量化研究中，很少有默认前提经受得住足够多的检验——“自适应优于固定”就是其中之一。

大多数做网格策略的 Quant ，都面临过一个选择：让网格间距随波动率实时缩放，还是给它固定值？

前者逻辑清晰。市场在变，网格当然要跟着变。变总比不变好。

但过去几年陆续公开的数据，指向了另一个方向。

各类使用动态间距的网格策略，样本外收益衰减很普遍。通常，衰减幅度与策略的复杂程度正相关——引入的预测模块越多，掉得越快。

反倒是那些使用固定间距、只调整整体仓位的策略，表现出更强的实盘稳健性。

那 “变” 这个动作，到底在哪个环节出了问题？又是通过什么样的路径，把一个原本可以成立的策略框架一步步瓦解的？

固定网格的先天错配

实盘中，固定网格策略虽然表现稳健，但逻辑上并非无懈可击。

它骨子里隐含着一个假设：价格的摆动幅度（波动率）在时间轴上是基本稳定的。网格步长内的涨跌概率，不随时间变化。

这个假设在样本内通常不会暴露问题，因为我们回测的是一段历史数据，它在时间轴上是静止的。

但实盘行情的演化是动态的。当市场从“慢跑”突变为“冲刺”（波动率放大），或者从“竞走”急停为“踌躇”（波动率收缩），固定网格的盈亏概率天平可能会瞬间倾覆。原本在低波动环境下大概率触发止盈的网格间距，一旦遇到高波动环境，一次触发就是一笔巨大的浮亏。

这并不是参数没选对。同一组参数在某一波动率水平上可能表现不错，一旦波动率的量级发现变化了，原先那个“不错”也不成立了。

真正的问题在于时间尺度的错配。市场不是匀速的，我们却用一个匀速的坐标系去丈量。既然市场速度在变，最直接的优化思路就是实时测量速度，然后按测量结果调整网格间距。

自适性的三种尝试

顺着这个思路，我们来把市面上一些常见的做法逐一拆解。

1. 波动率预测为何不准？

首先是波动率预测。通常做法是引入滚动窗口的已实现波动率（比如 ATR 或 GARCH 类模型），让网格间距跟着波动率缩放。波动率大、间距扩宽，波动率小、间距收缩。逻辑上没什么问题，除非我们停下来审视一个前提：

这些波动率预测模型，在“我们需要它们最准的时候”到底有多准？

Mincer 和 Zarnowitz （ 1969 ）提过一个简单的检验框架。把波动率预测值与未来真实实现的波动率放在一起做回归：

如果把常见的波动率预测模型，无论是滚动 ATR 还是 GARCH 变体，直接套进这个框架，结果通常不太好看。预测值与真实值之间的关系，远比我们以为的松散。整个自适应网格，其实正依据一套有偏的预测，动态、实时地调整着防线。

但比滞后更严重的，是预测在危机时刻的系统性失效。 Hansen 和 Lunde （ 2005 ）对比了 330 种波动率预测模型后，发现：所有模型在平静期拟合良好，但在波动率急速拉升的“刀刃时刻”，这也是网格最需要准确判断的时期。此时预测值呈现系统性的方向偏差，要么极度高估，要么极度低估。

实践过程中，波动率急升初期，预测值被滞后数据拖累，网格扩宽不够，在趋势启动时仓位过重；波动率刚触顶回落，预测值还停留在高位，网格过度收缩，在反转前频繁触发无效交易。每一次“自适应”似乎都踩在错误的节拍上——该扩宽时缩得太紧，该收缩时扩得太宽。

这已经不是“精度不够”的问题了。用一个市场平静期尚可、极端时刻却频繁失灵的预测模型，去指导极端情况下最需要保护的网格策略，实际上很难站得住。

2. 状态识别：趋势与震荡的灰度

如果说波动率的具体数值猜不准，那试着换一个思路：不去猜波动率有多大，而是直接判断市场当前处于什么“模式”。趋势还是震荡？

如果是趋势就关掉网格或偏向一边，震荡就正常开。听起来更高阶，但执行起来没那么简单。

具体来说，我们可以引入 Hurst 指数——大于 0.5 认为是趋势，小于 0.5 认为是震荡，然后据此决定网格的开闭或偏向。不过， Geweke 和 Porter-Hudak （ 1983 ）的研究早已指出，这种半参数估计法对窗口长度的选择极其敏感。同一个品种、同一段行情，换一个窗口长度，结论可能截然相反。

当然，即便估计方法完美，Hurst 值本身是一个连续谱，比如 0.51 、 0.52 、 0.53 。在 0.53 和 0.51 之间，市场真的有本质区别吗？用一个统计上不稳健的指标，去切割一个连续谱，这是在误差之上叠加了错误。

还有一个更隐蔽的问题：金融市场是分形的。比如日线级别看起来是完美的震荡箱体，切换到 15 分钟 K 线，里面可能嵌套着三波单边推动。所以，如果我们直接用日线级别的 Hurst 值去指导分钟级别网格的开闭——这就像用一张世界地图去导航小区的内部道路，再准确的全局信息，落到局部也失去意义。

这不意味着状态识别就全无价值。如果 Hurst 值从 0.48 跳到了 0.55 ，即使数值不够精确，至少能提示“市场状态可能发生了变化”。

一个更务实的做法是我们可以把它当作仓位乘数的调整因子。当趋势迹象增强时，不关闭网格，只是略微降低每格的权重。这样即使判断有偏差，影响也会被缓冲，而不是被开关切换放大。

