市场_thinker

2024-11-12 06:41来自 iPhone 15 Pro

投资成功最重要的几件事： 1，不要轻易改变投资目标、杠杆水平和beta水平，保持一贯性与连续性，让投资体系发挥作用。 2，彻底放下怨恨和恐惧，才可以成功。 3，保持耐心与韧性，强制拉长评估周期，市场大多数时候都处于噪音状态，只有极少数时间才提供重大机遇。 4，没有所谓的好年代与坏年代，投资 ​

23

0

38

市场_thinker

2026-07-05 18:45来自 iPhone 15 Pro

规则1：所有的消息都是好消息（如果是坏消息，它总能变成好的）。 规则2：所有东西都便宜（即使要制定新的估值方法）。 规则3：主观判断胜过客观证据（不要让事实妨碍到一个好故事）。 这些规则支配着华尔街的大部分研究，记住这一点有助于保护你不会成为自我服务偏差的牺牲品。 ​

1

0

1

市场_thinker

2026-07-05 17:10来自 iPhone 15 Pro

“任何生命都不应该离开可亲可敬的海洋母亲”，这是最近一段时间看到的最幽默的文字。 ​

0

0

3

市场_thinker

2026-07-05 08:38来自 iPhone 15 Pro

【market liquidity as a sentimental indicator】 【作为情绪指标的市场流动性】 Abstract We build a model that helps to explain why increases in liquidity—such as lower bid–ask spreads, a lower price impact of trade, or higher turnover—predict lower subsequent returns in both f ​

1

0

0

市场_thinker

2026-07-04 15:54来自 iPhone 15 Pro

【霍焱的Capula投资公司】 Capula是什么量级？截至2024年管理规模约300亿美元，2025年下半年进一步增长到约320亿美元，是全欧洲排名第四的对冲基金，总部位于伦敦梅菲尔，并在香港、东京、新加坡、纽约、格林尼治等地设有关联实体。 它最出名的看家本领，叫“危机阿尔法”（Crisis Alpha）——简单说 ​

2

0

3

市场_thinker

2026-07-04 15:34来自 iPhone 15 Pro

这份研报构建了一套完整的“识别-选股-风控”三位一体量化投资体系。以下用约2000字详细复述其策略逻辑与核心框架： --- 一、策略基石：A股“双模态”定价模型 策略的出发点并非直接寻找alpha因子，而是先诊断市场所处的“宏观模态”。报告将A股划分为两种截然不同的运行模式： · 主线模式（抱团/ ​

0

0

1

市场_thinker

2026-07-04 14:04来自 iPhone 15 Pro

我们的结果揭示了现实世界中成功的投资是什么样子的。尽管乐观的资产管理公司常常宣称能实现1或2以上的夏普比率，许多首席投资官也追求类似的高业绩指标，但我们的研究表明，长期投资者或许应设定切实的业绩目标，并做好应对艰难时期的准备——即便是巴菲特也经历过这样的时期。事实上，巴菲特凭借0.79 ​

1

0

0

市场_thinker

2026-07-04 09:06来自 iPhone 15 Pro

这就是这篇论文最核心的方法论突破——“端到端”（End-to-End）学习。它彻底颠覆了传统量化“先预测、再优化”的两步走模式。 为了让你更清晰地看出区别，我们对比一下： 1. 传统监督学习（预测收益率） · 标签（Label）：未来的实际收益率（比如 t+1 时刻的价格变化）。 · 做法：输入特征 X_t，预 ​

0

0

1

市场_thinker

2026-07-04 07:59来自 iPhone 15 Pro

其实，股市里面赚钱的秘诀，在于学会进攻的同时学会防御，只会进攻的士兵几乎没有能够完整回家的。 《避险天堂》通篇讲了这样一个浅显的道理：一旦坠入亏损的伯努利瀑布，绝大部分人无法生还，这也是大部分赌徒和A股投资者的实际经验。 ​

1

0

2

市场_thinker

2026-07-04 06:45来自 iPhone 15 Pro

【股市长效防御机制】 两篇论文的核心观点 · Valenti（2026）：在满仓美股之上，用国债、黄金、避险货币做多，用能源、铜做空。只有当这些资产在“美股下跌的那些周”确实能赚钱（条件动量）且自身趋势不差（无条件动量）时才开仓。全部用期货实现，不卖一股股票。 · Baltussen（2025）：在股债组合 ​

2

0

1

市场_thinker

2026-07-04 06:12来自 iPhone 15 Pro

【股市资产的多资产防御叠加策略】 这篇题为 《A Systematic Multi-Asset Defensive Overlay for Equity Portfolios》 的工作论文（作者 Francesco Valenti，2026 年）提出了一种系统性多资产防御性叠加策略，旨在改善纯股票投资组合的风险收益特征，尤其缓解大幅回撤对长期复利和投资者行为的影响。 ​

2

0

0

市场_thinker

2026-07-03 07:42来自 iPhone 15 Pro

本文反复验证的一条主线是：衍生品指标更适合提示风险与机会窗口，而不是预测每日涨跌方向。 衍生品定价反映的是保护需求、资金状态和远期价格预期，这类状态变化通常比价格波动更慢，也更容易出现均值回复。恐慌充分释放、保护需求达到极端时，往往对应修复机会临近；上涨后保护需求异常升温、期货与 ​

