Correlation Cycle, CorrelationAngle, Market State - John Ehlers

在量化交易与程序化研究领域，将复杂的数学工具与市场结构相结合，是提炼有效交易信号的常见路径。John Ehlers长期致力于将信号处理技术引入金融市场分析，其提出的多个指标为交易者提供了独特的观察视角。近期公开社区出现了一款名为“相关性循环、相关性角度与市场状态”的组合型策略方案，虽起源自Ehlers的构想，却在实现细节上做了大量创新。本文不涉及任何平台或语言细节，仅从策略逻辑、交易理念和实战应用角度，对该方案进行全面解析。

策略解读

原文中的“多指标组合”（multicator）将John Ehlers在2020年提出的三个独立研究概念——相关性循环（Correlation Cycle）、相关性角度（CorrelationAngle）以及市场状态（Market State）——封装成一个完整的信号体系。传统技术分析中的循环周期往往依赖价格本身的时间序列，而Ehlers另辟蹊径，通过计算价格与不同相位的参考波形之间的相关性，来识别当前市场的主导周期和趋势状态。

该方案的核心创意在于：不是直接测量价格波峰波谷的间距，而是将价格序列与一组预先构造的正弦/余弦波进行相关性扫描。当价格与某个特定频率的参考波相关性最高时，这个频率对应的周期就是当前市场的主导循环周期。这一方法的优势在于，它从“匹配滤波”的视角重构了周期识别问题，对噪声的容忍度远高于简单的峰值检测。

而“相关性角度”则是对上述相关性的进一步提炼。它不再仅仅关注相关性的大小，而是计算价格序列与正弦波、余弦波两个正交分量的相关性之比，并通过反正切函数将其转换为相位角度。这个角度刻画了价格在循环周期中所处的“位置”——是上升段、下降段，还是转折点附近。有了相位角，交易者就能更精确地捕捉到循环中的“时机”而非“方向”。

“市场状态”则扮演了过滤器或最终裁决者的角色。它根据价格相对于长期均值的关系、相关性强度以及频率分布，将市场划分为趋势状态、均值回复状态、盘整状态等。这种状态划分使得交易者能够根据环境选择策略：在趋势状态下持趋势单，在均值回复状态下做高抛低吸，在盘整状态下减少操作次数。三者结合，从“周期有多长”“当前处于周期的哪个阶段”“市场整体处于什么模式”三个维度构成了一个立体的交易决策框架。

值得注意的是，该策略方案虽然源自Ehlers于2020年发布的原始算法，但其作者在实现时采用了独特的优化技巧，使得代码量大大压缩，同时提升了计算效率和信号平滑度。这体现了公开社区对经典理论的二次创新能力，也说明量化交易的研究是一个开放、迭代的生态。

名词解释

为了让不熟悉Ehlers研究体系的读者能够顺畅理解后续讲解，这里先行解释几个关键术语。

• 相关性（Correlation） ：统计学中用于度量两个变量之间线性相关程度的指标，取值范围在-1到1之间。在本文语境下，它指价格序列与某个理想化波形（如正弦波）之间的相关程度。相关性越接近1，说明价格与该波形的相似度越高；越接近-1，则说明两者相位相反；接近0则意味着没有线性关联。

• 主导周期（Dominant Cycle） ：在一个可能存在多个叠加周期的市场价格序列中，对当前价格变动影响最大的那个周期性成分。Ehlers方法通过扫描候选频率并选择相关性最大者来确定主导周期，其长度通常介于10到50根K线之间。

• 相位角 / 相位（Phase Angle） ：在信号处理中，相位表示波形在给定时间点的“进度”。如果把一个完整的循环周期看作360度，那么相位角就告诉我们当前价格正处在周期的90度（上升中部）、180度（顶部）还是270度（下降中部）等位置。相关性角度即是基于价格与正弦、余弦参考波的相关性计算出的相位估计。

• 市场状态（Market State） ：对市场行为模式的定性或定量分类，常见的类别包括趋势、均值回复、高波动、低波动、横盘等。识别市场状态的目的是采用与当前环境匹配的交易策略，避免“一套方法打天下”的陷阱。

• 均值回归（Mean Reversion） ：一种交易理念，认为价格在偏离其长期平均值后会向均值回归。该策略标签中带有“均值回归”，意味着其信号常在价格与均衡值偏离过大时出现反向交易提示，而市场状态指标则用于判断这种回归是否可靠。

• 希尔伯特变换（Hilbert Transform） ：一种用于从实值信号构造解析信号的数学方法，可以提取信号的瞬时幅度和瞬时相位。Ehlers在许多指标中利用希尔伯特变换来实时估计周期和相位，虽然本策略方案的具体实现可能未显式调用，但其理论根基与该方法密切相关。

