"低买高卖"人人会说，但"多低算低、多高算高"是个硬问题。这篇2009年发表于 Stochastic Analysis and Applications 的论文（Song, Yin & Zhang）给出了一个模型无关的数值解法：只假设资产价格均值回归，不假设任何具体价格模型，用随机逼近（stochastic approximation）算法直接从观测价格中学习最优买卖阈值，并证明了收敛性，最后用 WMT、IBM 的真实数据做了验证。
原文：Song, Q. S., Yin, G. and Zhang, Q. (2009), "Stochastic Optimization Methods for Buying-Low-and-Selling-High Strategies", Stochastic Analysis and Applications, 27:3, 523–542. DOI 官方链接（按出版方要求从官方渠道获取，本文不附PDF）
背景是 Zhang & Zhang (2008, Automatica) 的工作：他们用动态规划/HJB方程解析地解决了均值回归资产的最优低买高卖问题——最优策略由买入阈值和卖出阈值刻画（本栏目另一篇解读讲的正是那篇）。但解析解依赖明确的模型假设：价格服从OU过程，且均值回归速度 $a$、均衡水平 $b$、波动率 $\sigma$ 都已知。
这篇论文换了一条路：不要模型，只要均值回归。价格可以是OU过程、带跳的均值回归扩散、带机制切换的均值回归——算法只看观测到的价格序列，用 Kiefer-Wolfowitz 型随机逼近迭代出最优阈值。这是"模型无关"（model-free）思想的早期实践，比后来流行的 model-free 强化学习早了近十年。
两个关键设定：
为什么是随机逼近：SA 是 Robbins & Monro (1951) 为"带噪声求根"发明的，Kiefer & Wolfowitz 把它推广到"带噪声优化"（即本文用的 KW 算法）。核心思想很朴素：目标函数算不准，就用带噪声的观测值迭代。Kushner & Yin (2003) 的 ODE 方法是分析这类算法的标准工具：把离散迭代插值成连续过程，证明它弱收敛到某个 ODE 的解，而 ODE 的平衡点正是原问题的最优点。这套工具特别适合交易——价格本身就是噪声，阈值优化的目标函数（期望收益）没有解析式，只能靠历史/模拟"试"出来；SA 把"试"这件事系统化了，不是网格搜索，而是沿着估计梯度走。
论文特别强调：该方法只在均值回归成立时有效，趋势市中会失效——用之前先看历史价格图确认。
1. 价格与阈值策略
对数价格 $X_t$ 均值回归（算法本身不需要知道下式的具体形式），资产价格 $S_t = \exp(X_t)$：
$$ dX_t = a(b - X_t)dt + \sigma dW_t, \quad S_t = \exp(X_t) $$
阈值策略记为 $\theta = (x_b, x_s)$：价格跌破 $x_b$ 买入，涨超 $x_s$ 卖出。对应的停时为：
$$ \tau^b = \inf\lbrace t > 0 : S_t \le x_b \rbrace, \quad \tau^s = \inf\lbrace t > \tau^b : S_t \ge x_s \rbrace $$
2. 目标函数
$$ J(\theta) = E\left[e^{-\rho\tau^s}S_{\tau^s}(1-K) - e^{-\rho\tau^b}S_{\tau^b}(1+K)\right] $$
即：贴现后的卖出收入（含滑点）减去贴现后的买入成本。注意期望 $E$ 解析不可得——这正是要用随机逼近的原因：算不出梯度，就用带噪声的观测去估计梯度。
3. 随机逼近迭代（Kiefer-Wolfowitz 型）
$$ \theta_{n+1} = \theta_n + \frac{1}{n}\,\tilde{g}_n(\theta_n) $$
其中 $\tilde{g}_n$ 是用有限差分估计的梯度——在当前阈值附近沿每个坐标轴做正负小扰动（共4次观测），看哪个方向收益更高：
$$ \tilde{g}_{n,i} = \frac{1}{2c_n}\left[\tilde{J}(\theta_n + c_n e_i) - \tilde{J}(\theta_n - c_n e_i)\right], \quad i = 1, 2 $$
$\tilde{J}$ 为带噪声的收益观测，$c_n \downarrow 0$ 为差分步长。直观理解：小扰动试几次，往收益更高的方向走一小步——步长 $1/n$ 保证越到后期越谨慎。
4. 收敛定理
