「机构脚印」被四年数据检验之后:ICT 的 AMD 模型只在趋势里成立
一个被讲成「机构作息表」的模型,第一次被放进四年数据里,按秒对齐。结论不是它错,而是它对的那一半,恰好不是它自己强调的那一半。

01模型说了什么,以及它为什么好卖
先把三个字母拆开。A 是 Accumulation:作者假设亚洲时段是机构建仓窗口,价格在一个区间里来回磨,形成一段「积累区」。M 是 Manipulation:伦敦开盘前后,价格朝积累区的反方向猛冲一下,制造假突破,把止损和追单的人吸进去。D 是 Distribution:纽约上午,价格朝真正的方向走,目标是「对手方的流动性池」——也就是那批被假突破骗进来的人的止损位。
这套叙事有三个天然的优点。第一,它把「为什么扫了我的止损才涨」这种最常见的散户体验,解释成了一个主动的、有意图的动作,情绪上非常顺。第二,它给每天的时间划了格子:亚盘看区间、伦敦看假动作、纽约看方向,执行起来有节奏感。第三,它的失败可以被解释成「你看错了区间」「那不算有效突破」,很难被证伪。
最后一点既是它的传播优势,也是它的学术问题。一个规则如果需要人在盘中判断「这算不算有效突破」,它就不是一个可检验的模型,而是一门手艺。这篇论文做的第一件事,就是把「算不算」变成阈值参数:突破多少点算 Manipulation、亚洲区间取哪个分位、止损留多少缓冲,全部写成数字,然后看结果对这些数字敏不敏感。
02把口号变成可执行规则:论文的做法
作者用 15 分钟 K 线,把一天切成三段可计算的对象:亚洲时段的区间高低点、伦敦时段对该区间的突破幅度、纽约 9:40 之后的入场与目标。所谓「信号」,是这三个条件同时成立的那一天。四年多的数据里,一共筛出 484 个这样的日子。
15 分钟是一个折中的选择。它足够粗,能滤掉大部分微观噪声;也足够细,能分辨「伦敦盘的那一下」和「纽约盘的那一段」。代价是,它无法回答「假突破是在哪一分钟结束的」这类问题——而这恰好是模型最需要精确的地方,因为模型的整个逻辑建立在「先骗、再走」的时序上。这个粒度限制,后面会变成一个关键的反例。
统计方法上,作者没有只报一个胜率。他用了卡方检验看方向是否正确是否显著偏离随机,再用 Benjamini-Hochberg 校正处理多重比较——因为一旦按趋势状态、突破幅度、区间分位切成很多格子,总会有一两个格子看起来「显著」,而这类显著性多半是切出来的。这一步很朴素,但在交易类论文里并不常见。
03三个发现,一个比一个不客气
第一个发现关于频率。信号并不稀有,接近一半的交易日都会触发。
the AMD manipulation signal fires on 44% of trading days.原文
注释:这个数字先拆掉了一层神秘感。一个号称描述「机构动作」的模型,如果几乎隔天就成立,那它描述的更像是市场的常态结构,而不是某种刻意的安排。顺手做个一致性核对:484 ÷ 44% ≈ 1,100 个交易日,与 2022 年初到 2026 年中约四年半、每年 250 个交易日左右的口径基本对得上。
第二个发现关于时序,也是全文最锋利的一刀。
57% of valid signals see full target delivery before the 9:40 AM New York entry window opens, revealing a structural mismatch between the model’s timing assumptions and actual price delivery.原文
注释:注意「structural mismatch」这个措辞。它不是「有时候会晚一点」,而是模型的第三步(纽约交货)经常在模型规定的入场时刻之前就结束了。换句话说,你按规则在 9:40 进场时,行情已经走完了。这不是执行滑点,是剧本和演出时间对不上。
第三个发现关于条件性:信号本身不带方向信息,带信息的是当天的趋势状态。
when the signal aligns with the trend it is correct 62-71% of the time (Cohen’s h = 0.23-0.43); when it opposes the trend it is correct only 25-30% of the time (Cohen’s h = 0.42-0.53).原文
