这篇研究报告介绍了Wolfe Research利用Orbisa的实时证券借贷数据，深入分析做空行为对股票回报的影响及市场动态。研究指出，空头利率（尤其是小盘股和低流动性股票）是预测未来回报的有效指标，其效果受借贷成本、市场条件和指标选择（如空头持仓量、利用率和覆盖天数）影响。通过构建“空头利率意外”因子并剔除常见风格因子暴露，可显著提升策略表现，同时排除难以借入（HTB）股票能优化多因子模型。研究还分析了轧空的关键触发因素（如公司事件、散户交易潮、超卖反弹和宏观环境变化），发现空头在超卖或超买市场表现均不佳，并据此开发了结合市场状态调整的投资框架。最后，团队推出基于LightGBM算法的全球选股模型“Spark”，整合空头流动性、市场机制知识及非线性约束，通过分阶段子模型组合实现稳健表现，在美国市场夏普比率达2.1倍，收益主要源于个股特异性因素。研究强调实时数据、机制分析与机器学习在提升做空策略效能中的关键作用。