0

0

1

市场_thinker

2026-07-03 06:33来自 iPhone 15 Pro

这篇论文题为 《Exposure to Left-Tail Risk, Risk Appetite and Mutual Fund Flows》（左尾风险敞口、风险偏好与共同基金资金流动），由 Ali K. Malik 撰写，旨在研究主动管理型股票基金的左尾风险对其资金流动、业绩表现及投资组合选择的影响。 --- 一、核心研究问题 论文主要回答以下几个问题： ​

0

0

2

市场_thinker

2026-07-01 06:35来自 iPhone 15 Pro

【多空预测机器学习模型的标签】 标签（Label）设计：不要预测“涨跌”，要预测“风险收益比” 如果直接用未来N日收益回归（预测具体收益率），噪声极大，模型极易过拟合。 推荐方案：采用三分类标签。将未来5日（或10日）的累计收益按波动率标准化，划分为 +1（显著上涨）、-1（显著下跌）、0（震 ​

1

0

1

市场_thinker

2026-06-30 21:31来自 iPhone 15 Pro

【衍生品因子构建指数多空模型】 文中使用衍生品因子的核心逻辑，确实可以概括为捕捉“急跌反弹”和“高位防守”。但这并非简单的逆向操作，其背后有严密的经济学逻辑：“急跌反弹”是利用“风险已经被充分定价”的均值回归，而“高位防守”则是捕捉“风险正在被错误定价”的市场分裂。这两者都围绕一 ​

0

0

1

市场_thinker

2026-06-30 06:50来自 iPhone 15 Pro

这两个指标是招商证券四维择时框架中 “非线性情绪”维度的核心组成部分，同属于价量比信号类别。报告原文未给出明确数学公式，以下解析基于金融工程通用定义与报告上下文逻辑推导。 --- 一、收益换手比（Return-to-Turnover Ratio） 核心含义：衡量“单位换手率所驱动的价格涨幅”，即价格上涨的效 ​

3

0

1

市场_thinker

2026-06-28 21:03来自 iPhone 15 Pro

纯多头量化产品研发接近完成，不做空也可以穿越牛熊时空。 ​

1

0

1

市场_thinker

2026-06-28 09:37来自 iPhone 15 Pro

【偏度因子改善量化选股策略】 将多空（Long-Short）逻辑转化为纯多头（Long-Only）策略，核心挑战在于：无法直接做空低偏度股来获利。因此，必须将“做空低偏度”转化为“剔除/低配低偏度”，并将“做多高偏度”转化为“精选或超配高偏度”。 以下是4条具体的应用路径，按操作难度从易到难排列： 1 ​

1

0

0

市场_thinker

2026-06-27 12:50来自 iPhone 15 Pro

【简单分类学习捕捉崩盘风险】 简单模型（逻辑回归）有效，且显著优于复杂模型（如随机森林、梯度提升），根本原因在于问题本身的“天生线性可分”本质，加上复杂模型在低维数据上的严重过拟合。结合论文数据，具体原因如下： 1. 决定性原因：标签是由特征“定义”的（人造线性关系） 这是最核心的 ​

0

0

0

市场_thinker

2026-06-27 09:25来自 iPhone 15 Pro

最近在看《无悔追踪》，这个30年前播出、取了个谍战片名字的黑色幽默神剧，立刻改变了我小本本中国产剧的排名。本剧水平可对标《大王王朝1566》。 ​

1

1

1

市场_thinker

2026-06-27 05:49来自 iPhone 15 Pro

【日内方差集中度如何预示次日股市崩盘风险？】 ——基于标普500高频数据的证据 期刊：Journal of Derivatives and Quantitative Studies 研究时段：2005–2020年（含2008年金融危机和2020年COVID-19崩盘） 这篇论文研究了日内方差的时态分布是否能为次日崩盘风险提供独立于波动率水平之外的预测信息 ​

0

0

2

市场_thinker

2026-06-27 05:46来自 iPhone 15 Pro

这份研报核心是介绍了一个基于吸收率（AR） 的A股风险识别与行业配置框架。以下是核心内容总结： 1. 核心概念：吸收率（AR） · 定义：通过主成分分析（PCA）计算，衡量少数共同因子能解释多少市场波动。 · 逻辑：AR抬升意味着资产共振增强、分散化失效，市场处于“脆弱”状态；AR回落则风险分散。它 ​

0

0

1

市场_thinker

2026-06-25 06:59来自 iPhone 15 Pro

基于这篇论文，针对大盘指数（如沪深300、标普500）的择时，需要彻底抛弃“盘整蓄势——突破追涨”的散户思维。论文Table 8无情地证明：指数盘整越长，突破力度反而越弱（相关系数-0.036**）。 既然“蓄势”是伪命题，我们就反其道而行之，利用论文中指数特有的负偏差（实际POR聚类比GARCH预测的更弱 ​

4

0

4

市场_thinker

2026-06-25 06:35来自 iPhone 15 Pro

基于这篇论文，风险管理应用是其明确强调的核心价值之一。作者指出，趋势信息预测波动和相关的效果，比预测收益本身更显著。五个具体维度展开说明这些发现如何落地到风险管理实务中： 1. 动态VaR（风险价值）与压力测试的精准化 传统风险模型（如GARCH、EWMA）主要依赖滞后波动率（昨天的方差）来预 ​

2

0

1

市场_thinker

2026-06-25 06:23来自 iPhone 15 Pro

这篇题为《金融市场的趋势、波动性、相关性和临界现象》的论文（2026年6月）由瑞士多所高校的研究者完成，核心工作是利用当前市场趋势强度，来预测未来的波动率（方差）和资产间相关性，从而改进传统风险管理模型，并为金融市场的统计物理模型提供实证支持。 数据与方法 · 数据：1991–2023年，共33 ​

