实验室 · C · 变化检测

回答“此刻是否有事在发生”这一问题的检测器的校准，以及它在真实数据上的评估。

合成数据校准

这是什么: 在已知变点日期的人造序列中，检测器捕捉到变化的延迟有多大；以及在没有变点时，它多久发出一次误报。

数据来源: 仅由合成数据生成；不触及数据库。每个情景重复 60 次；前 90 个观测为预热期。

展示什么: 平均检测延迟（天）、首次误报前的平均时间 (ARL0) 以及被捕捉到的情景数量；均值偏移与波动率上升分列不同的行。

能得出什么结论: 检测延迟与变点信噪比的平方成反比：均值的微小偏移几乎从不会被捕捉到，而波动率翻倍则会在几天之内被捕捉到。这正是检测器监控成交量与波动率的原因。

事件前后的告警时点

这是什么: 记录事件前后 ±10 天内告警的分布，以及与随机日期的对比。

数据来源: event 表与所选运行的告警序列。作为原假设，在随机日期上计算同一统计量。

展示什么: 事件之前的日子为琥珀色条形，之后的日子为灰色条形。下方是事件前告警率与随机告警率。

能得出什么结论: 若事件前的比率并未明显高于随机水平，说明检测器并不能提前感知事件。若没有事件记录，图表会是空的；应从 设置 > 事件 载入财报与 KAP 日期。

告警后的持续性

这是什么: 告警当天方向的符号在 1 天、5 天与 21 天后是否仍然保持。

数据来源: 所选运行的告警与 return_daily 中的残差收益率。

展示什么: 各期限的命中率、95% 区间与观测数量。

能得出什么结论: 若比率低于 50%，说明告警当天的变动随后发生了反转。及早察觉变化并不等于能从中获利；在真实数据上这一比率约为 47–48%。

每日告警数量与市场动荡

这是什么: 每天有多少只股票发出告警，以及市场处于动荡状态的概率。

数据来源: 所选运行的告警序列，以及对 XU100 收益率拟合的两状态马尔可夫状态模型的滤波概率。

展示什么: 琥珀色条形是告警数量，红线是动荡概率。标题会显示总体告警率以及邻居证据是否开启。

能得出什么结论: 告警在动荡时期扎堆出现，说明检测器捕捉到的是整个市场的事件，而不是个股特有的事件。这里使用滤波概率而非平滑概率：平滑序列看到了未来，因此在实时使用中是无效的。

• 指南

此处给出的投资信息、评论与建议不属于投资顾问服务的范围。投资顾问服务是依据客户与证券公司、投资组合管理公司或不吸收存款的银行之间签署的投资顾问合同提供的。此处的信号由统计模型基于历史数据生成，对所有人一致展示，并非个性化；它们可能并不适合你的财务状况或你的风险与收益偏好。因此，仅凭此处给出的信息做出投资决策，可能不会产生符合你预期的结果。