逐筆成交與報價資料，預測報酬真的贏過 OHLC 嗎？

奈秒級的成交與報價資料昂貴、笨重，而且處理起來很慢。一個美股標的日就是一份幾千萬列的壓縮 CSV，五檔標的 的小樣本壓縮後就有 86.6 GB，後面每一步所需要的工程預算，都和一個放著一分鐘 K 棒的資料夾完全不是同一個 量級。

願意付這個價錢的人，買的是一個信念：逐筆資料裡的微觀結構帶著開高低收丟掉的資訊。這個信念很少被當成一個 對照實驗來檢驗。

微觀結構當然描述了市場的狀態，價差、深度、主動方組成與訂單流失衡本來就是它的量測，但描述現在和預測未來 是兩個不同的主張。比較窄的那個問題，也是交易台在簽資料合約之前必須回答的問題，是這些額外欄位能不能存活 到一個真的有人會交易的樣本外報酬預測裡。

我們把這個比較設計成答案不會取決於任何一個隨意的選擇。兩份資料集都由同一條過濾後的逐筆流建構，在相同的 K 棒、相同的 fold、相同的模型與相同的種子上評估，只差一件事：有沒有那些由逐筆資料衍生出來的欄位。

三個分支以配對設計同時擬合。分支 B 是 OHLC 基準，53 個特徵全部是開、高、低、收的函數。分支 A 是 B 再加上 所有能從奈秒級逐筆流推導出來的東西，總共 204 個特徵，因此它是 B 的嚴格超集合，兩者之間的任何差距都只能 歸因於資訊內容，而不是不同的建模選擇。

分支 T 有 156 個特徵，帶著逐筆資料加上原始的 K 棒幾何，但完全不含 B 的技術指標，用來回答在微觀結構已經 就位之後，傳統指標集是否還有存在的價值。

樣本是五檔標的，挑選的準則是涵蓋價位、價差型態與訊息速率，而不是市值：AAPL、SPY、JPM、XOM 與 F。最後這 一檔比它的市值所暗示的更重要，因為在每股約 12 美元時，一分錢的最小跳動等於 8.3 個基點，而同樣一分錢在 SPY 上只有 0.22 個基點，涵蓋這個範圍正是後面能用橫斷面去檢驗一個機械性解釋的關鍵。

三個各 60 個連續交易日的區塊取自不同年份與不同的波動狀態：2019 年 2 月到 4 月、2022 年 2 月到 4 月，以及 2024 年 2 月到 4 月。合計 900 個標的日的 Algoseek 奈秒級成交與報價資料，壓縮後 86.6 GB，重建成正常交易 時段的一分鐘網格。

在這個網格上評估了五個預測期，讓結論不會取決於單一的前瞻時間：1 根 K 棒、60 根、390 根（一整個交易日）、 1,950 根（一週）與 8,190 根（一個月）。目標一律是 K 棒收盤價的未來對數報酬，選它是因為兩個分支都看得到， 而以 NBBO 中價為目標會把一個分支 B 造不出來的量交到分支 A 手上。

三個 gradient boosting 實作並排訓練，分別是 LightGBM、XGBoost 與 CatBoost，全部使用同一組刻意加重正則化 的設定，並在整批跑之前就依照目標的訊噪比固定下來。驗證是每個標的區塊內部的 purged expanding walk-forward，每段訓練區間的最後 h 根 K 棒都被丟掉，讓重疊的目標無法伸進測試視窗。

在任何比較能被解讀之前，有兩件關於證據量的事必須先修正。重疊的 h 根 K 棒目標並不提供 n 個獨立觀測，而五 檔一小時報酬平均兩兩相關 0.32 的標的也不提供五條獨立序列，依標準的變異數論證只剩下 2.19 條。

因此每個結果都帶著修正後的有效樣本數，顯著性則是對照一個經驗虛無分布來判斷，做法是把目標在每個標的區塊 內部做環狀旋轉。這個旋轉破壞了特徵與目標的對應關係，同時保留了每個邊際分布與整個相關結構。

在 1 分鐘的預測期，逐筆資料贏得非常明確。合併後的樣本外 rank IC 大致翻倍，從只用 OHLC 的約 0.045 升到帶 逐筆資料的約 0.103，而且在橫跨三個區塊、四個 fold 與三個模型家族的全部 36 個配對格子裡，分支 A 都贏過分 支 B，Wilcoxon p 值為 2.9e-11。

一分鐘處的 95% bootstrap 區間連接近重疊都談不上，LightGBM 下 A 是 [0.095, 0.104]，B 是 [0.039, 0.048]； 相對於平均 IC 為 0.002、標準差為 0.008 的旋轉虛無分布，觀察到的 0.100 大約在 12 個標準差之外。

過了一分鐘就什麼都不剩。在一小時處，觀察到的 IC 0.022 正好落在虛無分布的均值 0.022 上，而且在一分鐘以外 的任何預測期，兩個分支都沒有越過各自的虛無分布；一日的配對差 +0.044 落在 p = 0.052、24 個有效觀測上，只 能說是有點意思，僅此而已。