3. 参数漂移：当适应变成鱼的记忆

既然预测不准，判断又有噪音，那么如果我们放弃所有外部指标，直接让网格跟随价格走呢？

价格突破网格上沿，就把整个网格中心上移；价格跌破下沿，就把中心下移。这样网格永远围绕最新价格运转——听起来足够“顺势”，和前面那种依赖外部预测的方式截然不同。

顺着这个思路推演。

如果价格不断上涨，网格中心就不断上移，每次上移都触发原网格下沿的平仓指令。这样低位底仓被止盈，然后又在新中心附近重新开多。一次温和的单边上涨行情，就可能被这套机制切割成很多次“低位止盈、高位建多”的循环。

这本质上把“顺势持仓”完美地转化为了“反复追涨杀跌”。网格的锚点在跟着价格跑。每次更新，旧锚点承载的长期均值回归信息，就被被最近几根极端 K 线彻底覆盖。价格走多远，锚点就漂多远。

在持续学习领域有一个著名诅咒 “灾难性遗忘”（ Catastrophic Forgetting ），它描述的是神经网络在学习新数据时彻底覆盖旧知识的现象。放到网格策略上，情况类似。

策略变得像鱼的记忆，只记得当下和刚才，忘了自己从哪里来。自适应的极致，就是丧失对长期中枢的感知能力。

这是所有自适应策略最深层的悖论：越努力贴合最新价格轨迹，就越容易被短期噪音奴役。

换一种自适应

前面的方法走下来，有些进退维谷：

自适应这条路，到底能走通吗？

关键看把自适应用在哪。如果我们把自适应定义在价格参数上，让网格锚点跟着价格跑，那确实不行。

1. 从预测位置到管理敞口

换个思路。

想象一座灯塔。基座永久固定，任凭潮水冲刷不移动分毫。但塔顶的灯光可以根据风暴的强度调整明暗——风暴来了调暗，风平浪静恢复。

同样，我们把网格的间距、层级、中心锚点全部固定，启动后就不再挪动。唯一允许调整的变量，是触发时开仓的手数。网格参数一旦固化，它的空间结构就固定了。这样，不管价格怎么走，锚点都不会漂移，旧的信息也不会被覆盖。

既然预测价格这条路走不通，那不妨放弃预测，把自适应的对象从价格方向转向风险暴露，只管理一个可以绝对控制的变量：在固定的空间骨架里，账户还能承受多大的亏损？

2. 风险预算的自适应

网格的每一次触发，不该被视为一笔方向性的下注。他更像是在出售保险，其本质是在做空波动率。

从出售保险的角度看，唯一需要严格控制的，是极端行情下的“最大赔付额”。这对应着条件风险价值框架（ CVaR ， Rockafellar 和 Uryasev ， 2000 ）——关注的不是“平均会亏多少”，而是“最坏的尾部情景下会亏多少”。

落实到操作层面，唯一的自适应变量就是总仓位乘数。它与账户的已实现净值曲线绑定，与市场价格解耦。

当净值回撤触及某个阈值时，仓位乘数会非线性地收缩。这不算止损，更像是 “降速”——市场还在按它的节奏走，但我们的下注变轻了。当净值创新高时，仓位乘数则做温和的、非对称的恢复。

比函数形式更重要的，是 “死区”（ Dead Zone ）的设置。比如，净值回撤在 5%以内时，仓位乘数维持不变。这样避免策略对微小波动的过度反应，也能减少不必要的调整次数。死区之外，策略才真正介入。

但介入之后如何退出？有趣的是，这个退出规则本身也是不对称的——恢复永远比收缩慢。回撤时亏的是本金，容错空间更小；创新高时赚的是浮盈。所以，亏的时候要收得快，赚的时候要放得慢。

举例来说。当市场剧烈波动时，账户回撤 8%，超过了设定的 5%死区阈值。此时，仓位乘数自动从 1.0 降到 0.6 。虽然网格间距不变，但我们每一格的赌注变轻了。市场即使继续波动，账户的回撤速度也自然放缓。

这样，策略的逻辑也从“对市场的无限博弈”转换成了“对自我账户的有限管理”。

市场是不可控的混沌，但账户余额是可控的。自适应，其实是我们对自身风险吸收能力的动态评估，而非对价格走势的追逐。

3. 等待的深度

把网格参数固定下来、放弃对价格路径的主动预测之后，还有一个现实问题需要考虑——交易摩擦。

在滑点和手续费面前，响应越敏感，交易成本越高。

对此，一个思路是在入场条件中增加时间维度的确认。价格穿越网格线后，不立即成交，而是要求在该线之外维持一个最小驻留时间。

在随机过程理论中，纯噪音驱动的价格穿越，其驻留时间服从指数分布，极短；而有实质性漂移驱动的穿越，驻留时间显著更长。这是在用等待换取信号的可靠性。

当交易成本真实存在时，快不一定就好。等待本身，就是一种筛选机制。用时间换信噪比——快的时候不犹豫，慢的时候不动摇。

好的自适应，恰恰是敢于在关键时刻“不作为”：让时间替我们确认，让噪音自己消散。

变与不变

所以问题不在 “变” 本身。

在市场的变与策略的不变之间，隔着一个判断：哪些东西该被价格带走，哪些东西必须留在骨架里？

网格的间距、层级、锚点，这些构成策略骨架的东西，不需要变。

真正该变的，是每一格背后押注的重量：仓位收缩、风险降速、净值锚定。

这不是什么高阶技巧，只是一个被反复验证过的常识：我们无法通过预测市场来稳定地赚钱，但可以通过控制自己在每一笔交易中暴露的风险来活得更久。

好的策略是一座灯塔。底座埋在礁石里，灯光只在风暴中调暗自己。

当网格不再为了“适应”而频繁跳动时，我们才开始驾驭它。