研究評述 · López de Prado · 研究 01

Information-Driven Bars

以活動時鐘採樣可使加密貨幣、美股與外匯的報酬高斯化

標準做法是以固定的時間時鐘對市場採樣，一分鐘、一小時、日線 bar。López de Prado 主張這是最糟的選擇:市場以隨時間變動的速率處理資訊,因此 time bars 會對平靜時段過度採樣、對爆發時段採樣不足,使報酬帶有厚尾、偏態與序列相關。他的解法是改以活動時鐘採樣，每累積若干 ticks、成交單位或名目美元便生成一根新 bar。本研究在三個市場以真實資料重現該主張,並指出原文低估的兩個實務注意事項。下方的元件讓你親自轉動旋鈕。

來源

Advances in Financial ML,第 2 章

López de Prado (2018) · “The Volume Clock” (2012)

程式碼與表格

lopez-de-prado-work-review · 01_information_driven_bars

the claim

López de Prado 的主張

以固定的時間時鐘對市場採樣是最糟的選擇:市場以隨時間變動的速率處理資訊,因此 time bars 會對平靜時段過度採樣、對爆發時段採樣不足,使報酬帶有 excess kurtosis、偏態與序列相關,違反估計量所倚賴的近似 IID-高斯假設。
應改以資訊時鐘採樣，每累積 X 個 ticks、成交單位或名目美元便生成一根新 bar，將價格從屬於活動時鐘。他主張 dollar bars 最為穩健(對價格水準與股數不變),並預測 information bars 相較 time bars 應呈現更低的 excess kurtosis、更低的 |skew| 與更弱的序列相關。

our result

我們的發現

三個市場皆獲確認:information-driven bars 使報酬高斯化,降低 excess kurtosis 的中位數(加密貨幣 5.29 → ~1.5,美股-RTH 9.95 → 3.4–5.6,外匯 2.98 → 1.06),並將 |skew| 大致減半，核心主張成立。
他低估的兩個實務注意事項:此優勢取決於粒度(以粗磚塊構建時會被侵蝕，加密貨幣 dollar-bar kurtosis 在 1 分鐘基底為 1.13,而 60 分鐘為 ~2.06),且美股需要顧及交易時段的處理(天真的全時段 bar 看似失敗,直到你計算交易時段內報酬)。
一個細節:就純粹的報酬常態性而言,volume bars 略勝 dollar bars(加密貨幣 1.48,美股-RTH 3.35),且重現對資料品質很脆弱。這是一份乾淨的統計性質研究，未附帶任何 edge 主張。

三句話的結論

三個市場

原理成立

在每個市場,tick、volume 與 dollar bars 相較 time bars 都降低了報酬的 excess kurtosis:加密貨幣 5.29 → ~1.5,美股(RTH)9.95 → 3.4,外匯 2.98 → 1.06。

注意事項一

美股需要交易時段

天真地看,information bars 看似不如 time bars，這是隔夜跳空的假象。限定於常規交易時段並計算交易時段內報酬,dollar bar 便由 34.4 崩落至 5.6。

注意事項二

基底資料很關鍵

此優勢取決於粒度:dollar-bar 的 excess kurtosis 由 1 分鐘基底的 1.13 升至 60 分鐘基底的 ~2.06。此方法偏好細磚塊。

概覽

可檢驗的預測很清楚:在頻率匹配下,以資訊時鐘生成的 bar 應比 time bars 具有更低的 excess kurtosis、更低的絕對偏態與更弱的序列相關。為了在無干擾下檢驗,我們以同一個一分鐘基底構建每種 bar,並以相同的平均 bar 數為目標,因此同一標的的四條序列之間唯一變動的就是時鐘。一切皆以報酬分布本身衡量;沒有策略,也沒有任何擬合於未來的東西。

Fig. 1:多市場摘要:在每個市場,information-driven bars 的 excess kurtosis 都遠低於 time bars。此優勢在加密貨幣最大,在美股最小，但仍然存在。

在每個市場的主要結果

Information-driven bars 在三個市場皆使報酬高斯化。在一分鐘基底上,excess kurtosis 的中位數於加密貨幣由 5.29 降至約 1.5,於常規交易時段美股由 9.95 降至 3.4,於外匯由 2.98 降至 1.06。絕對偏態同步下降，加密貨幣 0.37 → 0.10,外匯 0.20 → 0.13。此效應具方向性且一致,並在基底資料最細之處最為顯著。

bar 時鐘	加密貨幣(27 perps)	美股(9 ETFs,RTH)	外匯(8 majors)
time	5.29	9.95	2.98
tick	1.61	3.97	1.06
volume	1.48	3.35	,
dollar	1.54	5.58	,

bar 報酬的 excess kurtosis 中位數,一分鐘基底(0 = 高斯;越低越接近常態)。現貨外匯沒有合併成交量,因此 volume 與 dollar bars 在此並未定義。

