1．起点：尼特罗对梅路艾姆属于什么“学习”
如果只能选一个机器学习术语，梅路艾姆破解百式观音的过程最接近在线对手建模。他在战斗中持续观察尼特罗，并不断更新“在这种局面下，对方下一步最可能选择什么”的判断。[1]
只说“强化学习”过于粗糙。梅路艾姆同时在做五件事：
- 观察距离、方向、节奏、时机和上一动作。
- 推测尼特罗在不同局面中的无意识偏好。
- 预测下一步。
- 改变自己的进攻方式，让对方更容易做出某种反应。
- 搜索几步之后的突破路线。
因此，更准确的说法是对手建模＋在线学习＋序列预测＋规划。他把军仪中训练出的“读取对手选择倾向、比较未来分支”的能力迁移到了战斗。
2．一对一的组合也多得惊人，为什么仍然能读出来
假设双方只有攻击、防守、闪避、移动、佯攻五个选项，一轮同时行动就有25种组合。连续10轮是 25^10，约95万亿种。真实战斗还包含角度、速度、距离、力度和时机等连续变化，实际空间近乎无限。
梅路艾姆并没有记住所有序列。关键在于：人不会以相同概率使用所有选项。
即使尼特罗有100种防守，在某一距离下如果A占50%、B占30%、C占15%，真正需要重点处理的其实只有A、B、C。如果梅路艾姆再通过进攻方向让A更容易出现，搜索空间会进一步缩小。
所以核心不是穷举，而是：
限定局面，找出行为偏差，再用自己的行动缩小对方的反应范围。
3．市场中通常看不见“强者是谁”
一对一战斗只有一个明确对手。市场里同时存在机构、券商、做市商、高频交易者、主观交易者和普通个人。公开盘口和成交明细一般不能告诉你每一笔订单是谁下的。
因此，“复制最强短线客”是危险的表达。你能看到的不是人，而是公开数据留下的痕迹：
- 主动买入后价格上升了多少跳。
- 主动卖出出现后，价格是否仍然跌不下去。
- 被吃掉的卖盘是否快速补回。
- 买盘是否向更高价位移动。
- 突破高点后成交是否继续。
- 买卖价差是否保持狭窄，还是突然扩大。
市场版的问题不是“谁在买”，而是：
在这个可观察的局面中，哪一方真的在推动价格？
4．“吸附强者”思路为什么有可能成立
不和最快的人争第一段，而是研究剩余的持续订单流，这种思路有几项研究基础。
第一，大订单经常被拆分。 一次性下出巨额订单会把价格推向不利方向，因此母订单常被拆成许多子订单。利用东京证券交易所九年以上账户级数据的研究，定量支持了订单拆分会造成买后继续买、卖后继续卖的订单方向持续性。[2]
第二，可预测的子订单会被其他参与者读取。 研究发现，大订单执行模式越容易预测，订单预判活动、执行成本和延迟价格冲击往往越明显。[6][7] 这与“back-running”或订单预判相近：根据过去的订单流推测大交易者接下来还会做什么，并在其后交易。
第三，第一段速度竞争对人类太快。 英国交易所消息数据研究显示，典型延迟套利竞赛大约只持续5～10微秒，而且超过20%的成交量与某种速度竞赛有关。[9] 人类看屏幕后再点击，无法争夺这一段。
个人能够研究的，只能是持续更久的现象：数秒到数分钟的订单拆分、跟随订单和暂时性的流动性不足。
但这并不证明“所有第二波都能赚钱”。大订单结束后，价格冲击可能部分回撤；先手买家也可能把筹码卖给后来的追随者。真正要确认的不是价格已经涨过，而是流动尚未结束。
5．公开数据中的四类痕迹
5-1．订单流不平衡（OFI）
OFI把主动成交、最佳买卖价上的限价单增加与撤销一起计算，衡量买方和卖方压力之差。对美国50只股票的研究发现，短时间价格变化与OFI的关系比与简单成交量的关系更稳定；市场深度越薄，同样的OFI越容易造成更大的价格移动。[3]