策略思路讲解

本策略的完整逻辑可以拆解为四个层次：计算相关性谱、提取主导周期与角度、划分市场状态、生成交易信号。

第一层：相关性谱的构建

策略首先以当前价格序列为对象，构造出若干不同周期的参考波形。假设我们预设一组候选周期，从较小的值到较大的值，例如8、10、12、14……直到50。针对每一个候选周期，生成一条标准正弦波和一条标准余弦波（两条波相位相差90度）。然后分别计算价格序列与这两条参考波的相关系数，得到一对相关系数。将这对相关系数视为一个复数点的两个坐标，其模长（平方和的开方）反应了价格与该周期波形的整体匹配程度，而其幅角则反应了相位偏移。

在这一过程中，策略还需要对价格数据进行平滑处理。由于原始价格含有大量噪声，直接进行相关性计算容易得到不稳定的结果。Ehlers在设计中常采用零滞后指数移动平均或其他去噪技术，在保留价格关键转折特征的同时滤除高频杂讯。本策略作者也继承了这一理念，并进一步优化了平滑方法，使得相关性输出更连续。

第二层：主导周期与相关性角度的提取

当完成对所有候选周期的扫描后，策略选出相关性模长最大的那个周期作为当前主导周期。这个周期性指标并非固定不变，而是随市场环境动态调整。接着，利用该周期下正弦和余弦相关系数的具体数值，通过反正切运算得到相关性角度。这个角度是信号系统的核心，它指示了当前位置相对循环高低点的“距离”。

例如，当角度接近90度时，市场可能处于循环中的强势上行段；当角度接近180度时，可能接近循环顶部；270度附近可能处于下行段；360度或0度则可能对应循环底部。交易者可以依据角度值判断顺势或逆势，甚至通过角度的变化速率来预估顶部/底部的到来。

第三层：市场状态的判别

仅有周期和角度还不够，因为市场并非总是呈现规律的循环。当市场进入强趋势状态时，循环会被强烈的单边行情破坏，此时依赖周期角度做反向交易会遭受巨大亏损。因此，策略引入市场状态指标作为总开关。该指标通常综合以下因素：

• 相关性模长的绝对水平：如果所有候选周期的相关性都很低，说明市场没有明显周期，可能处于无序震荡或状态切换中；
• 价格与均线之间的乖离：价格长期偏离均值说明趋势较强；
• 角度变化的稳定性：若角度持续平滑推进而非来回跳变，说明循环有效；
• 波动率水平：波动率过高或过低时，市场状态往往与正常周期不同。

最终，市场状态被划分为“趋势模式”“均值回复模式”和“不确定模式”。只有在均值回复模式下，反向交易信号（如当相关性角度逼近0度或180度附近时的转折点）才被采纳；在趋势模式下则顺应主导周期方向交易，或采用角度一致的单边逻辑；在不稳定模式下则保持观望。

第四层：交易信号的融合

一个典型的做多信号可能这样产生：市场状态为均值回复模式；主导周期长度处于合理区间；相关性角度从高点回落，且速度出现衰减，暗示循环底部即将出现；同时相关性模长开始上升，说明周期正在重新建立。此时，策略给出做多建议。相反的信号则用于做空或离场。为了过滤假信号，策略还可能加入前一个周期角度变化的方向以及价格与均线的关系等约束条件。

在实际使用中，交易者常将其作为辅助确认指标，与现有趋势跟踪系统或反转系统结合。例如，在日线级别上使用该指标确定相位，再在小时线上寻找精确入场点。由于该指标是可视化而非纯自动化的，交易者需要结合图表形态判断未来走势。

优点

1. 多维信息融合：该策略并非单一指标打天下，而是将周期、相位、市场环境三个维度有机结合，提供了更完整的市场结构描述，减少单一信号源的盲区。

2. 对噪声有较强的鲁棒性：基于相关性匹配的方法比传统的波峰-波谷计数法更能抵御价格噪声，因为相关性扫描是在统计意义上寻找最相似频率，而非依赖局部极值点。

3. 自适应性强：主导周期和角度会随着市场状态变化而动态调整，无需人工设定周期参数。这样既适用于快速变动的短线行情，也能适应中长期摆动，具有较好的普适性。

4. 信号具有前视性：与大多数滞后型指标不同，相位角能够较早地提示循环转折的临界点，使交易者有机会在价格尚未完成反转时提前布局，具有潜在的左侧交易优势。

5. 便于与均值回归系统融合：策略本身带有均值回归标签，特别适合结合布林带、RSI等传统反转工具，构成一套带状态过滤的完整交易系统，降低逆势交易的风险。

缺点

1. 计算复杂度较高：需要对多个候选周期逐一计算相关性，涉及大量滑动窗口的统计运算。虽然作者通过代码精简优化了实现，但在大量历史数据上或实时高频场景中，仍可能造成计算开销问题。

2. 参数选择敏感：候选周期的范围、平滑窗口长度、市场状态阈值等参数对最终信号有显著影响。不同品种、不同时间周期往往需要单独优化，且优化后的参数存在过拟合风险。

3. 市场状态归类可能滞后：市场状态指标本身具有一定的滞后性，当市场从趋势快速切换到均值回复模式时，状态判别往往慢半拍，导致信号在临界点附近失真，出现连续止损。

4. 不适用于无周期市场：如果市场长期处于无规律的随机游走状态，相关性扫描可能始终找不到强相关周期，此时角度计算会呈现随机波动，产生大量虚假信号，需要手动禁用该指标。