2

0

0

市场_thinker

2026-06-25 06:05来自 iPhone 15 Pro

【POR因子的实盘价值】 基于这篇论文的严谨结论，直接照搬“盘整蓄势，突破买入”的传统策略会被数据证伪（论文Table 8已明确：盘整越长，突破越小）。 因此，实盘策略必须绕过这个陷阱，转而利用POR的长记忆性（状态持续性）和微观结构异质性。以下是四个具有实操价值的策略框架： 策略一：状态过 ​

4

1

2

市场_thinker

2026-06-24 22:52来自 iPhone 15 Pro

【A股的反转因子】 是一个剔除最近一周噪音的、基于过去3个月负收益的、等权排序的月度信号，其统计预测能力极强且不受传统因子左右，但因其指向的是流动性较差的中小盘股，纸面收益高，实际交易摩擦成本巨大。 ​

2

0

0

市场_thinker

2026-06-24 22:44来自 iPhone 15 Pro

国金证券研报表明，散户论坛舆情在中小市值股票（中证1000最佳）中预测有效。方法上结合FinBERT2情感分类与BERTopic+LLM主题分类。 核心发现：正面情绪过热预示下跌（反转效应）；基本面讨论占比预示上涨（正IC），而技术面与情绪发泄占比预示下跌（负IC），观点方向（多/空）无效。策略因空头端负超 ​

1

0

1

市场_thinker

2026-06-22 20:19来自 iPhone 15 Pro

对于普通投资者而言，这篇学术论文最大的价值不在于教你如何构建复杂因子，而在于用海量数据戳破了几个常见的认知误区。以下是基于论文实证结论的5条最简要且反直觉的建议： 1. 远离“高Beta、高波动”的“热闹股” 论文明确指出，年轻和缺乏经验的投资者之所以长期跑输，是因为他们过度持有了高Beta ​

5

0

3

市场_thinker

2026-06-22 19:41来自 iPhone 15 Pro

这篇论文《Investor Factors》（投资者因子）由Sebastien Betermier等四位学者撰写，提出了一种从个人投资者持股数据中提取定价因子的新方法，并利用挪威个体投资者的完整行政数据进行了实证检验。以下是论文的系统性总结： 一、研究背景与动机 传统资产定价模型（如Fama-French因子模型）多基于公司 ​

1

0

1

市场_thinker

2026-06-22 17:26来自 iPhone 15 Pro

欢欣鼓舞的股民得知今日是A股历史上成交额第二大的交易日（第一大是今年1.14），更开心啦，放量大涨，涨的健康！ 我突然想到一个问题，那么大成交额，代表了极大分歧，那么买方是傻瓜，还是卖方是傻瓜？ ​

2

1

3

市场_thinker

2026-06-21 08:16来自 iPhone 15 Pro

我们考虑以下3点来引入资产内在属性优化趋势追踪模型： 1、当回看窗口中出现相同价量形态时，波动率水平一定程度上代表了资产的内生动能，能为模型提供额外信息来判断未来价格走势。 2、而且由于计算区间划分时点的问题，会出现短期波动率下降、中期波动率上升，或短期波动率上升而中期波动率下降的情 ​

0

0

2

市场_thinker

2026-06-20 17:56来自 iPhone 15 Pro

论文的核心论点否定“低MSI beta因子是错误定价”，并将其明确定性为系统性风险溢价。作者从五个维度层层递进地展开了论证： 1. 符合ICAPM状态变量条件（最根本证据） 错误定价通常意味着未来价格会逆转（均值回归），但论文第4.5节通过ICAPM检验证明，MSI满足Maio & Santa-Clara（2012）三标准，属于 ​

0

0

1

市场_thinker

2026-06-20 08:48来自 iPhone 15 Pro

成交额排名前5%的个股的成交额占全部A股占比用以观测市场微观结构是否恶化。 作为市场微观结构恶化的核心判断指标，本指标可衡量当前市场交易筹码的集中度和交易拥挤度，当其超过阈值45%的时候，往往意味着市场交易集中度大幅提升，理性投资者、噪音投资者和套利者在交易上发生了趋同，微观结构呈现恶 ​

3

0

3

市场_thinker

2026-06-19 00:10来自 iPhone 15 Pro

【1】 黑黝黝的夜看似平静 每个高楼的窗户 都发出一种声音 虚空中有一个静止的你 时而模糊时而清晰 我摸着胸口 微笑着抽取记忆 孤独有一阵那么强烈 直到你挥挥手 霎那间我恢复了命运 ​

0

0

3

市场_thinker

2026-06-17 06:36来自 iPhone 15 Pro

【A股概念因子】 本文从高概念数量的股票可能提供长期溢价的思路出发，构建了概念数量因子，并在此基础上对该因子进行优化与拓展分析。 传统行业标签存在横向排他性与纵向滞后性上的局限，因此，近年来非排他性与低滞后性的概念投资体系逐渐形成。基于同花顺数据源，利用上证e互动、深证互动易等问答 ​

1

0

1

市场_thinker

2026-06-17 06:16来自 iPhone 15 Pro

【突破形态选股的量化方法】 本报告围绕平台突破形态，构建了一套从信号识别到策略落地的量化选股框架。整体框架包含四个递进环节：首先，利用布林带过滤与趋势方向迭代识别股价的局部高低点；随后，基于HSAR算法对高点序列进行价格分箱和密度聚集，定位水平阻力位；继而，以收盘价突破阻力位3%作为突 ​

