净值还在水上 - 节目列表

对 Zarattini 等（2025）SPY 日内动量策略（Noise Area 突破+VWAP 移动止损，原文 2007—2024 年化 19.6%、Sharpe 1.33）的首次独立样本外验证：IQFeed 1 分钟数据 2015-01—2026-03 共 110 余万根 bar，含佣金与滑点。样本内复现高度吻合（Sharpe 1.34 vs 原文 1.33），但 2024/5—2026/3 样本外大幅退化：年化从 19.8% 降至 4.8%、Sharpe 0.39、总收益 9.4% vs 买入持有 29.5%，作者归因于 0DTE 期权兴起改变日内微观结构与策略拥挤。复现代码已在 GitHub 公开；样本外仅约两年、Welch 检验未拒绝样本内外均值相等，退化是否永久尚无定论。

2022 年后央行购金重塑黄金市场，「定价权东移」缺乏直接证据，需查明贵金属累计回报究竟在 24 小时内的哪个时段产生。XAU/USD 与 XAG/USD 小时现货价（Stooq，2024-07-22 至 2026-08-07，约 2.04 年），按 UTC 划分亚洲/欧洲/美国三时段链接对数收益并回测跨时段动量规则。亚洲时段贡献金的 77.2%、银的 61.7% 累计对数回报，美国时段（波动最大却零/负漂移）分别扣减 -13.4%/-8.2%；动量集中在向亚洲时段的延续，扣成本后仅做多全时段版本存活：金净 Sharpe 1.68（vs 买入持有 1.40、回撤约减半）。

本文研究股票对153个异象（Jensen et al., 2023）的暴露如何影响市场质量，动机是异象交易的规模增长可能系统性地改变被重仓股票的流动性与信息环境。样本为1993年1月至2025年10月约191万个股票-月观测，市场质量变量含报价/有效/已实现价差、日内波动率与逆向选择代理，识别策略利用异象公开发表与股票跨越极端分位边界带来的外生变化。核心发现：异象暴露每升高一个标准差，报价价差约宽13—14%、日内波动率高26—27%；多空两侧暴露越均衡（信息歧义越大），效应越强；异象发表与跨分位事件后市场质量显著恶化，而基本面几乎未变。结果在Reg NMS前后的市场结构regime中均稳健。

本文研究A股高频交易者（HFT）行为如何影响市场质量与因子失效：用瞬时被动挂单行为识别HFT，将一分钟桶内的HFT报价占比定义为HFQ比例。数据为2023年1月1日至3月31日深圳证券交易所订单与成交数据（时间戳精度10毫秒）以及米筐（Rice Quant）数据库日频数据。核心发现：HFQ比例与下一分钟买卖价差正相关，支持“HFT损害市场质量”；HFQ比例升高显著削弱订单流不平衡（OFI）、交易不平衡（TI）等摩擦类因子的样本内预测力，但不影响动量因子；在HFQ比例最低的子样本中，摩擦因子的样本外预测力显著回升，且仅用非HFQ订单构造的不平衡因子有更强的横截面预测力。全交易日平均HFQ比例约6%、开盘后半小时约12%，呈W型日内分布；局限是样本仅3个月深市数据，HFT识别为间接推断。

本文研究A股散户“伪T+0”日内回转的具体执行行为（下单笔数、交易顺序、完成时点）是否蕴含可预测的增量信息，动机是聚合指标掩盖了散户内部的巨大异质性。样本为2014年1月至2019年6月3,385只A股的逐笔成交数据，将伪T+0强度拆解为成交量与笔数口径，并按散户资金规模分组检验日频与周频收益预测。核心发现：小散户整体无条件伪T+0几乎无预测力（中大散户无论执行风格如何均有稳健预测力），但小散中“多笔拆单+高度逆势的先卖后买顺序+午盘完成”的三重筛选信号对未来收益有稳健正向预测，三重过滤的周频复合指标（PTTIvol_sophi）经FF5调整后alpha达9.6个基点/周（t=8.05）、年化约5.12%（DHS3模型下达10.7个基点，t=9.55），单一先卖后买过滤为8.4个基点/周（t=6.45），预测力最长持续10周；大盘散户中先卖后买占51.5%，显著高于小散。局限是样本截至2019年、信号强度本身不大，且未公开完整含费回测。

