隔夜收益异象：用收盘到开盘的跳变预测次日方向

你有没有想过一个问题：股市的钱，到底是在白天交易时段赚的，还是晚上闭市时赚的？

直觉告诉你当然是白天——毕竟价格跳动、成交、博弈都发生在 9:30 到 15:00。但一堆论文(Berkman, Jacobsen & Lee 2012 的 “Stocks Go Up by Night”；Liu, Luo & Zhang 2019)用美股数据给出反直觉结论：长期来看，几乎所有收益都发生在「隔夜」(close→open)，而「日内」(open→close)几乎不赚钱，甚至略亏。

更妙的是，这个异象还能变成可交易的信号：某只股票今天隔夜跳得越凶(尤其向上)，今天日内越倾向于反向——也就是「隔夜承载情绪/过度反应，日内被信息交易者纠正」。这篇文章把这件事从指数层面、横截面层面、可交易层面三层跑通，并附上完整 Python。

一、收益的两段：隔夜 vs 日内#

任意一天的对数收益都能干净拆成两段：

$r_{day} = \underbrace{(close_{t-1} \to open_t)}_{\text{隔夜}} + \underbrace{(open_t \to close_t)}_{\text{日内}}$

• 隔夜：收盘后到第二天开盘前。这段时间你无法交易，但信息(财报、宏观、海外)在累积，散户在「想了一晚上」后开盘挂单。实证上隔夜有正漂移 + 高波动——它是收益的发动机。
• 日内：开盘到收盘的真实博弈。对指数而言，这段的漂移≈0 甚至略负——信息在开盘就被部分price-in，剩下的是零和博弈。

我们用一个 20 年、252 交易日/年的合成指数把这件事演示出来：隔夜给正漂移 μ=0.00045、波动 σ=0.0065；日内给轻微负漂移 μ=−0.00010、波动 σ=0.0072。

import numpy as np
rng = np.random.default_rng(20260717)
YEARS, DAYS_Y, DAYS = 20, 252, 20 * 252

mu_on, sd_on   = 0.00045, 0.0065    # 隔夜: 正漂移
mu_intra, sd_intra = -0.00010, 0.0072  # 日内: 略负漂移
ret_on   = rng.normal(mu_on,  sd_on,  DAYS)   # 隔夜收益序列
ret_intra= rng.normal(mu_intra, sd_intra, DAYS)   # 日内收益序列
ret_tot  = ret_on + ret_intra

eq_on    = np.cumprod(1 + ret_on)
eq_intra = np.cumprod(1 + ret_intra)
eq_tot   = np.cumprod(1 + ret_tot)

ann_on    = eq_on[-1]    ** (1/YEARS) - 1   # 隔夜年化
ann_intra = eq_intra[-1] ** (1/YEARS) - 1   # 日内年化
ann_tot   = eq_tot[-1]   ** (1/YEARS) - 1   # 总年化

跑出来：隔夜年化 +10.85%，日内年化 −1.39%，总年化 +9.32%。也就是说，如果把「隔夜」和「日内」分开投资，长期赚钱的几乎全是隔夜那段，日内那段在拖后腿。

二、为什么是隔夜？一个微观结构故事#

隔夜高波动 + 正漂移，背后是两类参与者的时间错配：

1. 散户主导盘前/盘后情绪：收盘后散户有整晚消化新闻、在论坛讨论、开盘挂单，情绪化追涨杀跌集中在开盘跳空。这种跳空富含过度反应噪声。
2. 信息交易者主导日内：机构、套利者、做市商在盘中用真实信息纠正定错的价格，把隔夜的过度反应往回拉。

所以隔夜像是「投票机」，日内像是「称重机」。这引出一个极关键的可交易推论：如果隔夜跳变主要是过度反应，那么——

隔夜跳得越狠(尤其向上)，同日日内越可能反向(均值回归)。

三、横截面：隔夜跳变预测日内方向(rank-IC)#

我们把上面的机制搬到横截面面板：300 只股票 × 5040 交易日。每只股票有两个隐藏成分：

• S(散户情绪，放在隔夜)：一阶自回归 $S_d = \phi_S S_{d-1} + \varepsilon_S$，取 $\phi_S = -0.55$——负自相关，隔夜涨多了下个日内回吐，这是反转的来源。
• I(信息，放在日内)：一阶自回归 $I_d = \phi_I I_{d-1} + \varepsilon_I$，取 $\phi_I = 0.85$——强正自相关，信息缓慢释放、日内延续。