2

0

0

市场_thinker

2026-06-16 07:15来自 iPhone 15 Pro

论文采用 Jensen, Kelly, 和 Pedersen (2023, JKP) 的分类方法，将大量因子归入 13 个经济主题，例如： · 价值（Value） · 动量（Momentum） · 质量（Quality） · 规模（Size） · 低风险（Low Risk） · 投资（Investment） · 盈利增长（Profit Growth） · 应计项目（Accruals） · 短期反转（Short-Ter ​

1

0

2

市场_thinker

2026-06-15 21:42来自 iPhone 15 Pro

 机制分析：AI到底帮基金"看懂"了什么？ 作者把14个ChatGPT信号拆成三组，逐一检验哪类信息最有价值： 收益来源分解：公司政策信号（雇佣、资本开支、工资成本、资本成本）→ 系数最大，最赚钱 公司业绩信号（盈利、营收、财务前景、产品市场）→ 显著正收益 宏观信号（全球经济、美国经济、行业前 ​

2

0

1

市场_thinker

2026-06-14 22:39来自 iPhone 15 Pro

大小盘风格择时大小盘风格择时参考前期报告《基于趋势和拐点的市值因子择时模型》（2025-05-25）。在大多数情况下，大小盘风格的走势不如红利等其他风格温和，因此投资者对待大小盘风格的视角因市场状态而异——在低拥挤的时候，大小盘风格的驱动力源于宏观环境，而宏观基本面的变化较慢，投资者一般更 ​

4

0

2

市场_thinker

2026-06-14 19:38来自 iPhone 15 Pro

我们在报告《ETF的聚类优选与热点趋势策略构建》中构建了ETF的热点趋势策略，即根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF；进一步根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子，并选择因子多头组中近5日换手率/近20日换手率最高，即短 ​

1

0

1

市场_thinker

2026-06-12 17:23来自 iPhone 15 Pro

这篇论文《商品期货收益中的领先-滞后关系：一种机器学习方法》由Yufeng Han和Lingfei Kong撰写，系统研究了商品期货市场中不同品种之间的收益可预测性，特别是通过机器学习（尤其是LASSO）方法捕捉领先-滞后关系。以下是论文的核心内容总结： 研究动机与背景 · 商品期货市场在过去二十年中经历了“ ​

2

0

3

市场_thinker

2026-06-10 17:09来自 iPhone 15 Pro

持续获得市场认可。 ​

0

1

8

市场_thinker

2026-06-09 07:49来自 iPhone 15 Pro

智慧底來臨 盛開的葵花朝着陽光移轉， 太陽走去時他還有感情， 在被遺留的地方忽然是黑夜， 對着永恆的像片和來信， 破產者回憶到可愛的債主， 剎那的歡樂是他一生的償付， 然而漸漸看見運行的星體 孤獨的在各自的軌道上， 和他們一一握手自己是主人， 於是便殘酷地從他們走過， 稍一沉思會听見過 ​

0

0

2

市场_thinker

2026-06-08 22:16来自 iPhone 15 Pro

饱经沧桑的张嘉译看着台上的戏，抹着眼泪说：每一个戏都得是大团圆结局嘛。推荐优质国产剧《装台》。 ​

0

0

2

市场_thinker

2026-06-06 11:34来自 iPhone 15 Pro

上述讨论的度量投资者情绪的四个关键要素是：信念修正（通过消费者信心等事项的调查问卷来度量），交易决策（用投资者资金流量或总交易量来度量），错误定价（比较价格与基本面价值的估计值来度量，或者首次公开募股的定价），精明投资者的反应（用公司行为或内幕交易来度量）。 ​

0

0

1

市场_thinker

2026-06-05 16:29来自 iPhone 15 Pro

如果参与者都变得越来越精明，那么市场会趋向于有效。而A股的情况是，一部分投资者越来越精明，而另外一部分则停留在原地，那么市场会趋向于有效吗？我的观察是：不会，市场保留在假装有效的状态，但足以完成博弈目标即可。 ​

0

0

1

市场_thinker

2026-06-05 13:19来自 iPhone 15 Pro

“资本主义是人道主义的一种？” 我不太懂，但我深受震撼。 ​

0

1

5

市场_thinker

2026-06-05 13:09来自 iPhone 15 Pro

中证1000指数可能和小微盘股一起，进入一个短暂的反弹周期。 ​

0

0

4

市场_thinker

2026-06-04 20:12来自 iPhone 15 Pro

【风格因子有效的底层逻辑】 并非源于传统的风险补偿或投资者对基本面信息的反应不足，而是源于投资者在“风格层面”的正反馈交易，具体可拆解为以下四个核心环节： 1. 逻辑起点：投资者按“风格”做决策，而非个股 现实中，大量投资者（尤其是机构）并不孤立地看待单只股票，而是基于风格分类来做资 ​

0

0

1

市场_thinker

2026-06-04 08:05来自 iPhone 15 Pro

所以，长期持有一定程度可以弥补买入价格偏高的缺陷，原理正是持有时间提升赔率。 宽基指数投资也是类似“内部赢家通吃”的过程，导致长期高胜率高赔率。 指数一般都是市值赋予权重，结果好的公司一直在加仓，差的公司一直在减仓，只要大环境有利于大公司（大部分时候都是如此），指数就可以长期获得 ​