在逐筆資料就位的前提下，傳統的 OHLC 特徵工程沒有帶來任何可量測的東西。分支 T 在一分鐘處是 0.101 到 0.107，分支 A 是 0.100 到 0.107，也就是說整套 RSI、MACD、布林、KD 與 Donchian 在微觀結構存在時，對樣本外 的預測力沒有任何增量貢獻。

修正目標重疊與 2.19 條有效序列之後，得到每個 fold 誠實的樣本數，而它掉得很快。

一個月的測試視窗比它自己的預測期還短，390 根 K 棒對上 8,190 根 K 棒的目標，所以視窗裡的每一個目標幾乎都 指向同一個未來時點。它看起來 70% 的方向準確率與很大的正配對差，都是單一重疊觀測造成的假象，因此一週與 一個月被報告為無法檢驗，而不是被當成弱證據。

在一分鐘處，五檔標的都維持優勢，各自贏下 94% 到 100% 的格子，但真正的發現在於排序。

這不是預測優勢的特徵，而是價格離散化這個機械現象的特徵；到了一小時，各標的之間的差距開始正負互換，那正 是雜訊的樣子。

分支 A 在一分鐘處的 SHAP 歸因把 79.7% 的權重放在逐筆欄位上，而清單頂端非常清楚： a_micro_minus_close_bps 一個就佔 12.3%，接著是 a_q_micro_close_bps 的 6.5%、a_micro_minus_mid_bps 的 2.2%、a_t_vwap_bps 的 2.1%、a_q_mid_tw_bps 的 1.9%，以及 a_q_mid_close_bps 的 1.8%。

這六個量的都是同一件事，也就是最後成交價離公允價值估計有多遠。模型學到的是，成交價印在 microprice 之下 時，接下來的收盤往往較高，反之亦然，而這就是被直接觀測到的買賣價差跳動，不是被預測出來的。

過了一分鐘，歸因轉向慢速的量：1,950 根 K 棒的動能、已實現波動、報酬偏態，以及價差與零股佔比的移動平均。 這些預測期沒有一個越過自己的虛無分布，所以這只是描述樹在樣本內抓住了什麼，跟預測內容無關。

不論一分鐘的訊號在統計上值多少，它都小於執行它的成本。

樣本期間的平均有效價差是從逐筆資料量出來的，不是假設的，數值為 1.60 個基點。單看毛利，分支 A 的年化 Sharpe 接近 17，這種數字應該先引發懷疑，而不是先引發一張投資條件書，因為訊號在大約 45% 的 K 棒上換邊， 而每次換邊都要付那個價差。

損益兩平那一欄才是誠實的結論。逐筆資料把策略付得起的成本大約翻倍，從 0.51 個基點提高到 1.00 個基點，而 市場收 1.60，所以兩種資料表示法淨額都在虧錢，只是逐筆資料虧得少一點。

一分鐘之後的負面結果，值得和一分鐘處的正面結果同等的重量，而且它是兩者中比較令人意外的那一個。大約 150 個由逐筆資料衍生的特徵，涵蓋訂單流失衡、主動方組成、報價與有效價差、深度、microprice 偏離、報價強度、 Kyle lambda、Roll 價差、markout、零股佔比與交易所集中度，在一小時處產生的樣本外 IC 正好落在虛無分布的 均值上。

不論奈秒級資料源對下一個小時知道些什麼，三個經過良好正則化的 gradient boosting 實作，都無法從這批特徵、 在這個樣本上把它取出來。

我們對這個結果跑過的每一項洩漏、因果與虛無檢查都通過了，包括我們在正式跑之前找到並修好的兩個檢查本身的 臭蟲；確切的檢查與數字放在 可重現性頁面。

• 五個預測期裡只有兩個帶著足夠的獨立證據可供檢驗。一週與一個月被報告為無法檢驗，要好好延伸到那裡，需要 的是好幾年的連續歷史，而不是 60 天的區塊。
• 五檔標的是很小的橫斷面，而且彼此相關，一小時報酬的平均兩兩相關為 0.32。這個設計刻意涵蓋價位與跳動幅度 的型態，也正是因此才看得到依跳動幅度排序的現象，不過更寬的樣本才能真正檢驗這個排序，而不只是暗示它。
• 目標用的是成交收盤價而不是中價，選它是為了讓兩個分支都能觀測到，但收盤價恰好就是承載價差跳動的那個 量，換成中價目標很可能會大幅縮小一分鐘處的優勢。
• 所有場外成交都透過這個資料源唯一帶有的 FINRA 交易所標籤移除，某些標的因此丟掉約一半的合併 成交量，所以保留它們的設計，對流動性相關特徵可能得出不同的結論。
• 超參數是先驗固定、從未調校的，這擋掉了選擇偏誤，但也讓兩個分支都不在自己最好的設定上。
• 成本模型只收量測到的有效價差加上半個基點的費用，沒有建模市場衝擊、排隊位置、部分成交或延遲，而這些只 會讓情況更糟，不會更好。
• 每個數字都建立在單一資料商的合併 SIP 重建之上，而且在任何計算開始之前，該資料源的兩個特有性質必須先用 實測確認。