Jump vs Diffusion First-Passage (跳跃 vs 扩散首次穿越)
Definition. Optimal Trading of Microstructure Mean Reversion (2026) 在数值实验中比较真实跳跃 LOB 模型 与其匹配扩散近似 (matched OU, 同均值同协方差) 的最优阈值与对应收益。核心发现: 真实跳跃模型的最优阈值比连续扩散模型给出的阈值低约 1/5 —— 因为跳跃会导致缺口越过阈值 (overshoot); 但收益曲线在最优点附近非常平坦 —— 用扩散阈值仅损失约 3-4% 收益, 用简单渐近公式仅损失 5-6%。结论: band strategy 对阈值估计误差不特别敏感, 这是工程友好 (engineering-friendly) 的好性质。
为什么要比较跳跃 vs 扩散
LOB 中间价的真实演化是跳跃过程 (订单事件触发 discrete moves), 但:
- OU 过程有首次穿越的闭式 / 半闭式理论;
- 跳跃过程只有数值 (Monte Carlo 或 PDE on grid);
- 工程上需要可解析的最优阈值。
⇒ 用匹配 OU (同 \alpha, \sigma_x) 近似跳跃过程, 求解闭式阈值, 再用数值检验误差。
匹配过程 (matched process) 的核心
匹配前两阶矩:
- OU: d x_t = -\alpha x_t\, dt + \sigma_x\, dW_t ⇒ \mathbb{E}[x_{t+\Delta t}|x_t] = (1-\alpha\Delta t)x_t, \text{Var}(x_{t+\Delta t}|x_t) = \sigma_x^2 \Delta t
- 跳跃: 由 §2 的状态依赖跳跃构造, 在平衡响应条件下逐状态具有相同的条件均值与方差。
⇒ OU 与跳跃过程在二阶矩意义下不可区分, 但逐条路径不同: 跳跃过程会出现大跳跃, 偶尔越过阈值再回落 = overshoot。
Overshoot 机制
跳跃的 overshoot
- OU 首次穿越: 路径平滑地达到阈值, 越过的"惯性"小。
- 跳跃: 一次 LOB 事件 (大单扫单 / 报价滑动) 可能在一次 jump 内把 x_t 从 +0.3\sigma_x 拉到 +1.5\sigma_x。
- 阈值 a 设定在 \approx 0.8\sigma_x 时: 跳跃路径很可能跳过 a, 直接到 \approx 1.5\sigma_x 才"反向"。
对最优阈值的影响
| 路径类型 | 最优阈值 |
|---|---|
| 扩散 OU | a^\star_{\text{diff}} (闭式) |
| 跳跃 LOB | a^\star_{\text{jump}} \approx 0.8 \cdot a^\star_{\text{diff}} (经验比例) |
直觉: 跳跃路径需要更低阈值才能在 "path 还没越过去之前" 触发, 否则 overshoot 把"本应交易"的偏离变成了"已经穿过去"的非对称状态。
收益曲线在最优点附近的平坦性
论文 §4 数值结果:
| 阈值选择 | 相对最优收益损失 |
|---|---|
| 跳跃最优阈值 | 0% (基准) |
| 扩散最优阈值 | ~ 3-4% |
| 简单渐近公式 | ~ 5-6% |
| 经验规则的 +/- 20% 偏离 | ~ 10% |
⇒ band strategy 对阈值估计误差不敏感 —— 这是工程实现的重要性质。
为什么平坦: 三个原因
- OU 单位时间收益曲线在最优附近是 concave-down 软峰 —— 二阶导数小, 局部线性。
- 成交价格 = mid ± half spread (紧价差状态) ⇒ 阈值偏离 20% 只影响每轮收益 20%, 而轮数变化 < 10%。
- 缺口 x_t 不可直接观测 —— 滤波误差大于模型误差 ⇒ 模型层 3-6% 误差被估计层误差淹没。
工程建议
| 实践选择 | 论文推荐 | 理由 |
|---|---|---|
| OU vs 跳跃 | 用 OU 闭式 + 5-6% buffer | 工程友好, 损失小 |
| 阈值更新频率 | 滚动窗口 (1-5 分钟) | \alpha, \sigma_x 缓慢漂移 |
| 阈值设定 | 渐近公式 (asymptotic) | 比 OU 闭式稍保守, 5% buffer |
| 缺口估计 | Kalman / EKF + HFQ 剔除 | 见 OU-Equivalent Price Gap |
| 状态依赖 | 用单一 OU 参数 (忽略紧/开放价差切换) | 平衡响应条件保证 |
模型层误差 vs 工程层误差
| 误差源 | 量级 | 缓解 |
|---|---|---|
| 跳跃 vs 扩散 | 3-6% | 用 OU + 5% buffer |
| OU 参数估计 | 5-10% (取决于样本长度) | 滚动 + shrinkage |
| 缺口滤波 | 5-20% (取决于 HFQ 比例) | HFQ 剔除 + 多滤波融合 |
| 滑点 (非 mid ± half spread) | 1-10% (取决于流动性) | 用 VWAP 替代 mid |
| 交易成本波动 (spread 变化) | 5-15% (事件期) | 动态 spread 模型 |
⇒ 最大误差源是缺口滤波与滑点, 不是 OU vs 跳跃 —— 工程重点应在估计层。
与本 wiki 其他概念的连接
- Microstructure Mean Reversion/OU-Equivalent Price Gap — 匹配过程的矩等价性。
- Microstructure Mean Reversion/Optimal Band Strategy — 阈值闭式解与收益平坦性。
- Price Impact — 滑点 = 额外 impact, 在 OU 框架外另算。
- Merton 1976 Jump Diffusion (经典 jump diffusion 实体) — 跳跃成分对 option pricing / path-dependent 的影响。
关键引用
- Optimal Trading of Microstructure Mean Reversion (2026) §4 — 数值实验 + robustness。
- Daniels (1969) — saddlepoint approximation for first-passage, OU 首次穿越经典。
- Merton (1976) — jump diffusion 经典。
- Cont (2001) — LOB 动力学 + 首次穿越。
Open Questions
- 跳跃幅度的幂律尾部 (LOB 事件大小分布) 对最优阈值的精确影响 —— 论文用经验比例 1/5, 但理论尚未形式化。
- 二次跨越 (overshoot 后又回到阈值) 是否需要 backstop rule —— 论文未充分讨论。
- 路径依赖 (path-dependent PnL) 在多次 overshoot 后的最优策略修正。
- 实证层: 用真实 LOB 数据回放 (tick-by-tick reconstruction) 检验论文的 1/5 比例是否对所有 tick 网格都成立。