5. 对交易者要求较高：该策略输出的是周期和相位信息，而非直接明确的“买”“卖”指令。交易者需要具备一定的信号处理知识才能正确解读，否则容易误用并导致亏损。

起源年份考证

需要说明的是，本策略并非某一天凭空出现，而是建立在数十年研究方法沉淀之上。按策略类型，我们可以梳理出以下时间线：

• 1930年代：周期分析应用于金融市场的雏形。技术分析先驱如R.N. Elliott提出了波浪理论，强调市场存在可识别的循环模式；同时期也出现了通过目测价格走势寻找周期的方法。
• 1950-1960年代：统计相关与频谱分析的引入。随着计算机技术的初步发展，研究人员开始使用自相关函数和谱分析方法对经济时间序列进行周期识别，这是相关性周期研究方法论的学术源头。
• 1970年代：自适应滤波与相位分析在工程领域成熟。信号处理理论中关于瞬时相位、希尔伯特变换的研究趋于完备，为后来Ehlers等将电子工程方法引入金融领域奠定了理论基础。
• 1980年代：市场状态分类思想萌芽。技术分析师开始重视“市场环境”的差别，如“收敛”“发散”“趋势中继”等概念，并试图用指标组合进行量化分类。
• 2000年代初：Ehlers的经典著作出版。John Ehlers在《Rocket Science for Traders》等书中系统阐述了利用希尔伯特变换、循环测量等技术识别市场周期和相位的方法，影响了大批后续研究者。
• 2020年6月：该策略的直接源头出现。Ehlers在《技术分析股票与商品交易杂志》的“交易者锦囊”专栏中正式提出了“相关性循环”“相关性角度”和“市场状态”这三个指标的原型。随后，公开交易社区的开发者对其进行了重新组合与改造，形成了本博客讨论的“三合一”方案。

综上，本策略的“相关性循环”思想可追溯至20世纪中后期的统计信号处理；而“市场状态”的概念则在近20年获得蓬勃发展。具体到当前这个多指标组合，其确切创意来源和发表日期可明确为2020年，但核心方法学的根源更古老。

改进建议

1. 引入自适应参数优化机制：不要固定候选周期的上下限，而应根据当前品种的平均行情长度自动调整周期范围。例如，利用滚动波动率和快慢均线差动态缩放宽区间，从而减少不必要的扫描计算并提高周期识别的准确性。

2. 增加多重时间框架确认：当前策略仅在单一K线周期上工作。建议增加一个较高周期（如周线）的周期角度和方向作为宏观方向的过滤器，只有大周期角度一致性良好时才执行小周期信号，从而大幅降低顺势原则的违背概率。

3. 设计更稳健的市场状态分类器：使用模糊逻辑或简单聚类方法取代固定的阈值判断。例如，根据历史数据将“趋势—回复—不确定”三种状态的边界定义为动态百分比分位，而非静态数值。这样可以适应不同波动水平的市场。

4. 与止损止盈逻辑联动：策略本身不包含出场规则。建议根据相关性角度临近转折区间的长度设计动态止损——当角度推进至关键点位（如90度或270度）时收紧止损，并采用移动止盈锁定利润，防止循环转折带来的利润回吐。

5. 加入事件驱动过滤：在重大新闻或经济数据发布前后，相关性计算容易受到短暂冲击而失真。可设计一个波动率脉冲识别寄存器，当单根K线波动超过某一倍数时暂停生成新信号，或强制调整市场状态为“不确定”，避免数据噪音干扰。

6. 对不同资产类别进行差异化校准：股票指数、外汇、加密货币的周期特性差异巨大。建议为每个品种单独统计其主导周期的分布区间，并将该区间作为候选周期范围，从而提升信号的针对性和可靠性。

7. 将输出信号转化为更为直观的图形语言：对于不熟悉相位概念的交易者，可将相关性角度映射为类似超买超卖震荡区间的形式（如0~100），并叠加历史胜率热力图，帮助交易者快速定位盈亏比较高的相位区域，减少主观解读难度。

总结

以相关性为工具、以周期为骨架、以相位为罗盘、以市场状态为安全屏障，这是John Ehlers所创立、并经社区作者二次开发的这一策略组合带给我们的核心启示。它不追求“一个公式走天下”，而是试图动态地理解市场所处的结构与节律。在实战中，该策略并非替代传统趋势判断或反转信号的终极答案，但绝对称得上是一套极具深度的辅助决策系统。

对于量化交易者而言，值得吸收的不仅是它的具体计算方式，更是那种将信号处理技术“移植”到金融数据中的跨学科思维。在不确定性与噪声充斥的市场中，以相关性作为“匹配”工具，能够更早地发现即将爆发的周期性力量，并在合适的时机采取行动。然而，任何指标都无法脱离合理的资金管理和严格的纪律而独立存在。量化的力量，终究在于系统性地尊重风险，而非完美预测价格。希望本文对策略逻辑的拆解，能帮助读者更好地理解该方案的构思，并在自己的交易研究中取其精华、构建出稳健的个性化系统。