这篇2010年发表于《Discrete and Continuous Dynamical Systems Series B》的论文（Kong & Zhang），研究均值回归资产的最优买卖问题。它是 Zhang & Zhang (2008) 的直接扩展——后者只允许"空仓/做多"两种仓位，本文把做空纳入框架，并计入滑点成本，证明最优策略可由四个阈值价格完全刻画，且求解化为四个拟代数方程。这是理解整个"最优交易规则"系列工作的起点。
原文：Kong, H. T. & Zhang, Q. (2010), "An optimal trading rule of a mean-reverting asset", Discrete and Continuous Dynamical Systems Series B, 14(4), 1403–1417. DOI官方链接
均值回归是金融里最古老的直觉之一：价格围绕一条中线波动，低了会涨回来，高了会跌回去。论文开篇有个很妙的注记——1980年代到2000年的美股大牛市让几何布朗运动（GBM）成了主流假设，但如果看1960–1980年代的道琼斯指数，它被困在一个"交易区间"里，明显是均值回归的形态。模型没有绝对的对错，只有与市场阶段的匹配。
交易无非两句口诀：低买高卖（buy low and sell high），以及做空时的高卖低买（sell high and buy low）。难的是"低"和"高"到底是多少。Zhang & Zhang (2008) 已经对均值回归资产求出了最优的买卖阈值，但有个硬伤：仓位只能是空仓或做多，不允许做空。而做空是股票市场的基本操作——2008年金融危机前后，做空端恰恰是收益最丰厚的一端。
本文的推进有两处：
目标是选择一列停时（买入、卖出、买入……），最大化贴现后的总收益。
1. 价格模型（均值回归）
记 $X_t = \log S_t$ 为对数价格，服从 Ornstein–Uhlenbeck 过程：
$$ dX_t = a(L - X_t)dt + \sigma dW_t, \quad X_0 = x $$
$a > 0$ 为回归速度，$L$ 为均衡水平，$\sigma > 0$ 为波动率。
2. 最优控制的结构：四个阈值
直觉上，价格低时买、价格高时卖。论文证明最优控制是阈值型的，由四个价格刻画：
它们满足自然的排序：
$$ b_0 \le b_1 \le s_1 \le s_0 $$
这个排序本身就有经济学直觉：手里有仓位时比空仓时更"着急"——做空的人比空仓的人更想低价回补（$b_1 \ge b_0$，回补阈值更高、更容易触发），做多的人比空仓的人更想高价卖出（$s_1 \le s_0$，卖出阈值更低、更容易触发）。因为持仓意味着承担风险，落袋为安的动机更强。
3. HJB 方程（变分不等式）
记 $A$ 为 $X_t$ 的无穷小生成元：
$$ A = a(L-x)\frac{\partial}{\partial x} + \frac{\sigma^2}{2}\frac{\partial^2}{\partial x^2} $$
三种仓位对应三个价值函数 $v_{-1}, v_0, v_1$，满足 HJB 方程组：
$$ \min\lbrace \rho v_{-1} - Av_{-1},\ v_{-1} - v_0 + e^x(1+K) \rbrace = 0 $$
$$ \min\lbrace \rho v_0 - Av_0,\ v_0 - v_1 + e^x(1+K),\ v_0 - v_{-1} - e^x(1-K) \rbrace = 0 $$
$$ \min\lbrace \rho v_1 - Av_1,\ v_1 - v_0 - e^x(1-K) \rbrace = 0 $$
其中 $\rho$ 为贴现率。注意 $e^x = S$ 即股价，$e^x(1+K)$ 是含滑点的买入成本，$e^x(1-K)$ 是含滑点的卖出收入。
4. 求解：从微分方程到四个拟代数方程
在持续持有区域内，$\rho v - Av = 0$ 的通解可用特殊函数表示。记 $\kappa = \sqrt{2a}/\sigma$，$\eta(t) = t\exp(-t^2/2)$，定义：
$$ y_1(x) = \int_0^\infty \eta(t)e^{\kappa(L-x)t}dt, \quad y_2(x) = \int_0^\infty \eta(t)e^{-\kappa(L-x)t}dt $$
则 $v_{-1} = C_1y_1$，$v_0 = C_2y_2 + C_3y_1$，$v_1 = C_4y_2$。在四个阈值点施加 smooth-fit 条件（价值函数及其一阶导数连续），得到8个方程；消去常数 $C_1$–$C_4$ 后，化为关于 $(b_0, b_1, s_0, s_1)$ 的四个拟代数方程（论文(9)式）。原最优停时问题至此变为纯粹的数值求根问题。
5. 盈利的门槛条件
滑点成本决定了买卖价差的下限。论文证明必须有：
$$ s_1 - b_1 > \log\frac{1+K}{1-K} $$
即一次完整的往返交易（低买高卖或高卖低买），对数价格差必须覆盖往返滑点成本，否则不如不动。这是个非常实用的结论：成本 $K$ 越大，最小可交易价差越大，交易机会越少。
验证定理（Theorem 4.1）：在阈值满足排序条件 $b_0 \le b_1 \le \frac{1}{a}(\frac{\sigma^2}{2} + aL - \rho) \le s_1 \le s_0$ 及上述盈利门槛的条件下，由阈值构造的停时序列是最优的，$v_k = V_k$。
数值例子：取 $a = 0.8$，$L = 2$，$\sigma = 0.5$，$\rho = 0.5$，$K = 0.01$，解得：
$$ (b_0, b_1, s_0, s_1) = (1.4053,\ 1.4065,\ 1.6079,\ 1.6052) $$
注意论文表格中 $s_1, s_0$ 列为 (1.6052, 1.6079)，满足 $b_0 \le b_1 \le s_1 \le s_0$。有意思的是，四个阈值全部低于均衡水平 $L = 2$——均衡像一块磁铁，把价格往上吸，阈值整体偏向下方。
参数敏感性（论文 Tables 1–4）：
GBM 适合趋势型资产，均值回归适合有锚的资产：商品期货（有生产成本锚）、利率（有政策锚）、外汇（有购买力锚）、ETF 折溢价、波动率指数。A股里，分级基金折溢价、ETF 套利、可转债转股溢价率都是天然的均值回归标的。
Zhang & Zhang (2008) 只能做多，本文补上了做空。这不只是多了一半机会——在熊市里，做空端的期望收益往往超过做多端。四个阈值的结构（$b_0 \le b_1 \le s_1 \le s_0$）本身就是一套完整的双向交易纪律：空仓时双向设埋伏，有仓位时积极了结。
$s_1 - b_1 > \log((1+K)/(1-K))$ 这条不等式可以直接拿来做策略过滤器：先估算你的真实成本 $K$（佣金+滑点+冲击），算出最小可交易价差；凡是历史价差波动达不到这个幅度的标的，直接放弃。这比事后看回测夏普要诚实得多。
这篇是承上启下的一篇：Zhang & Zhang (2008) 给出均值回归资产双阈值（无做空）→ 本文 (2010) 加入做空与滑点，四阈值 → Song & Zhang (2013) 把框架搬到配对交易价差，并加入止损 → Tie, Zhang & Zhang (2017) 彻底去掉均值回归假设，在GBM下求解。沿着这条线读，能看到"最优交易"这个课题十年的方法论演进：从单资产到配对，从均值回归到一般扩散，从无约束到带止损约束。