轉動旋鈕

下方的探索器讀取本研究的真實數值。選擇一個市場並觀察四根 bar:time bar(灰色)是基準;information bars(強調色)是活動時鐘的替代方案,其中尾部最輕者會被突顯。加密貨幣可變更基底粒度;美股可切換交易時段處理方式,那正是第二個注意事項的關鍵。

Demo, Bar 時鐘探索器

依採樣時鐘、按市場呈現 bar 報酬的 excess kurtosis。越低越接近高斯;information-driven bars 相較 time bars 把尾部拉進來。

真實研究數值

市場

基底粒度

基底資料越細 → 高斯化越好。隨基底磚塊變粗,dollar-bar 的優勢被侵蝕。

time bar 的 excess kurtosis

3.56

最佳 info bar(dollar)

1.13

相對 time 的尾部縮減

3.2× 更輕

在 1 分鐘基底上,尾部最輕的 information bar 帶有 excess kurtosis 1.13, 對比 time bar 的 3.56，尾部約 3.2× 更輕。將基底磚塊變粗,dollar bar 的優勢便消退;此方法偏好細的基底資料。

加密貨幣，乾淨的確認

在以乾淨一分鐘 dump 採樣的 27 檔永續期貨上,三種 information bars 的尾部約比 time bars 輕 3.4 倍(5.29 降至 tick / volume / dollar 的 1.61 / 1.48 / 1.54),絕對偏態由 0.37 降向 0.10。BTC 的 Q–Q 圖在活動時鐘下明顯變直。

Fig. 2:加密貨幣橫斷面,乾淨一分鐘基底:每根 information bar 都遠低於 time bar,其中 volume bars 略為最輕。

Fig. 3:BTCUSDT 對常態的 Q–Q:time-bar 報酬在尾部偏離,而 information-bar 報酬更緊密地沿著對角線。

建構過程中的一則警示:此比較是個敏感的工具。早期在一份過時的第三方 30 分鐘資料集上的執行得出相反結論(dollar bars 比 time bars 差),起因於受污染的早期成交資料被 dollar 採樣集中到少數幾根厚尾 bar, BTC dollar-bar 的 excess kurtosis 在過時資料上為 32.7,而在相同頻率的乾淨 dump 上為 1.05。在信任 bar 比較之前,先驗證資料帶。

此優勢取決於粒度

以較粗的磚塊構建 information bars 會侵蝕其益處。dollar-bar 的 excess kurtosis 由一分鐘基底的 1.13 升至 60 分鐘基底的約 2.06。相對 time bars 的方向性勝出在每種解析度都存續,但此方法顯然偏好細的基底資料，以 30 分鐘磚塊累積 dollar bars 的實務者把大部分益處留在了桌上。

Fig. 4:excess kurtosis 對基底粒度:隨基底磚塊變粗,information bars 退化向 time-bar 線,其中 dollar bar 暴露最大。

Fig. 5:dollar 減 time 的差距(負值 = dollar bars 較佳)在細基底上最大,並隨基底變粗而縮窄，這把粒度懲罰單獨分離出來。

Fig. 6:美股的交易時段效應:天真採樣使 information-bar 的尾部高過 time bars;交易時段內採樣則將其驅至遠低於 time bars。

美股，僅在顧及交易時段的處理下成立

天真地跨全時段採樣、報酬跨越隔夜跳空時,結果看似失敗:dollar bars(34.4)與 tick bars(19.5)都比 time bars(18.3)差。那是交易時段結構的假象,而非方法本身，隔夜跳空與開/收盤競價的成交量尖峰被打包進單一 information bar,製造出厚尾。限定於常規交易時段並計算交易時段內報酬,情況便完全翻轉。

bar 時鐘	天真(全時段 + 隔夜)	RTH + 交易時段內
time	18.31	9.95
tick	19.47	3.97
volume	12.90	3.35
dollar	34.42	5.58

9 檔 ETF 的 excess kurtosis 中位數。處理好交易時段,每根 information bar 都勝過 time bar, dollar bar 由 34.4 崩落至 5.6。具體的操作規則:絕不讓一根 bar 跨越收盤→開盤的跳空。

Fig. 7:外匯 majors:tick bars 全面帶有比 time bars 更輕的尾部,在成交量不可得之處印證活動時鐘原理。

外匯，tick 時鐘就是 information bar

現貨外匯沒有合併成交量，HistData 的成交量欄位實際上為零，因此 volume 與 dollar bars 沒有意義。可用的資訊時鐘是 tick 數,即報價更新強度。顧及跳空的 tick bars(剔除週末與換約跳空)使全部八個 majors 的外匯報酬高斯化:excess kurtosis 中位數 2.98 → 1.06,絕對偏態 0.20 → 0.13。原理對外匯成立,實例化為 tick bar。