注释:两个区间的差距接近 2.5 倍,这是全文最有交易价值的数字。但要注意括号里的效应量:0.23 属于「小」,0.5 才算「中」。也就是说,同向时的胜率虽然高,它与「随便猜」的差距并不大;反向时的低于随机反而更明显、更稳定。翻译成人话:这个模型更擅长告诉你「别逆着做」,而不是「该往哪做」。
第四句引文是稳健性检查,值得单独列出来,因为它决定了上面三个数字有多可信。
Key findings are robust to variation in the manipulation breach threshold (5-20 NQ points), Asia range filter percentile, and stop buffer.原文
注释:参数稳健性是这类研究最容易被忽略、也最容易被攻击的部分。作者把三个最可能被「调参调出来」的旋钮各自拉开一个区间,结论不变,这比单一的 p 值有说服力。但它只证明「对这三个参数稳健」,不证明「对所有设定稳健」——比如换成 5 分钟 K 线、换成 ES 而不是 NQ,都还是未知。
顺便说明样本的边界:论文只用了 NQ 一个品种。NQ 是科技股集中的高波动指数期货,日内波动的结构天然比 ES 更「有故事」。把一个在 NQ 上成立的时序规律,当成所有品种的通用规律,是这类研究最常见的误读。
04我们的复算:把 62% 和 25% 放进一张期望值表
论文报的是「方向正确率」,不是「策略盈亏」。这两者之间隔着目标、止损、以及那个 57% 的时间错配。下面这张表是本站按摘要数字做的换算,每一步都写明假设,你可以自己替换。
| 情形 | 正确率假设 | 95% 置信区间(n≈208) | 1:1 下每笔期望 |
|---|---|---|---|
| 顺趋势(区间下端) | 62% | 55.4% – 68.6% | +0.24R |
| 顺趋势(中值) | 66.5% | 60.1% – 72.9% | +0.33R |
| 逆趋势(中值) | 27.5% | 21.4% – 33.6% | −0.45R |
| 不做趋势过滤(50/50 混合) | 47.0% | — | −0.06R |
最后一行是这张表真正的结论:如果你把顺趋势和逆趋势的信号混在一起照做,混合正确率约 47%,在 1:1 的盈亏比下每笔期望是负的——还没算成本。这不是「模型没用」,而是「模型的方向信息全部来自趋势过滤」这一句话的算术版本。趋势过滤不是加分项,它是这个模型能不能用的前提。
再看盈亏比。如果目标位设得比止损远,盈亏平衡所需的胜率会下降:1:1.5 时只需 40%,1:2 时只需 33.3%。这解释了一个常见的错觉——用 AMD 做 2R 以上的人觉得「挺好用」,因为 33% 的门槛太容易跨过;而做 1:1 的人觉得「时灵时不灵」,因为 50% 的门槛刚好卡在 47% 之上。同一个信号,两种盈亏结构,两种体感。
还有一层更隐蔽的成本:57% 的信号在入场前就走完目标。这意味着你能实际交易的 208 个样本,可能并不是随机抽取的 208 个——被剩下的往往是「走得慢」的那些日子。慢,可能意味着当天趋势弱、波动低,也就是胜率结构本身被改变了。论文没有按「入场前是否已走完」分组再算一次胜率,这是我认为最值得补做的一步。
05反例与边界:这篇论文没有证明的事
第一,它没有证明 AMD 的因果故事。论文检验的是「这套规则化后的信号有没有预测力」,而不是「机构真的在亚盘吸筹、伦敦骗线」。一个规则可以有预测力而故事全错,也可以故事对而规则化后失去预测力。这两件事被中文讨论混为一谈的频率极高。
第二,15 分钟 K 线抹掉了模型最核心的时序。AMD 的整个说服力在于「先假突破、再真方向」,这个先后顺序发生在分钟级。用 15 分钟 K 线,你只能看到「这个 15 分钟区间的高点被破了」,看不到破的那一刻之后价格是怎么回来的。要真正检验「骗」,需要逐笔或至少 1 分钟数据。
第三,单品种、单一样本区间。2022-2026 包含了 2022 年的熊市、2023-2024 的复苏、以及 2025-2026 的高波动段,regime 覆盖算不错;但只有一个指数期货,无法区分「这是市场的结构」还是「这是 NQ 的结构」。