Theorem 2：在 (A1)–(A4)（连续性、一致可积、噪声混合条件、二阶导连续）下，插值过程 $\theta^n(\cdot)$ 弱收敛到常微分方程的解：
$$ \dot{\theta} = \bar{g}(\theta) $$
$\bar{g}$ 为平均梯度。Corollary 4：若该 ODE 有唯一渐近稳定的平衡点 $\theta^$，则 $\theta_n \Rightarrow \theta^$。
收敛条件的人话版：(A1) 目标函数连续——阈值变一点点，期望收益也只变一点点；(A2) 噪声一致可积——极端离群不会太频繁；(A3) 噪声是混合型的——时间拉开后噪声近似独立，这是"平均掉噪声"的数学基础；(A4) 目标函数二阶导连续——做 Taylor 展开时余项可控。值得注意的是，证明全程没有用到均值回归的具体形式——OU、跳扩散、机制切换，只要满足这四个正则条件，算法都收敛。均值回归只保证"这个问题值得解"（趋势市里低买高卖本身不成立）。
例5（仿真）：OU 参数 $a=0.8$、$b=2$、$\sigma=0.5$，$X_0 = 2$（价格围绕 $e^2 \approx 7.39$ 波动）；$\rho = 0.01$，$K = 0.01$。初值 $(5, 18)$，300次迭代后 $(x_b, x_s) = (4.50, 17.94)$，$J = 10.85$。100次重复实验：买入阈值均值 3.99（标准差 0.16），卖出阈值均值 17.87（标准差 0.76）——卖出阈值的估计方差明显更大，直观上因为"等价格涨上去"这件事本身噪声更大。
这个例子是故意选的：它正是 Zhang & Zhang (2008) 解析论文里的参数设定，目的是用数值结果对答案。SA 跑出的 $(4.50, 17.94)$ 与解析解的阈值（$S_1 = 3.78$、$S_2 = 5.12$）量级一致——注意两处 $\rho$ 取值不同（0.01 vs 0.5），故不完全可比，但方向正确，验证了算法有效。这也是"理论→计算"闭环的直接证据。
例6（WMT 真实数据）：用50个交易日的历史估计阈值，在随后500个交易日做样本外模拟：
| 历史窗口 | 估计阈值 $(x_b, x_s)$ | 未来500天总收益 | 交易笔数 |
|---|---|---|---|
| 2000/01–03 | (44.83, 54.27) | 24.95 | 3笔（每笔约8.3） |
| 2000/03–05 | (46.21, 58.72) | 21.55 | 2笔（每笔约10.8） |
例7（IBM 真实数据）：
| 历史窗口 | 估计阈值 $(x_b, x_s)$ | 未来500天总收益 | 交易笔数 |
|---|---|---|---|
| 2000/01–03 | (110.39, 118.75) | 28.90 | 5笔（每笔约5.6–6.0） |
| 2003/04–05 | (84.47, 98.72) | 11.82 | 1笔 |
注意例6中两个历史窗口算出的阈值差别不小（44.83 vs 46.21）——阈值对样本期敏感，这是实盘必须滚动重估的直接证据。
横向对比也很有意思：IBM 例(1) 的5笔交易每笔赚约5.6–6.0，WMT 例(1) 的3笔每笔约8.3——阈值越宽，单笔利润越大、交易次数越少，这正是阈值策略的内在 trade-off（Bertram (2010) 用 renewal theory 把它形式化了：单位时间收益 = 单笔收益 / 期望周期）。
注意论文的收益是按单股计的（每次买卖一股）：WMT 例(1) 500天累计 24.95 美元/股。评价这类策略不能只看总额，更要看交易频率：500天只做 2–5 笔，天然低频，对滑点不敏感——这正是阈值策略 vs 高频策略的结构性优势：在 $K$ 较大的市场（如A股）反而更稳，因为成本项 $e^{-\rho t}S_t K$ 在低频下占比小。
传统做法（包括 Zhang & Zhang 2008 的解析解）要求先估计OU参数 $a, b, \sigma$ 再算阈值——参数估计误差会传导到阈值上。这篇的随机逼近跳过参数估计，直接优化阈值，对模型误设天然鲁棒。今天看，这就是 model-free 强化学习的雏形（用随机逼近代替 policy gradient）。
把论文算法落成代码，核心循环其实很短：
第3步有个关键细节：4次扰动评估必须用同一段价格路径，否则梯度估计会被路径噪声淹没。论文的仿真和实证都是这么做的（"for each iteration, we used the same trajectory"）——这是方差缩减里 common random numbers 思想在实操中的体现，新手最容易踩的坑。
DOI: 10.1080/07362990902844181（按出版方要求从官方渠道获取，本文不附PDF）