用拔河比喻，OFI不只是数有多少人参加，而是观察绳子实际向哪边移动，以及两边谁在加入、谁在离开。
5-2．盘口队列不平衡
把最佳买价数量记为 B，最佳卖价数量记为 A：
QI = (B - A) / (B + A)
QI接近1表示可见买盘相对较厚，接近-1表示卖盘较厚。对纳斯达克10只股票的研究发现，QI与下一次中间价移动方向存在显著统计关系，大跳动单位股票的预测改善更明显。[4]
但可见挂单可以被撤销。所以不能只看静态厚度，还要看增加、撤销和成交的动态变化。
5-3．价格如何回应订单
最直观的信号不是订单数量本身，而是价格收到订单后怎么动。
- 大量主动买入却涨不动：可能有强卖方在上方吸收。
- 主动卖出很多却跌不动：可能有买方需求在下方吸收。
如果想跟随上涨，“买单很多”不如卖方反击后仍然不崩更有信息。
5-4．盘口恢复力
大订单把盘口打薄后，盘口恢复正常的速度称为恢复力。对伦敦证券交易所某只股票的研究发现，盘口并不总会补回；但在补回时，估计半衰期约为20秒，并且观察到了跟随式市价单的迹象。[5]
这不是“所有股票都用20秒”的规则。重点是测量：初始冲击后的短时间里，反方向流动性是否重新出现。
6．入场假设：不追第一下，而是等市场扛住反击后再次加速
上涨方向的简单“吸附强者”假设可以分成五步：
- 冲击：价格、成交频率和正向OFI异常快速上升。
- 等待：不立即追价，先让卖方反击出现。
- 抗压确认：回撤较浅，买盘得到补充，初始上涨的关键起点未被破坏。
- 再加速：正向OFI再次增加，卖盘被吃掉，近期高点被突破。
- 参与：只交易再加速之后的短暂延续。
例如价格从1000升到1010，回落到1007，卖压出现却始终跌不破1007，随后再次突破1010。最强者赚走前10个点，跟随者只尝试拿确认之后的剩余部分。
这不是论文已经证明的通用盈利规则。论文直接支持的是订单方向持续性、OFI和盘口不平衡的短期信息，以及订单预判行为的存在。把这些组合成上述五步，是一个需要验证的策略假设。
7．止盈应根据“入场理由还能活多久”来设计
入场理由是：
“短命的买方订单流仍在，追随买盘可能很快到来。”
因此，离场不能只看浮盈金额，还要看这个假设是否仍然成立。可组合四种出口。
7-1．前提失效离场
- 突破后立即跌回突破位下方。
- 跌破回撤低点。
- OFI转向卖方。
- 主动买入继续出现，但价格不再上涨。
- 卖盘被高速、反复补充。
- 买盘消失，价差扩大。
这时即使没有达到目标，也应退出。你跟随的快跑者已经停下，就没有理由只因为原来设定了距离而独自继续跑。
7-2．时间止损／时间退出
这个策略期待的是“很快继续”。如果在预期时间内没有创新高或再加速，没动本身就是信息。
不存在适用于所有股票的统一20秒。不同信号衰减速度不同；考虑交易成本的动态交易研究也表明，仓位调整应取决于信号的持续性和均值回归速度。[12] 应从自己的数据中统计，盈利样本通常在多少秒或多少个事件内开始起作用，并把它作为信号保质期。
7-3．固定目标
固定止盈并非错误，但没有依据的“3跳”或通用1:2盈亏比很薄弱。应收集入场后的最大有利波动（MFE），扣除价差、手续费和滑点后比较不同目标。
期望值 = 胜率 × 平均盈利 − 败率 × 平均亏损 − 交易成本
目标越远，单次收益可能越大，但命中率越低。必须一起看。
7-4．移动止盈与分批退出
移动止盈随着价格上升而抬高退出线，可以保留对少数大行情的敞口。在特定扩散模型中，数学研究证明限价卖出与移动止损的组合可能最优。[11] 这并不意味着所有市场都应该固定放在“下方2跳”。