2

0

1

市场_thinker

2026-06-04 08:02来自 iPhone 15 Pro

模糊的正确的“正确”，说的是赔率而不是胜率。 赔率思维是那些风格迥异的大师的共同之处。索罗斯说，判断对错并不重要，重要的是，对了你能赚多少，错了你要亏多少？ 分析这句话，判断对错并不重要，是因为胜率不可控，但要事前评估“对了你能赚多少，错了你要亏多少”，这就是赔率。 ​

1

0

6

市场_thinker

2026-06-04 06:09来自 iPhone 15 Pro

量化做到后面，比拼的常常不是谁更会选股，而是谁更会管理自己的体验。 这一点很反直觉，但特别重要。因为如果一套系统每次回撤都能把你吓到想关掉，那不管它纸面上多优秀，你最终都很难真正享受到它的长期价值。 说到底，量化不是在比谁回测更漂亮，而是在比谁能把系统真实地拿到最后。而一条能被你 ​

2

0

1

市场_thinker

2026-06-03 15:32来自 iPhone 15 Pro

根据这篇论文（以及其理论基础Cao et al., 2025），低不确定性时期高Beta股票显著跑输低Beta股票的核心逻辑，可以概括为一条“投资者行为→杠杆约束→定价扭曲”的链条。 具体来说，有四个关键环节： 1. 低不确定性改变投资者心态 当宏观经济不确定性低时，会发生两个变化： · 风险厌恶降低：投资者 ​

0

0

0

市场_thinker

2026-06-03 06:49来自 iPhone 15 Pro

因为市场中最重要的不是模型在正常时期是否表现好，而是它在压力环境下是否突然失效。 金融模型最大的风险，往往不是平时预测误差大一点，而是在市场 regime 发生切换时，模型还以为世界没变。 论文特别强调，危机期数据对于模型鲁棒性评估非常重要。只有把模型放到高波动、高相关性、流动性消失、尾 ​

1

0

1

市场_thinker

2026-06-02 06:52来自 iPhone 15 Pro

王喆：从量化角度，短期动量和成长因子今年表现确实极其突出，但历史上这类策略的稳定性一般，大样本中长期贡献稳定超额的一直是小市值、低波、低估值等因子。问题在于，当前部分因子拥挤度已超历史极值，虽然无法判断回归时点，但风格波动加剧是确定的。因此，当前阶段风控应摆在首位。应对方式有两种 ​

0

0

1

市场_thinker

2026-06-02 06:50来自 iPhone 15 Pro

傅开波:AI赋能金融投研已经走向实战，尤其是量化私募，从人工挖因子到agent挖因子再到端到端大模型构建，AI不仅是对于我们工作习惯的改变，也一定程度上改变了资本市场走势。您觉得在AI大时代，公募量化团队该如何利用AI，给投资者创造稳定的超额收益？ 王喆：要回答这个问题，首先要认清AI对资本市场 ​

0

0

0

市场_thinker

2026-06-02 06:45来自 iPhone 15 Pro

在中观组合管理层面，一个重要的认知是：行业轮动的超额不稳定，但风格轮动相对稳定。因此我们倾向于以风格周期判断作为底仓，再叠加有锐度的行业轮动模型去增厚收益。经过摸索，这是收益性价比相对较高的解决方案。 ​

0

0

0

市场_thinker

2026-06-02 06:38来自 iPhone 15 Pro

说的很对，pure alpha终究会衰减，风格因子收益才能持续。这个也是我们的强项。 ​

0

0

1

市场_thinker

2026-06-01 07:42来自 iPhone 15 Pro

基于报告中关于“注意力溢出因子”的说明，其核心逻辑是：投资者的注意力会从高关注度的股票，溢出到同一板块中关注度相对较低的同类股票上，后者因未被充分关注而存在上涨潜力。 具体的构建方法分为以下三个步骤： 第一步：界定“同类股票”的范围 报告没有采用代码相邻等简单标准，而是更贴合实际 ​

1

0

2

市场_thinker

2026-06-01 07:34来自 iPhone 15 Pro

这篇文章是中信建投证券发布的一篇深度量化研报，核心探讨了A股市场中“投资者注意力”对股价的影响，并构建了三类量化因子。 1. 核心逻辑：为什么“关注度”能预测股价？ 在信息爆炸的市场中，投资者注意力是稀缺资源。由于A股缺乏做空机制，高关注度的股票易被非理性买入而短期推高，随后常发生价 ​

0

0

1

市场_thinker

2026-05-31 21:14来自 iPhone 15 Pro

微盘股、亏损股2021年以来的表现堪称惊人。 ​

2

2

3

市场_thinker

2026-05-31 08:39来自 iPhone 15 Pro

本文分析了一种新型的对冲基金管理者对冲能力——对冲市场情绪的能力。我们首先基于1995年至2014年间3,952只对冲基金的样本，在基金层面考察了情绪对冲能力。我们发现强有力的证据表明，对冲基金会根据整体市场情绪水平的变化调整其投资组合敞口。此外，分析显示，对冲基金同时表现出正向和负向的情绪 ​

0

0

0

市场_thinker

2026-05-30 16:00来自 iPhone 15 Pro

我们将从这里开始我们的精神之旅，打下坚实的基础。自尊是一个人如何思考和感受自己的品质和特点。 在交易中，就像在大多数你所努力的事务中一样，我们需要高度的自尊。我们交易的市场会用一种阴险的方式刺激我们的心理按钮，让我们怀疑自己。对自己的品质和特点有积极的看法有助于抵消随着时间的推移 ​

