曼德博分形第二章：分形与自相似性——多尺度市场几何

"把一张不带时间刻度的股价走势图拿给任何专家看，无论是一分钟图、一天图还是一年图，没有人能仅凭形态判断这是哪个时间周期。这不是巧合，这是分形结构的数学签名。" —— 本华·曼德博

从海岸线悖论到市场几何学

曼德博分形几何学的起点是一个看似简单的问题："英国的海岸线有多长？" 答案取决于测量所用的尺子长度——用越短的尺子测量，测出的海岸线就越长，因为更短的尺子能捕捉到更多的曲折细节。这种"长度随测量尺度变化"的性质，正是分形（Fractal）的核心特征：自相似性（Self-Similarity），即物体在不同放大倍数下呈现相似的结构。

曼德博将这一几何学洞察直接应用于金融市场价格序列，得出了一个颠覆性的观察：将一张股票走势图的时间轴刻度抹去，无论是分钟图、小时图、日线图还是月线图，其价格波动的统计"纹理"看起来惊人地相似。

分形维度的数学定义

分形维度 $D$ 衡量一个几何对象填充空间的复杂程度，介于其拓扑维度与嵌入空间维度之间。对于自相似分形，维度由下式定义：

$$D = \frac{\log(N)}{\log(1/r)}$$

其中 $N$ 为将图形按比例 $r$ 缩小后可以拼出原图所需的自相似副本数量。

以科赫雪花曲线（Koch Curve）为例：每条线段被分为 3 等份（$r = 1/3$），中间一段被替换为两条同样长度的线段（$N = 4$）：

$$D_{Koch} = \frac{\log 4}{\log 3} \approx 1.2619$$

这一维度介于 1（直线）和 2（平面）之间，恰好量化了科赫曲线"比直线复杂但又填不满平面"的特性。

科赫曲线迭代生成过程:
第0代:  ―――――――――――
第1代:  ――――/\――――
第2代:  每条线段再次替换...
第N代:  维度收敛于 D ≈ 1.2619，长度趋向无穷大

价格序列的分形维度与市场"粗糙度"

曼德博将分形维度概念引入价格时间序列，用以量化价格路径的"粗糙度"或"折返频率"。价格序列的分形维度可以通过测度盒计数法（Box-Counting Method）估算：

$$D = \lim_{\epsilon \to 0} \frac{\log N(\epsilon)}{\log(1/\epsilon)}$$

其中 $N(\epsilon)$ 为覆盖价格曲线所需边长为 $\epsilon$ 的正方形盒子数量。

多重分形价格生成器：曼德博的替代建模方案

传统的几何布朗运动模型假设价格路径处处具有相同的统计性质（单一分形）。曼德博提出用多重分形模型（Multifractal Model）替代——不同时间区间可以具有不同的局部分形维度，从而更真实地刻画市场在平静期与恐慌期的结构性差异。

import numpy as np

def midpoint_displacement_fractal(n_iterations: int = 10, roughness: float = 0.5, seed: int = 42):
    """
    中点位移法生成分形价格路径（近似分数布朗运动）
    :param n_iterations: 迭代细分次数，价格点数为 2^n + 1
    :param roughness: 粗糙度参数，对应赫斯特指数 H = 1 - roughness 的简化映射
    """
    np.random.seed(seed)
    n_points = 2 ** n_iterations + 1
    path = np.zeros(n_points)
    path[0], path[-1] = 0.0, np.random.normal(0, 10)

    step = n_points - 1
    scale = 10.0
    while step > 1:
        half = step // 2
        for start in range(0, n_points - 1, step):
            mid = start + half
            avg = (path[start] + path[start + step]) / 2
            path[mid] = avg + np.random.normal(0, scale)
        scale *= (0.5 ** roughness)
        step = half
    return path

# 生成一条具有分形结构的模拟价格路径
fractal_price = midpoint_displacement_fractal(n_iterations=8, roughness=0.5)
print(f"生成路径点数: {len(fractal_price)}, 起点: {fractal_price[0]:.2f}, 终点: {fractal_price[-1]:.2f}")
print(f"路径最大值: {fractal_price.max():.2f}, 路径最小值: {fractal_price.min():.2f}")

可执行的操作规则

1. 不要基于单一时间框架的图表形态得出结论。 由于价格的自相似分形结构，日线图上的"头肩顶"在分钟图上同样常见且同样不具备预测力，图表形态识别必须与其他独立证据交叉验证。
2. 用分形维度量化市场状态，而非单纯依赖移动平均线。 当分形维度从 1.3 附近上升至 1.6 以上，意味着市场结构从趋势性转为高度折返的震荡/恐慌状态，应主动降低趋势跟踪仓位。
3. 认识到"周期越长越可靠"的说法是错觉。 分形几何证明，价格路径不存在天然更"真实"的时间尺度；月线图并不比 5 分钟图具有更高的结构真实性，只是波动的绝对单位不同。