分批止盈可能降低波动和心理压力，但也可能过早卖掉最好的一部分，并增加成交成本。没有普遍证据表明“永远先卖一半”最优。
8．止损不是越窄越好
止损研究表明，如果价格是随机游走，机械止损会降低预期收益；如果收益存在正向连续性或动量，止损才可能增加价值。[10]
这种策略本来就是在赌短期延续，因此“前提失效止损”有一定逻辑。但如果止损比正常噪声还窄，就会不断被扫掉，只剩价差和手续费。
可以区分三种功能：
- 初始止损：使交易设定失效的价格或订单流条件。
- 时间退出：预期延续没有按时出现。
- 盈利后的跟踪止损：随最近回撤低点或订单流反转上移。
9．人的止盈判断存在偏差
一项分析约1万个账户的经典研究发现，投资者倾向于过早卖出盈利资产、过久持有亏损资产，即处置效应。[13]
短线中也会出现：赚2跳时怕失去利润而立刻卖，亏2跳时却等待反弹。结果是赢得小、输得大。
因此离场应连接到事先定义的理由：
- 前提已经失效。
- 信号的时间寿命结束。
- 达到统计选择的目标。
- 触发跟踪条件。
10．研究支持什么，又没有支持什么
相对有力的结论
- 根据对手行为建模并调整自身策略，是成熟的多智能体研究方向。[1]
- 订单拆分会促进同方向订单流持续。[2]
- OFI与短期价格变化关系较强。[3]
- 盘口不平衡可能包含下一次价格方向的信息。[4]
- 其他参与者会识别并交易可预测的大订单执行。[6][7]
- 最快的市场竞赛远快于人类反应。[9]
- 止损、移动退出的价值取决于价格过程、信号持续性和成本。[10][11][12]
尚未被普遍证明的结论
- 只要浅回撤后再次突破，个人扣除成本后就能稳定赚钱。
- 公开盘口可以识别某个具体高手的订单。
- 20秒、3跳、卖一半是通用最优参数。
- 高预测准确率自然等于高净利润。
- 某一时期有效的规则，在制度和参与者改变后仍然有效。
11．最小可行验证方案
先不要直接上复杂AI。针对一个严格定义的局面，记录100～300个样本。
局面数据
- 品种、时间、价差、最小跳动。
- 初始行情的幅度和持续时间。
- 成交频率、OFI或简化买卖压力。
- 回撤幅度及面对反向市价单时的价格反应。
- 买卖盘增加、撤销和补充速度。
- 是否再加速、是否创新高。
入场后数据
- 1、5、10、20、30秒后的盈亏。
- 最大有利波动（MFE）、最大不利波动（MAE）。
- 到达最高点的时间、OFI反转时间。
- 实际成交、滑点、价差、手续费。
比较出口
- 固定止盈＋固定止损。
- 前提失效＋时间退出。
- 部分固定止盈＋其余移动退出。
- 订单流反转时全部退出。
用较早日期建立规则，用较新日期检验，避免未来数据泄漏。市场状态会变化，因此应做滚动向前检验。
最终必须看扣除成本后的结果。即使方向预测多出1跳，如果价差和滑点正好吃掉1跳，策略仍然不存在。
结论
尼特罗对梅路艾姆真正值得借用的，不是记住所有组合。
从可见行为中学习偏差，缩小局面，确认反方向的反应，再进入仍然存在的短暂路径。
放到市场中，不是寻找一个有名字的“超级高手”，而是读取强订单流在公开数据中留下的痕迹。把第一段让给更快的参与者，等待市场承受反击，并只在订单压力再次加速时短暂跟随。
止盈则回答三个问题：
跟随的理由还在吗？延续是否在预期寿命内出现？扣除全部成本后还有足够空间吗？
最简短的版本是：
不要试图击败领跑者。确认领跑者制造的流动还活着，短暂跟随；流动一停，就不要管任意设定的距离目标，立即下车。
这就是研究能较为稳妥支持的“吸附强者型短线”框架。