Morgan Stanley的AlphaSignals将分析师判断转化为可量化的结构化数据，围绕盈利事件构建了"预览-反应"信号框架。其中，结合盈利前预期与盈利后确认的Earnings Cycle Strategy多头表现最强，实现1.49的夏普比率和1.23的信息比率。盈利预览信号是主要Alpha来源，尤其在指引/展望、盈利能力和财务成本类KPI上预测力最强；而盈利反应信号则提供事后确认并延长持仓窗口。该框架不仅适用于盈利季，还可扩展至催化剂事件，旨在成为传统深度研究的互补层，支持量化、基本面及AI驱动的工作流。

报告针对万得微盘指数“牛市平均领涨66%、熊市平均跌25%”的非对称高弹性与极端尾部风险（如2024年初-46.73%流动性危机），研究如何以择时保留上涨弹性同时压降回撤。基于2016.01—2026.06日频数据，以MA(15)为趋势锚，构建“超跌+资金回流+价格确认”三重逻辑的普通/危机双通道底部信号，与“扩散指数曾达0.85以上+5日回落+资金流恶化”的顶部退出机制。三段式综合策略年化收益30.60%、夏普1.80、最大回撤20.40%、卡玛1.50（买入持有为20.31%与46.73%回撤），底部信号全样本触发16次、15日持有胜率93.75%。局限是标的为不可直接交易的微盘指数、扩散阈值0.85缺乏参数稳定平台存在过拟合风险，且2024年初DMA踩踏类黑天鹅无法被提前识别。

1. 本文发现美股个股存在显著的"收盘前反转"（End-of-Day Reversal）现象：从隔夜到下午3点的累计收益（ROD3）与最后半小时收益（LH）呈显著负相关，且该效应主要由日内下跌股票（losers）驱动，与市场层面的日内动量形成互补。 2. 作者排除了流动性冲击、收盘价机制、信息交易及Gamma对冲等解释，证实该价格压力是暂时性的，会在次日反转。 3. 机制检验表明，这一反转主要源于两类交易行为：一是散户投资者受注意力驱动在尾盘"抄底"买入日内下跌股票，二是空头因担忧隔夜无限风险而在收盘前显著减少新开空仓，两者共同对 losers 形成正向价格压力。

1. 本文发现，一个共同的全局模型预测各国股票收益的效果显著优于仅使用本地数据估计的本地模型，即使全局模型完全不包含该国数据（硬迁移学习）也依然有效。 2. 作者提出广义弹性网络（GENet）方法实现"软迁移学习"，在利用全球信息提升估计精度的同时，识别出显著的本地成分，但量化结果显示全局成分占比高达96%。 3. 进一步分析表明，风险类因子的预测关系在全球范围内高度一致，而错误定价类因子存在本地差异；该迁移学习框架同样适用于XGBoost和神经网络等非线性模型。

本文提出了一种基于机器学习模型异质性来度量投资者信念分歧的新指标——Machine Forecast Disagreement (MFD)，通过让不同"投资者"使用不同模型规格处理共同信息集，模拟信念分布。研究发现MFD与未来个股收益存在显著的负向关系：做空高MFD、做多低MFD的十分位组合可获得约14%的年化价值加权收益，且该预测力独立于传统因子与分析师预测分歧(AFD)。进一步分析表明，MFD-alpha主要由卖空约束与套利限制导致的错误定价驱动，高MFD股票在财报公告窗口期的超额跌幅进一步支持了错误定价假说。该指标可分解为信息集分歧与模型分歧，且在国际市场同样有效，为理解异质信念与资产定价提供了新的实证工具。

这篇论文发现，股票收益的预测关系具有惊人的全球一致性：一个基于全球数据训练的共同模型在预测各国股票收益时，显著优于仅使用本地数据的本地模型，且预测函数的全球成分占比高达96%。作者提出了一种名为广义弹性网络（GENet）的迁移学习方法，通过将全球信息作为先验"软转移"到本地估计中，在提升预测精度的同时识别出显著的本地成分。进一步地，研究发现风险类信号的定价关系纯粹是全球性的，而错误定价类信号则存在显著的本地差异，暗示本地资产定价主要源于文化、制度或市场结构差异导致的非理性偏差，而非风险补偿的国别差异。这些结果表明，决定随机贴现因子的预测函数在过去一个世纪中跨国跨时保持了高度稳定。

文章发现，收盘价第一位小数落在 X.1 的股票，次日、次周显著跑赢收盘价落在 X.9 的股票；核心机制是整数和半整数价位附近的限价单聚集，导致价格略高或略低于整数关口时面临非对称的买盘支撑和卖盘压力。作者用 1963—2021 年美股日频数据、1993—2014 年 TAQ 高频盘口数据、22 个海外市场，以及拆股和分红带来的外生价格变化，验证了这一现象及其因果解释。