博客

被动指数基金必须在生效日买满新纳入的成份股、卖光被剔除的——买卖时点和方向全部提前公告、人尽皆知。这份『非自愿、无价格敏感度』的刚需订单流，就是可预测的价格压力。本文在合成事件面板上复现完整时间线：纳入股从公告日到生效日累计超额漂移 +5%、剔除股 −4.5%，生效日成交量暴增 6.5 倍（被动基金一次性建仓），而生效后价格反转吐回近一半漂移。前瞻策略（公告日进、生效日出）净值稳步向上，被动跟随（生效日才买）反而亏钱。诚实拆解：漂移随被动需求呈平方根冲击、拥挤化正在抹平这块午餐、A 股定期调样规则与冲击成本是实盘落地的三道坎（中阶）。

高管买自家股票只有一个理由：觉得会涨；卖却有一百个理由：买房、离婚、行权、分散化。这个动机不对称让增持成为强信号（合成复现 CAR120 +4.8%）、减持成为弱信号（−1.6%）。本文用 12000 个合成披露事件从零拆解信号分层：董事长大额增持 (+7.8%) ≫ 普通董事 (+2.6%)，≥3 人集群增持最强 (+9.4%)，股权激励行权卖出几乎无信息 (−0.4%)。集群过滤策略 Sharpe 1.27 碾压无脑跟单 (0.52)；披露时滞是隐形税——晚 15 天入场剩余 alpha 只剩七成。诚实拆解：择时能力被高估、A 股减持新规扭曲信号语义、跟单者的幸存者偏差、内部人也会看错自家公司（中阶）。

美国 SEC 强制管理规模超 1 亿美元的机构每季度披露多头持仓——13F 是免费、合法、结构化的'聪明钱'底牌。但抄作业不是无脑复制：45 天披露时滞对高换手管理人是致命的（只剩 22% alpha），对低换手价值型却只是小税（保留 58%）。合成实验拆解三个决策：抄谁（历史业绩前 20 名精选克隆 CAGR 17.9% vs 无差别克隆 8.7%）、抄什么（前十大重仓信息密度最高，等权 Top10 反而略胜信念加权）、以及最大盲区——13F 只披露多头，多空基金克隆者复制了 alpha 的一半却背上双倍回撤（-32.8% vs -10.9%）。诚实拆解：窗口粉饰、幸存者偏差、拥挤克隆自我抵消、A 股基金季报前十大重仓的对应玩法（中阶）。

无形资产价值因子：把研发和品牌加回账面修复失灵的HML - 400股×20年合成面板：账面B/M把高研发公司系统性误判为贵，传统便宜组价值陷阱率11.2%，资本化调整后降到3.8%、信号与真实低估的相关从0.71升到0.86 - halo的技术博客

把一天的交易切成几十个 5 分钟 bin，你会发现波动率不是均匀的：开盘一柱擎天、午间死气沉沉、收盘再抬头，画出来是一条 U 型曲线。这条 U 型不是噪声，是每天都重演的日内季节性。不把它剥掉，你的日内波动预测、跳跃检测、VWAP 拆单全会被它系统性带偏——固定阈值会在开盘漏报一堆假信号、在午间漏掉真跳跃。Andersen-Bollerslev 的柔性傅里叶形式（FFF）用低阶多项式加少数谐波，几个参数就能把这条 U 型曲线拟合出来。本文从零推导 FFF、演示阶数如何影响拟合、如何用它去季节化，以及季节性校正如何改变跳跃检测的结论。并诚实拆解它的过拟合边界与 A 股制度差异（中阶）。

Kyle (1985) 的连续时间版本回答了一个更狠的问题：手里握着私有信息的交易者，不是「买不买」，而是「以什么速度买」。答案出奇优雅——最优交易强度 β(t) 与剩余时间成反比，知情者匀速释放信息，让价格误差 Σ(t) 严格线性衰减到零，而价格冲击系数 λ 全程恒定。本文从离散版单期直觉讲到连续时间均衡的三个核心结论，用可复现 Python 模拟验证：价格向真实价值收敛、β 在收盘前发散、知情者期望利润恰好等于 σ_u·√Σ₀。并讨论它对算法交易的三个实际启示：为什么 TWAP 是 Kyle 均衡的影子、为什么临近收盘的订单流毒性最高、以及 λ 作为流动性度量的估计陷阱（中阶）。

微观结构里几乎所有模型——从 Roll、Glosten-Harris 到 Huang-Stoll 价差分解、订单流失衡、VPIN——都要先回答一个原始问题：这笔成交是买方主动还是卖方主动？可交易所的 tick 数据往往不标方向。Lee-Ready (1991) 给出了一套两步规则：报价规则（成交价高于中间价判为买、低于判为卖）先处理绝大多数价内成交，Tick 规则再救那些恰好打在中间价上的疑难成交。本文用 5 万笔模拟成交跑通完整算法，实测整体准确率 89.8%（价内成交 100%、价差内成交 80%），拆解误差全部来自中点成交与价格改善；再演示分类误差如何传导到下游订单流失衡信号（相关系数掉到 0.76），以及报价陈旧化如何快速侵蚀准确率——这正是 Lee-Ready 建议报价前移 5 秒的原因。诚实边界：错标率 10-15% 会污染所有下游模型、算法在不同市场结构下需重标定、高频碎片化市场中点滞后（中阶）。

每一笔成交价的变动里都混着两种完全不同的东西：一部分是市场真的学到了新信息（永久冲击），另一部分只是买卖价差的弹跳（暂时冲击）。MRR (1997) 模型用一条结构方程把两者干净地拆开：信息成分 θ 度量逆向选择，流动性成分 φ 度量订单处理与库存补偿，副产品还包括订单流自相关 ρ。本文从模型设定推到矩条件估计，用可复现 Python 生成 2 万笔模拟成交并把参数估回来（θ、φ 误差在 1% 以内），展示估计精度按 1/√N 收敛、不同股票的成分占比差异、以及信息成分的日内衰减模式。最后诚实拆解：交易方向标注错误的偏差、参数非平稳性、以及它对执行成本归因的实际价值（中阶）。