Fig. 8a:進階 bars 並未使尾部變薄。imbalance bars 與 run bars 的 excess kurtosis 高於簡單的 tick、volume 與 dollar bars。

進階 bars:imbalance bars 與 run bars 並無幫助

López de Prado 還提出了一個超越單純計數活動的第二類:imbalance bars 與 run bars,它們在帶符號的訂單流累積超過某個門檻時發出新的一根 bar:當買盤足以壓過賣盤(或反之),或當單邊的成交序列持續下去時。自然的期望是,這些感知流向的時鐘能比單純的 tick、volume 與 dollar bars 把報酬進一步高斯化。事實並非如此。以相同的一分鐘基底、在配對的每日頻率下,在三個加密 perps 上重建後,這些進階 bars 反而使尾部更糟而非更好:tick-imbalance bars 的中位 excess kurtosis 約為 11.3,而同一頻率下單純的 dollar 與 tick bars 約為 1.07。原因是結構性的。一個依方向性流向觸發的條件,往往恰好在單邊走勢正在進行時收掉一根 bar,因此每根 bar 都橫跨一段方向性的擺動,報酬便繼承了活動時鐘原本應當去除的那條肥尾。單純的 dollar 或 volume bar 仍是正確的取樣時鐘;imbalance bars 與 run bars 應作為描述訂單流壓力的特徵留在工具箱中,而非作為你對價格取樣所用的時鐘。

三個加密 perps 的中位 excess kurtosis,一分鐘基底,配對的每日頻率(0 = 高斯;越低越接近常態)。四種進階 bars 以強調色標示;它們每一種都比單純的 dollar bar 尾部更肥。

Fig. 8b:BTCUSDT 的常態 Q-Q 疊圖顯示 imbalance bars 的報酬在尾部偏離對角線,而簡單的活動 bars 則緊貼對角線。

bar 時鐘	中位 excess kurtosis
time	3.56
tick	1.07
volume	1.94
dollar	1.07
tick-imbalance	11.32
volume-imbalance	6.46
tick-run	3.88
volume-run	2.90

如何解讀

在這份資料中,最穩健的高斯化器是 volume bars 而非 dollar bars，在加密貨幣中略為最佳(1.48),在常規交易時段美股中明顯最佳(3.35,對 dollar bar 的 5.58)。López de Prado 偏好 dollar bars 是因其對價格水準與股數變動的不變性,這是穩健性論點而非尾部論點;就純粹的報酬常態性而言,volume bar 勝過它們。作為跨市場的單一預設,我們會選用 volume bars,並在跨標的或長期可比性重要之處保留 dollar bars。即使經過活動時鐘處理,美股的殘餘尾部仍比加密貨幣更厚(3.4–5.6 對 ~1.5),提醒我們美股的盤中跳躍無法僅靠採樣完全馴服。

方法

真實基底資料,一分鐘解析度:27 檔 Binance USD-M perps(乾淨 dump)、9 檔 Algoseek ETF,以及 8 個 HistData 外匯 majors。無合成序列。
從每個一分鐘基底構建 time / tick / volume / dollar bars,全部以相同的平均日頻率為目標,因此唯一改變的是時鐘,而非 bar 數，同質的對等比較。
以報酬分布為每條 bar 序列評分:excess kurtosis(0 = 高斯)、絕對偏態、一階自相關、Jarque–Bera。
以中位數呈現完整橫斷面,絕不採用單一手挑的標的,因為底層報酬具厚尾。
依構造為因果且無成本:這是對採樣方案的統計性質研究,沒有策略、沒有擬合於未來的參數、也沒有 look-ahead。

可重現性

此處所示的分析腳本、各市場表格與圖表,皆彙整於配套的儲存庫資料夾 01_information_driven_bars。本頁的探索器是自包含的,並讀取與已發表表格相同的數值,因此每次載入皆可精確重現該比較。

引用

Cite as

Gatto, D. V. (2026). Information-Driven Bars across Crypto, US Equities, and Forex: A Multi-Market Reproduction and Extension. Working paper, López de Prado work review.

@techreport{gatto2026infobars,
  author      = {Gatto, Daniel V.},
  title       = {Information-Driven Bars across Crypto, US Equities,
                 and Forex: A Multi-Market Reproduction and Extension},
  year        = {2026},
  type        = {Working paper, Lopez de Prado work review}
}

參考文獻

M. López de Prado, Advances in Financial Machine Learning (Wiley, 2018),第 2 章。
D. Easley, M. López de Prado & M. O'Hara, “The Volume Clock: Insights into the High-Frequency Paradigm”, Journal of Portfolio Management, 2012。

另見

這是更廣泛評述計畫的開篇研究;其餘研究列於 Research。