0

0

3

市场_thinker

2026-05-30 10:54来自 iPhone 15 Pro

这篇论文题为 《Algorithmic Content Curation on Financial Social Media and Investor Welfare》，由 Drake、Koenraadt、Thornock 和 Twedt 于 2026 年撰写，研究了金融社交平台（以 StockTwits 为例）上的算法推荐系统如何影响投资者行为和市场结果。 结论 算法推荐系统虽然提升了投资者在金融社交 ​

0

0

0

市场_thinker

2026-05-29 07:50来自 iPhone 15 Pro

如果GRU真的对每只股票独立训练一个时序模型，那么单只股票的历史数据长度（比如几十个季度或月）确实远不足以训练出一个可靠的神经网络。但文中并非这样做的，实际处理方式巧妙地将时序问题转化为了大样本的监督学习问题。 常见误解：GRU不是为每只股票单独训练模型 很多人误以为“时序模型”就是为 ​

0

0

1

市场_thinker

2026-05-29 07:45来自 iPhone 15 Pro

【行业轮动因子】 根据报告对行业轮动因子化后的回溯测试，该因子表现出了优异的量化特性。其月度IC（信息系数）达5.3%，ICIR（信息比率）达4.0，属于表现较强的因子，且因子值近年来快速上行，体现出牛市的强进攻特征和动量属性。在高动量板块下，动量因子和反转因子在综合打分时容易形成"共振"，更有 ​

1

0

0

市场_thinker

2026-05-29 06:53来自 iPhone 15 Pro

最近A股极致的市场分化，给持仓大型科技股的投资者带来巨大收益，也导致中证1000指数暂时未能代表市场风险状态。 当然如果钟摆越过极点，那就会产生另外一个机会，即科技股的short机会。 那么，这个机会的最佳品种是什么？ ​

0

2

0

市场_thinker

2026-05-29 06:39来自 iPhone 15 Pro

主动权益基金的投资共识性因子 赛道型基金（单赛道、双赛道等）具备更深的产业研究，能提前布局主题性Alpha。 构建“投资共识因子”：筛选近期能持续获取超额收益的基金（过去三期重仓股超额收益排名前40%），统计其重仓股在二级行业上的分布，持仓集中度高的行业代表机构共识增强，未来可能演变为Be ​

0

0

0

市场_thinker

2026-05-29 06:07来自 iPhone 15 Pro

比特币具有极强的趋势性，趋势跟踪策略在比特币上异常有效——不仅能提高夏普比率，甚至能提高绝对回报（因为避开了暴跌）。 ​

1

0

0

市场_thinker

2026-05-29 05:34来自 iPhone 15 Pro

制度（regime)不可知论者的战略资产配置（第346-347页） 核心论点：长期组合应制度不可知——即在所有制度下都能产生正回报。这意味着要减少对股债的依赖，增加趋势跟踪、套息、质量股票等替代策略。 配置建议（图15.9，第347页）： · 传统60/40：信息比率0.55，滞胀期大幅亏损。 · 制度稳定组合：5 ​

0

0

0

市场_thinker

2026-05-29 05:31来自 iPhone 15 Pro

通过k-means聚类，可以将历史宏观环境划分为10个典型“制度”，每个制度有独特的资产表现特征。“金融条件收紧”和“滞胀”是最具挑战性的制度。 ​

0

0

0

市场_thinker

2026-05-29 05:28来自 iPhone 15 Pro

第十五章从宏观角度探讨资产配置，核心论点是：传统的60/40组合和风险平价在滞胀环境下失效，投资者应根据宏观制度（regime）进行战术和战略配置。制度识别应超越简单的增长-通胀四象限，引入金融条件、风险偏好等变量；在滞胀时期，趋势跟踪、套息等宏观策略表现最佳。 简单的增长-通胀四象限无法充 ​

0

0

0

市场_thinker

2026-05-28 15:24来自 iPhone 15 Pro

基于论文中的特征重要性分析（波动率 > 动量 ≈ 趋势 > 其他 > 成交量）以及分组测试显著性（动量、波动率、其他三类单独使用均有显著预测能力，趋势和成交量不显著），结合量化研究中的降维和去冗余原则，我从172个指标中筛选出20个核心因子，按类别列出如下： --- 精简后的核心因子清单（共20个） ​

2

0

1

市场_thinker

2026-05-28 15:19来自 iPhone 15 Pro

论文中使用的172个技术指标的文字版清单，按类别分组，每个特征附带简要说明。 注：带 _rel 后缀的指标为该指标的相对值（例如相对于移动平均或归一化版本）。 --- 一、成交量指标（Volume Indicators，20个） · volume adi：累积/派发指数，衡量资金流入流出 · volume obv：平衡成交量，将成交量与 ​

0

0

0

市场_thinker

2026-05-28 15:15来自 iPhone 15 Pro

这篇论文的核心方法就是： 1. 用个股数据训练模型 使用来自全球66,905只个股的172个技术指标（动量、波动率、趋势等）以及“下个月是否跑赢市场中位数”的二分类标签，训练一个随机森林分类模型。 2. 将训练好的模型直接应用于ETF 不重新训练，而是用该模型对每只ETF当月计算出的技术指标进行预 ​

0

0

0

市场_thinker

2026-05-28 08:12来自 iPhone 15 Pro

【CTA模型的成本问题】 趋势市中，这些信号因为指向同一方向而高度冗余，信号增多并未带来超额收益； 而市场震荡时，信号由于反应速度差异而结构性背离，我们却承担了与信号数量对等的额外成本。 CTA赚的是趋势溢价，这一点学界和业界已有共识。Ang和Bekaert（2002）关于状态依赖相关性的研究，以及 ​

