如果把水温分成“冷、温、热”三档，温度计就会显示几次明显的“状态切换”。但水温本身并没有跳跃，只是分类规则画了几条线。订单簿研究可能也有类似问题：模型常把市场标成平静、活跃或紧张，可这些状态究竟天然分开，还是研究者把连续变化硬切成了几段？
Anjali Thawait 的论文 Latent Continuum of Regimes in Limit Order Book Dynamics 直接检验了这个前提。研究分析2022至2025年的 EURO STOXX 50 指数期货（FESX），覆盖16个季度到期周期和987个清洁交易日。结论是：这批高频订单簿数据更像沿着一根连续的“压力刻度”移动，而不是在几个泾渭分明的状态之间跳转。
这不等于论文证明了所有市场状态都是幻觉。它提出的是一个更克制、也更重要的判断：至少在这份数据里，传统“状态”可能只是对连续结构的粗粒度量化。下文所有结果均来自这一项研究，尚无独立复现。
先别急着给市场贴标签
限价订单簿，是按价格排列、尚未成交的买卖委托。它告诉我们，市场愿意在哪些价位买卖多少数量。研究者通常从中观察流动性、短期供需和交易压力。
常见的市场状态模型则会假定：市场背后存在几个看不见的环境，例如平静、活跃和紧张。它们叫“隐状态”——无法直接观察，只能从价格、成交量和订单变化中推断。问题在于，只要预先要求模型分成几类，聚类或隐状态模型总能给出标签。标签存在，并不能反过来证明市场真的存在天然边界。
这篇论文因此调换了顺序：先看数据自身形成什么形状，再决定是否应该划分状态。
作者把纳秒时间戳、十档深度的订单簿数据分别聚合为30、45和60秒窗口。每个窗口取15个变量，覆盖价格、买卖价差、盘口深度、订单流和买卖失衡等信息；然后用协方差矩阵概括这些变量如何一起变化。协方差矩阵可以理解为一张“联动关系表”：它不只记录某个指标涨落多大，也记录不同指标是否同步变化。
这些矩阵属于对称正定矩阵，不能简单当作普通表格比较。论文使用两套黎曼几何——也就是为这种弯曲空间定义距离的方法——进行分析：Log-Euclidean（先对矩阵取对数，再在平直坐标中比较）和 affine-invariant（比较经过相对标准化后的协方差结构）。两套方法用于检查结论是否依赖某一种距离定义。
看到的是几座岛，还是一条山脊？
如果离散状态确实存在，数据应当更像几座分开的岛：每座岛内部相似，岛与岛之间有清楚空隙。连续状态则更像一条连贯山脊，市场可以沿着它逐步移动。
论文没有只押注一种算法。它结合几何、谱、拓扑和稳定性检查，并比较17种传统与黎曼表示方法，包括聚类、隐状态、跳跃模型、降维和非线性流形方法。作者报告，这些检验整体更支持连通的连续谱，而非稳定分离的离散状态。需要注意，17种方法是同一数据集和研究设计内的稳健性检查，并非17份独立证据。
结果还显示，这片订单簿“状态云”的有效维数约为1.4。直观地说，原始表示虽然复杂，大部分变化却集中在很少几个方向上。其中最主要的一条潜在坐标解释了协方差状态几何83.66%至85.27%的变异。
作者把这条坐标解释为连续的“压力旋钮”。它在构造时没有使用波动率或状态标签，之后却能跟踪 VSTOXX，并在不同年份保持方向稳定；不过，市场在旋钮上的平均位置会随条件改变。VSTOXX 只用于训练期内确定坐标的正负方向，没有参与协方差状态的构造。论文摘要没有给出相关系数或明确的稳定性阈值，因此“跟踪”和“稳定”仍应视为作者基于本文检验作出的描述。
切得越细，越像精确，也越难带到明年
连续刻度不妨碍实际使用者设置阈值。风控系统仍可把压力旋钮划成几档，在高压力区收紧限制。关键是不要把方便操作的刻度线误认为自然形成的市场边界。
论文沿压力轴建立了四层划分：macro、macro-subregime、micro 和 micro-subregime，也就是从粗到细的状态带。Log-Euclidean 路径最多划到27带，affine-invariant 路径最多划到31带。随后采用 expanding-year walk-forward 测试：用较早年份训练，再按时间向前检验样本外表现，并设置一天隔离期，避免相邻数据泄漏。
结果很直接。最粗的 macro 层级表现最好；更细的三层虽然能改善样本内分离，到了后续年份却不能良好泛化。原因并非高频细节没有价值。论文报告，连续的细粒度坐标仍有预测力，性能损失出现在把它离散成越来越多标签之后。换句话说，问题可能不在信息太细，而在刻度切得太碎。
它更像盘中仪表，不是隔夜水晶球
这条压力坐标还表现出均值回归：偏离典型水平后，大约5至15分钟会消退一半。Ornstein–Uhlenbeck 模型——描述变量逐渐回到常态的一类过程——与独立估计的转移算子给出了相近时间尺度。这更接近压力逐步释放，而非市场突然跳入另一个永久状态。
预测表现也与这一节奏吻合。研究在30、45和60秒三种窗口下，报告约10分钟预测期的汇总样本外决定系数分别约为0.68、0.73和0.75，最大值为0.7483。决定系数用来衡量模型对预测目标变化的解释程度。但论文提供的摘要材料没有完整交代0.7483对应的具体目标、基准、计算口径和显著性，因此不能把它单独当作普遍的预测成绩宣传。
几何状态相对“波动率持续性”基准的增量信息会随盘中预测期限延长而增强，但到了下一交易日，加入这条压力坐标并没有优于 HAR。HAR 是结合日、周、月已实现波动率的常用基准。压力坐标的速度和加速度，也没有形成稳健的样本外领先信号。论文因此把它定位为盘中压力度量，而不是次日预测因子、因果信号或危机预警器。
为什么值得关注
很多交易和风控模型会先假定市场存在有限个状态，再估计状态数量、转移概率和停留时间。这篇研究提醒我们：模型给出整齐的“平静—紧张—危机”标签，可能只是因为模型被要求这样输出。
如果真实结构是一条低维连续谱，更合适的问题就不再是“市场刚刚切换到了哪一档”，而是“压力沿哪个方向移动、移动多快、多久回落”。这会改变状态识别、风险阈值和预测模型的设计方式。离散标签仍可用于执行规则，但它们应被看作人为刻度，而不是已经证实的自然分界。
局限与未知
- 证据只来自 EURO STOXX 50 指数期货和2022至2025年样本，不能直接外推到股票、其他期货或更长周期。
- 987个“清洁交易日”经过异常过滤及开收盘半小时、欧洲央行政策窗口和合约到期时段排除，但现有材料未完整披露初始日期数量及各窗口最终保留样本数，仍需代码或独立复现核查。
- “连续谱”是这份数据和检验体系支持的解释，不是对所有订单簿状态模型的否定。有效维数、主坐标解释率和预测结果目前都只有单一研究来源。