接比较平静月份的小额订单和动荡月份的大额订单，可能把订单构成变化误认为市场机制转变。

累积和方法可以逐步积累持续偏移的证据，而非只对单个极端值作出反应。一种简单的单侧形式为 Sₜ = max(0, Sₜ₋₁ + zₜ − k)，其中 zₜ 是标准化诊断值，k 是参考扣减量，Sₜ 超过阈值 h 时触发警报。NIST 介绍了这种 CUSUM 思路。用于交易时，基准、标准化、依赖结构及重置方法都需要单独论证，不能照搬工业控制图的参数。

先分别评估识别器和响应规则，再评估两者组合。识别器可能正确发现波动率升高，却触发昂贵换仓，使整体表现更差。相反，一个简单识别器可能已足以支持有限的操作，例如要求检查数据。应统计误报、识别延迟、各状态停留时间、换手率，以及最终净账户路径，才能看清自适应带来的收益和代价。

假设一条带滞回的规则：估计波动率超过 25% 时进入高波动状态，降至 20% 以下才退出。那么读数为 23% 时，行动取决于此前的状态。这种记忆是设计的一部分，回测必须保留。还要规定初始状态、缺失值处理，以及状态切换发生在当日下单前还是后。否则，一张整齐的状态图可能掩盖无法实时执行的交易规则。