第二章：信息熵入门——香农熵与市场不确定性
各位同学，今天我们来聊聊信息熵。说实话，我第一次接触这个概念时，也觉得它挺抽象的。但后来我在做高频交易策略时，发现这东西简直就是市场的“体温计”。
先问大家一个问题：你如何量化“不确定性”？比如，明天大盘是涨是跌，你心里没底。这种“没底”的程度，能不能用一个数字表示？
香农在1948年给出了答案。他当时在研究通信问题，说白了就是：一条消息里到底有多少“信息量”？
2.1 香农熵的数学定义
香农熵的公式长这样：
H(X) = - Σ p(x) * log₂ p(x)其中，X是一个随机变量，p(x)是它取某个值的概率。Σ表示对所有可能取值求和。
嗯，这里要注意：底数取2，单位是“比特”。如果你用自然对数，单位就是“纳特”。我个人习惯用log₂，因为比特更直观。
举个例子。假设一个硬币是均匀的，正面概率0.5，反面概率0.5。那么：
H = - (0.5 * log₂ 0.5 + 0.5 * log₂ 0.5)
= - (0.5 * (-1) + 0.5 * (-1))
= 1 比特如果硬币两面都是正面呢？概率为1和0。那么：
H = - (1 * log₂ 1 + 0 * log₂ 0)
= - (0 + 0)
= 0 比特你看，确定的事件熵为0，完全随机的事件熵最大。这就是熵的核心：熵越大，不确定性越大。
核心结论：熵是“平均惊奇度”的度量。你越猜不到结果，熵就越高。
2.2 熵与不确定性的关系
为什么熵能度量不确定性？我换个角度解释。
假设你在猜一个数字，范围是1到8。每次问一个“是/否”问题。最理想的情况，你每次都能排除一半的可能性。猜中需要问几次？
答案是3次。因为log₂ 8 = 3。这3次，就是熵。
如果数字不是均匀分布呢？比如，数字1出现的概率是50%，其他数字各占约7%。那么你猜中需要的平均问题次数就少于3次。因为你可以先问“是不是1？”，大概率一次就中。
我在做期权定价模型时，遇到过类似场景。市场对某个事件的预期越一致，熵就越低。反之，分歧越大，熵就越高。说白了，熵就是市场参与者“意见分散度”的量化。
个人经验：我曾经用熵来检测市场异常。当熵突然飙升时，往往意味着有重大消息要发布，或者流动性即将枯竭。这个指标比单纯看波动率要敏感得多。
2.3 为什么熵可以度量市场？
市场本质上是一个信息处理系统。每一笔订单、每一次报价，都在传递信息。而信息熵，恰好能捕捉这些信息中的“意外成分”。
我们来看订单簿。订单簿里有买一价、卖一价、深度等数据。这些数据可以看作一个概率分布。比如，当前最优卖价是10.00元，有100手挂单。这个价格成交的概率有多大？
我们可以用订单簿的深度分布来估算概率。然后计算这个分布的熵。如果熵很高，说明订单簿上的价格很分散，市场方向不明确。如果熵很低，说明资金集中在某个价格附近，方向比较明确。
下面这张图展示了订单簿信息熵的计算流程：
你看，整个过程并不复杂。关键是把订单簿的深度数据，转换成概率分布。然后套用香农熵公式。
避坑指南：我曾经犯过一个错误——直接用价格作为随机变量。结果发现熵值总是很高，因为价格本身是连续的。后来我改用“价格区间”来离散化，效果就好多了。记住：离散化粒度要适中，太细了噪声大，太粗了信息丢失。
2.4 一个简单的计算示例
假设某只股票的订单簿上，卖一档到卖五档的数据如下：
| 档位 | 价格(元) | 挂单量(手) | 概率 |
|---|---|---|---|
| 卖一 | 10.00 | 200 | 0.40 |
| 卖二 | 10.01 | 150 | 0.30 |
| 卖三 | 10.02 | 100 | 0.20 |
| 卖四 | 10.03 | 40 | 0.08 |
| 卖五 | 10.04 | 10 | 0.02 |
总挂单量 = 200+150+100+40+10 = 500手。概率就是各档位挂单量除以总量。
计算熵：
H = - (0.40*log₂0.40 + 0.30*log₂0.30 + 0.20*log₂0.20 + 0.08*log₂0.08 + 0.02*log₂0.02)
= - (0.40*(-1.322) + 0.30*(-1.737) + 0.20*(-2.322) + 0.08*(-3.644) + 0.02*(-5.644))
= - (-0.529 - 0.521 - 0.464 - 0.292 - 0.113)
= 1.919 比特这个值1.919比特，就是当前卖盘的不确定性度量。如果所有挂单都集中在卖一价，熵会接近0。如果均匀分布在五个档位，熵会接近log₂5 ≈ 2.32比特。
嗯，这里要注意：我们只算了卖盘。实际应用中，我会同时算买盘熵和卖盘熵，然后看它们的差值。这个差值能告诉我，买卖双方谁更“犹豫”。
实用技巧：我个人习惯把熵值归一化到0-1之间。用实际熵除以最大可能熵（log₂N，N是档位数）。这样不同股票、不同时间段的熵就可以直接比较了。
2.5 熵在量化交易中的定位
说了这么多，你可能想问：熵到底能用来做什么？
我总结三个核心用途：
- 市场状态识别：高熵对应震荡市，低熵对应趋势市。这个判断比看均线交叉要快得多。
- 风险预警：熵的突变往往先于价格突变。我在实盘中用这个信号来减仓或加对冲。
- 策略参数调整：高熵时降低杠杆，低熵时适当放大。说白了就是“看不清就少做，看得清就多做”。
当然，熵不是万能的。它只是一个统计量，不能预测方向。但它能告诉你“现在该不该出手”。
好了，这一章就到这里。记住一句话：熵是市场的“迷茫指数”。下次看盘时，不妨算算你关注的股票，看看它的熵值在什么水平。
公众号:蓝海资料掘金营，微信deep3321