什么是随机游走指数？
定义与基本概念
随机游走指数（Random Walk Index, RWI）是一种技术指标概念，试图量化价格序列在选定时间段内是否表现出类似随机游走的行为。简单来说，它提出的问题是：“观察到的价格变动在多大程度上看起来像是连续变化几乎不可预测、且非强趋势驱动时所预期的路径？”
在此语境下，“随机游走”通常意味着各步之间的变化大致相互独立（允许一定程度的噪声）。RWI 将这一理念转化为一个可通过特定方法从历史价格变化中计算得出的数值。
实际应用中的工作原理
RWI 并非在所有平台上都采用完全相同的统一公式。相反，它最好被理解为一种指标框架：你需要选择如何在某个时间窗口内对价格变化的“随机游走相似性”进行建模，然后计算出一个指数值。
一种常见的概念性方法是：
- 计算连续时间步长的收益率或价格差值（例如，使用对数收益率或简单收益率）。
- 利用这些变化来估计与随机性相关的某种特性——通常是与独立性、波动率缩放或偏离假设的随机游走结构有关的指标。
- 将估计出的特性映射为一个指数数值。
假设至关重要。如果你改变了收益率的定义、窗口长度或随机性度量方式，即使使用相同的原始价格数据，也可能得到不同的 RWI 值。因此，任何关于“RWI 含义”的说法都取决于你的数据源或指标实现所使用的具体计算方法。
“较高”或“较低”的数值代表什么，也取决于具体的实现方式。某些版本将较大的指数值解释为“更随机”，而其他版本则采用相反的映射方式。在比较结果之前，请先确认你将用于计算的工具中的方向性。
可验证的示例（含明确假设）
假设你有一组按周期采样的中间价时间序列。选择一个包含 N 个观测值的窗口，并定义：
- 收益率：r_t = ln(P_t / P_{t-1})
- 随机性代理指标：你估计连续收益率是否表现出强可预测结构（例如，通过检查某个简单的依赖性度量是否接近于典型噪声水平下的零）。
- 指数映射：将代理指标转换为归一化得分。
为了在不依赖实时数据的情况下进行可验证性检查，请重复以下步骤两次：
- 使用窗口长度 N（例如，100 个观测值）并计算指数值。
- 使用不同的窗口长度（例如，N = 200）重复计算。
如果该指数确实能捕捉“随机游走相似性”的稳定特性，你应该期望得到大致一致的定性结论。如果当你改变 N 时解释结果频繁翻转，则表明该指数具有敏感性：RWI 受所选窗口和局部市场状态的强烈影响。
最后，比较在不同收益率定义（对数收益率 vs 简单收益率）下的结果。如果数值发生显著变化，则说明 RWI 并非无模型依赖，这支持了其局限性。
主要局限性与失效模式
- 模型与实现依赖性：由于 RWI 可通过不同公式和映射方式实现，你必须验证所使用指标背后的确切计算方法。
- 窗口敏感性：市场行为在不同状态下会发生变化（例如，平静期 vs 波动期）。即使基础资产不变，RWI 在一种状态下可能显得“更随机”，而在另一种状态下则不然。
- 参数敏感性：改变 N、收益率定义或任何归一化方式都可能改变指数水平和解释。
- 本身不具备预测能力：历史模式若呈现随机性，并不意味着未来走势会遵循相同结构。历史关系不能确立未来结果。
- 数据与微观结构影响：采样价格、缺失数据、公司行为（针对其他资产类别）以及（如适用）点差和执行效果，都可能影响序列中“随机性”的表现。
这些原因表明，应将 RWI 视为一种分析视角，而非独立的交易信号。
验证与后续问题
要独立验证有关 RWI 的事实，请重点关注可审计的细节：
- 你的平台使用的确切随机游走指数公式是什么？
- 它使用哪些价格输入（收盘价、中间价、买/卖价），以及何种采样间隔？
- 当你改变窗口长度和收益率类型时，该指标的行为如何变化？