第四,也是最容易被忽略的:论文检验的是「方向正确率」,不是「可交易收益」。方向对了但路径先打掉止损,在这套统计里仍算「正确」。真实账户不这么记账。所以 62-71% 不等于 62-71% 的胜率,它只是一个上限性质的数字。
06对中文读者的用法
如果你是拿 AMD 当交易框架的人,这篇论文给的是一张「哪里能用、哪里别信」的清单。
- 把趋势过滤当成前置条件,而不是加分项:逆趋势的 AMD 信号在这份样本里是负期望,且低于随机。
- 不要在 9:40 才决定看不看这个信号。57% 的目标在入场前已走完,说明观察窗口必须提前到伦敦盘。
- 用 1:2 以上的盈亏结构去容纳 62-71% 的正确率误差;1:1 的结构会把 47% 的混合正确率直接变成负期望。
- 把「扫止损后反转」当成一个可统计的事件,而不是一个必然的剧本:44% 的触发率意味着它更像常态噪声,不是机构签名。
- 任何声称「机构一定这样做」的解释,都要求对方给出可复现的规则与样本外结果;讲得越顺的故事,越需要这个要求。
对不交易 NQ 的读者,这篇论文还有一个迁移价值:它演示了如何把一个「手艺型」交易理论拆成可检验的参数。做法很笨——把每个模糊判断换成阈值,把每个阈值拉开一个区间看结论是否稳定,把「正确」定义成可计算的方向而不是「感觉对了」。这套流程可以用在你听到的任何一套新模型上,包括那些收费的。
07一句话结论
AMD 在四年 NQ 数据里剩下的东西不是「机构的三步舞」,而是一条朴素的过滤器:顺趋势时它略好于随机,逆趋势时它明显更差。模型的故事可以继续讲,但下注的依据应该只剩这条。
08延伸阅读
· arXiv:2610.35887,Veer Taylor,Evaluating the Predictive Validity of ICT’s Accumulation-Manipulation-Distribution (AMD) Model on CME E-Mini NASDAQ-100 Futures,https://arxiv.org/abs/2610.35887(v1,25 页 / 3 图 / 7 表)
· 本页短引共 4 处,逐字摘自该页摘要;样本区间、N=484、44%、57%、62-71%、25-30%、Cohen’s h 与稳健性参数均以摘要为准
· 第 04 节表格中的置信区间、期望值与混合正确率由本站按摘要数字计算,「方向正确=1R」为本站设定的简化假设
访问日期:2026-10-29。文中英文短引均摘自所列公开原文,译文与注释为本站所加;凡标注「我们的复算」「演示性算例」处均为按公开口径的算术推导,不是原作者结论。原文版权归原作者与发布方所有,本页为摘译与独立分析,不构成投资建议。
常见问题
AMD 模型的三个字母分别指什么?
A 是吸筹(Accumulation),通常被描述为亚洲时段的区间震荡;M 是操纵(Manipulation),指伦敦时段朝区间反方向的假突破;D 是派发(Distribution),指纽约上午朝真实方向、也就是对手方流动性池的位移。论文把这三段写成可计算的规则后做了统计检验。
57% 的目标在入场前走完,为什么说这是「结构性」问题?
因为它不是偶发的延迟,而是模型的第三步经常早于模型规定的入场时刻完成。按规则在 9:40 进场的人,面对的是一个已经走完大部分行程的行情,剩下的空间与风险结构都和模型描述的不一样。这属于时序假设与实际价格路径的系统性错配。
62-71% 的正确率可以直接当成胜率吗?
不能。论文统计的是「方向是否正确」,而实盘胜率还取决于目标与止损谁先被触及。方向对了但先打掉止损,在统计里仍算正确,在账户里是亏损。本文的期望值表格只是把正确率换算成下注期望的演示。
这篇论文能证明 ICT 的理论是错的吗?
不能。它检验的是「规则化之后的 AMD 信号有没有预测力」,而不是 ICT 关于机构行为的叙事是否真实。规则有预测力和故事为真是两件独立的事。论文的结论是:在这套规则化与这份样本下,方向信息基本被趋势状态吸收。
本文为公开预印本的摘译与独立分析,不构成投资或法律建议。英文短引逐字摘自 arXiv 摘要页(访问日期 2026-10-29),译文与注释为本站所加;标为「我们的复算」处均为按公开口径设定的算术演示,不是原作者结论。 最后更新:2026-10-29。


