如何判断return序列是否反向
下面给你一套“快检 + 深检”的思路与可直接跑的 Python 代码，分别判断：
A) 序列是否“符号被反向”（r → -r）
B) 序列是否“时间顺序被颠倒”（时间反向）
快速判断思路
A. 符号是否被反向（最常见）
- 与市场收益的相关系数
- 大多数股票与同频市场指数（如中证全指/标普500）当期相关系数为正。若你的序列与市场当期相关显著为负（如 < -0.6），高度可疑是被取了负号。
- 与权威数据源做对比
- 同一只股票、同一频率、同一时间段，和另一个来源的收益做相关，若 ≈ -1，几乎可以判定符号被翻转。
- 分布与事件直觉
- 股票日收益通常轻微负偏度，若你序列显著正偏，且与指数涨跌日“反着走”，也提示被取负。
B. 时间是否被反向（顺序颠倒）
- 领先/落后相关
- 计算 corr(r_t, m_{t-1}) 与 corr(r_t, m_{t+1})。正常数据通常与当期/滞后一阶更相关；若与你的序列在 m_{t+1}（市场的“未来”）更相关，说明你的序列可能被时间反过来了。
- 时间反演不对称性（Time-Reversal Asymmetry, TRA）
- 统计量 A(τ)=E[rt2rt−τ−rtrt−τ2]A(\tau)=E[r_t^2 r_{t-\tau} - r_t r_{t-\tau}^2]A(τ)=E[rt2rt−τ−rtrt−τ2]。对股票，受“杠杆效应”影响，常见符号是有方向性的；把时间倒过来，A(τ) 会变号。若你观测到与常态相反的符号，提示时间被反向。
- 波动与收益的先后关系
- 正常有“坏消息→波动上升”（|r| 与前一日 r 的负相关）。若你发现 |r_t| 与 下一日 r_{t+1} 关系更强，提示时间颠倒。