1

0

0

市场_thinker

2026-05-28 07:04来自 iPhone 15 Pro

有没有办法在性能明显下降之前就感知到环境的变化？有几类信号值得关注。 1. 特征空间漂移。可以计算训练集与近期滚动窗口的特征分布之间的 Wasserstein 距离或 PSI。当这些指标超过历史分布的较大分位数时，说明模型面对的环境已经不再熟悉。 2. 预测残差的序列相关性。当市场结构变化时，模型的预 ​

1

0

0

市场_thinker

2026-05-28 06:55来自 iPhone 15 Pro

我们通常认为，增加训练数据总能提升泛化能力。但 Jong 等人（2025）实验发现，使用美股股指数据的 LSTM 预测任务中，当把训练样本从较近的历史扩展到更远的过去时，测试性能反而下降了。原因在于金融时间序列中存在记忆不一致性。长记忆依赖在某些时间段会消失，甚至向独立性漂移，而 LSTM 的循环结构 ​

0

0

1

市场_thinker

2026-05-27 07:41来自 iPhone 15 Pro

经典的“美元微笑”理论认为美元在两种极端情况下走强：①美国经济异常强劲（利差扩大）；②美国陷入衰退（避险情绪）。但实证数据显示，美元微笑更像“假笑”——右侧（经济强劲）的证据较弱。 美元微笑理论的预期： · 左侧（衰退/避险）：美元走强。 · 中间（温和增长）：美元走弱。 · 右侧（强劲 ​

0

0

0

市场_thinker

2026-05-27 07:36来自 iPhone 15 Pro

新兴市场亚洲（韩国、台湾）本质上是半导体周期的交易。 亚洲：半导体驱动（图10.20a、10.20b）： 台湾（TWSE）和韩国（KOSPI）与费城半导体指数（SOX） 高度相关。 策略：当SOX > 55日均线时做多这些市场。 台湾：信息比率从0.39提升至0.86。 韩国：信息比率从0.24提升至0.41（提升较小，因韩国半导 ​

0

0

2

市场_thinker

2026-05-27 07:36来自 iPhone 15 Pro

A股的动量特征 中国股市是强烈动量的市场（散户主导）。 当恒生中国企业指数（HSCEI）单日跑赢标普500超过2.5个标准差时，后续有持续性。 这种大幅上涨通常发生在政策刺激宣布后，即使刺激措施看似不足，也应立即跟随动量。 ​

0

0

1

市场_thinker

2026-05-27 07:00来自 iPhone 15 Pro

如何交易股票：战术篇 从上一章的内容可以明显看出，在战略时间维度上，投资者若不做多股票市场，需要一个非常充分的理由。预期经济衰退就是一个很好的理由。然而，即使是在更偏战术的层面上，避免幅度较小的回撤也同样具有价值。尽管以更具战术性的方式交易股票难度颇高，但仍有获取超额收益（Alpha ​

0

0

1

市场_thinker

2026-05-26 08:56来自 iPhone 15 Pro

全球股市与美国股市相关性 全球股市与美国高度相关，但不同市场对全球制造业周期（以美国ISM为代理）的敏感度不同。最“周期敏感”的市场是日本和香港，最“防御性”的是英国。 各国股市周度回报与标普500的相关性：加拿大（0.79）、欧洲（0.74）、英国（0.71）、日本（0.51）、中国A股（0.28，最低 ​

0

0

2

市场_thinker

2026-05-26 08:49来自 iPhone 15 Pro

美国股市小盘股——并非总是美丽（第193-195页） 核心论点：小盘股溢价（small-cap effect）在近几十年消失。小盘股相对大盘股的表现取决于经济周期和科技泡沫。 小盘股相对表现的历史（图8.38）： 小盘股/大盘股比率在1983年7月见顶，此后长期趋势向下。 小盘股在衰退中表现差，在衰退后复苏中表现 ​

0

0

0

市场_thinker

2026-05-26 08:46来自 iPhone 15 Pro

美国股市赢家通吃（第191-193页） 核心论点：动量比价值更有效。简单移动平均线（200日均线）是极佳的风险管理工具。 动量择时（图8.35）： 使用3个月、6个月、12个月回报作为动量信号，在高于50%分位数时加仓至150%，低于时减仓至50%。 所有短周期动量均跑赢买入持有，信息比率从0.52提升至0.69。 ​

1

0

0

市场_thinker

2026-05-26 08:42来自 iPhone 15 Pro

美国股市与泡沫（第180-189页） 核心论点：泡沫可以识别（价格偏离长期趋势2个标准差以上），但不要在做空泡沫。相反，泡沫形成后往往还有巨大涨幅。关键是使用风险管理和退出信号。 泡沫定义（图8.25）： 基于GMO Jeremy Grantham的方法：价格偏离长期实际趋势2个标准差以上。 退出条件：价格从高点 ​

0

0

1

市场_thinker

2026-05-26 08:39来自 iPhone 15 Pro

美国股市与盈利（第171-179页） 核心论点：GDP增长与股市回报相关性弱，但盈利是关键。股市领先盈利约1-2个季度。盈利修正指数（ERI）是极有价值的工具。 GDP与股市（图8.14、8.15a）： 两者相关性仅在极端值（如衰退后强劲反弹）时才显著。股市是领先指标：高股市回报通常意味着1-2个季度后更高的GD ​

0

0

0

市场_thinker

2026-05-26 08:27来自 iPhone 15 Pro

交易利率的趋势跟踪——仅适用于短期（第112-113页） 核心论点：在债券市场，短期移动平均线（22天、55天）有效，但长期移动平均线（252天）无效。 原因：股票上涨自我强化，而利率上涨是自我限制的（高利率会放缓经济，最终拉低利率）。因此，债券的趋势跟踪必须更短期。 ​

0

0

0

市场_thinker

2026-05-26 08:21来自 iPhone 15 Pro

宝藏般的美国国债（第79-82页） 核心论点：美国国债长期表现优异，是优质的投资和对冲工具。 历史表现（1973年以来）： 年化总回报率 6.3%，信息比率 1.1。 仅有8次超过5%的回撤，绝大多数由美联储激进加息周期引发（见表5.1）。 两次最大回撤（超过10%）：1977-1981年（高通胀）、2020-2023年（高通胀 ​

0

0

1

市场_thinker

2026-05-26 08:08来自 iPhone 15 Pro

对冲地缘风险最佳对冲工具： 原油：在地缘事件发生前10天已上涨约10%，事件当天见顶，随后回撤。 黄金：同样有效，但涨幅小于原油。 美国国债：事件前后小幅上涨，但之后回撤；长期来看（50个交易日）表现不错。 外汇：日元和瑞郎并非有效对冲（日本是石油进口大国）。挪威克朗和墨西哥比索在事件后表 ​

0

1

1

市场_thinker

2026-05-26 08:04来自 iPhone 15 Pro

如果地缘政治事件没有影响到油价，投资者应快速淡化（fade）该事件。原油是地缘政治影响全球宏观市场的最重要传导机制。没有油价冲击的地缘事件，市场通常不会长期关注。 ​

0

0

0

市场_thinker

2026-05-25 06:26来自 iPhone 15 Pro

当你开始考虑投资组合的未来时，要考虑到这一点。避免风险并不意味着避免正常市场中每天、每周或每季度出现的起起落落。这本质上就是担心随机噪声不会把你踢出游戏。你想要的是避免长期投资计划出现的风险。 通过创建全天候投资方法，未来不可避免的变化和变动带来的风险在一定程度上得到了对冲。通过 ​

1

0

3

市场_thinker

2026-05-25 06:17来自 iPhone 15 Pro

社交媒体上有成千上万的交易员在谈论他们正在购买的各种投资仓位，他们正在赚钱的策略，以及对下周XYZ走势的预测。这和你精心设计、深思熟虑的计划有什么关系？ 绝对没有！ 请继续完美地执行你的计划！ ​

0

0

2

市场_thinker

2026-05-25 06:01来自 iPhone 15 Pro

在我从事交易的几十年里，我注意到，安静、无趣的市场往往在没有人关心的情况下开始启动趋势。随着趋势的继续，越来越多的交易员加入其中，这时候开始变得有趣起来。关于市场的新闻可能会出现在晚间新闻、财经报纸和博客上。在这种情况下，风险开始变得更大，波动性也变得更大。也许你已经发现趋势成熟 ​

0

0

0

市场_thinker

2026-05-24 22:01来自 iPhone 15 Pro

信念：这是一个重要的开始。正如已故的、伟大的冯·K.沙普（Van K. Tharp）博士曾经说过的那样，“你不是在交易市场。你是在交易你的信仰”。你必须提出一种信念，一种驱动你的投资策略产生潜在利润的信念。 ​

2

0

4

市场_thinker

2026-05-24 16:45来自 iPhone 15 Pro

虽然汤姆·巴索是非常老的交易员了，但他对自己职业生涯的总结仍然闪烁着智慧。 我们也是追求股市全天候的交易员，向他致敬。 ​

0

0

4

市场_thinker

2026-05-24 09:54来自 iPhone 15 Pro

“滴水穿石”因子的逻辑本质可以概括为： 通过频谱分析识别个股日内成交量在2–5分钟短周期上的规律性脉冲强度 ，以此区分“稳定、持续的吸筹行为”与“偶发、冲动的交易行为”，并认为前者预示着更好的未来表现。 更具体地说，其核心信息含义包括： 1. 机构/聪明资金的行为痕迹 稳定的周期性放 ​

2

0

1

市场_thinker

2026-05-23 13:36来自 iPhone 15 Pro

这篇论文《Factoring in the Low-Volatility Factor》（作者：Amar Soebhag, Guido Baltussen, Pim van Vliet，2026年5月）研究了低波动率因子在资产定价模型中的作用，并试图解释一个长期存在的矛盾：低波动率投资在实证研究和投资实践中都非常有效，但在主流资产定价模型中却很少被纳入。 结论与启示 ​

1

0

1

市场_thinker

2026-05-21 07:15来自 iPhone 15 Pro

【偏离显著性因子】 DS 的逻辑基础源于行为金融学的显著性理论（Salience Theory）。Bordalo, Gennaioli & Shleifer（2012）在 Salience Theory of Choice Under Risk 中提出，决策者对显著性刺激会系统性地赋予更高权重。 这一框架后续被扩展至资产定价领域（Bordalo, Gennaioli & Shleifer, 2013, ​

0

0

0

市场_thinker

2026-05-21 06:19来自 iPhone 15 Pro

【因子的时序稳定性】 一个常被忽视的问题是因子的时变特征。如果概念数量是个高度稳定的横截面变量（例如某些股票永远是高概念股、某些永远是低），那么这个因子的可投资容量就很有限。 研究比较了概念变量与市值变量的横截面持续性：按概念分位数排序，1个月后仍留在原组的比例约 ；12个月后下降到 ​

1

0

0