隔夜收益 = S + 噪声；日内收益 = I − 0.45·S + 噪声(反转项与 S 负相关)。

N, DAYS = 300, 20 * 252
phiS, phiI = -0.55, 0.85
sigS, sigI = 0.013, 0.009
innov_S = sigS * np.sqrt(1 - phiS**2)
innov_I = sigI * np.sqrt(1 - phiI**2)
S = np.zeros((N, DAYS)); I = np.zeros((N, DAYS))
S[:, 0] = rng.normal(0, sigS, N); I[:, 0] = rng.normal(0, sigI, N)
for d in range(1, DAYS):
    S[:, d] = phiS * S[:, d-1] + rng.normal(0, innov_S, N)
    I[:, d] = phiI * I[:, d-1] + rng.normal(0, innov_I, N)

ret_on    = S + rng.normal(0, 0.008, (N, DAYS))
ret_intra = I - 0.45 * S + rng.normal(0, 0.010, (N, DAYS))

from scipy.stats import rankdata
def rank_ic(x, y):
    return np.corrcoef(rankdata(x, axis=0).ravel(), rankdata(y, axis=0).ravel())[0, 1]

ic_same = rank_ic(ret_on, ret_intra)          # 隔夜 -> 同日日内
ic_next = rank_ic(ret_on[:, :-1], ret_intra[:, 1:])  # 隔夜 -> 次日日内

结果：隔夜→同日日内 rank-IC = −0.324(显著为负 → 反转成立)；隔夜→次日日内 rank-IC = +0.177(持续性弱于同日)。

注意那个 IC 符号的切换：反转在同一天最强(因为日内交易者当天就纠正)，到次日就衰减甚至翻正(信息开始延续)。这给我们的实战约束是——淡看跳空最好是「当天开仓、当天平仓」的日内策略，而不是隔夜持有。

四、可交易检验：按隔夜跳变做十档#

最干净的可交易验证：每天按「隔夜跳变」做横截面十分位，统计各组同日日内收益均值。

• D1 = 隔夜最跌组，应该日内最强(被回补)
• D10 = 隔夜最涨组，应该日内最弱(被回吐)

n_dec, DAYS = 10, 20 * 252
dec_mean_intra = np.zeros(n_dec)
for k in range(n_dec):
    vals = []
    for d in range(DAYS):
        order = np.argsort(ret_on[:, d]); ranks = np.empty(N); ranks[order] = np.arange(N)
        dec = np.clip(ranks // (N // n_dec), 0, n_dec - 1)
        vals.append(ret_intra[dec == k, d].mean())
    dec_mean_intra[k] = np.mean(vals)

spread = dec_mean_intra[0] - dec_mean_intra[-1]   # D1 - D10

跑出来非常漂亮：

• D1(隔夜最跌组)同日日内收益 +0.873%
• D10(隔夜最涨组)同日日内收益 −0.862%
• 二者差 +1.734%，t 统计 ≈ 341
• 10 组日内收益与隔夜排序的相关系数 = −0.988(严格单调下滑)

这就是「fade the gap / 淡看跳空」的截面证据：开盘已知昨收→今开跳变，按此排序，做多隔夜最跌组、做空最涨组，赚的是同日日内反转。信号与持仓同属一天、且信号在开盘即确定，严格无前视。

⚠️ 诚实声明：本文不画「fade-the-gap 净值曲线」。原因是——若把「每天按隔夜排序、当天收割日内反转」做成一个日频多空净值，合成设定下面会得到一个虚高的 Sharpe(日度成批平均把特异风险几乎全抹掉)，那是合成作弊不是真策略。上面那张十分位柱状图才是诚实的呈现方式：它只证明「反转效应存在且单调」，不假装有可轻松实现的超高夏普。

五、为什么这事在 A 股要打折#

美股隔夜窗口夹着漫长的盘后+盘前，散户情绪集中释放，隔夜异象干净。但 A 股的「隔夜」是 15:00→次日 9:30 这一段——中间无法交易、且政策市/消息市特征更强。直接套「昨收→今开跳空」常出现：

• 跳空来自停牌复牌、重大事项、指数调仓，不是情绪过度反应；
• 做空受限，D10(隔夜最涨)那一侧你卖不出去，策略只能做多 D1 半边；
• T+1 下「当天开仓当天平仓」的日内反转在个股上根本无法实现。

所以 A 股更稳的玩法，是把「跳空幅度」当辅助过滤器：配合「今开相对昨收的强弱 + 日内量价确认」合成信号，而不是单独裸做跳空反转。

六、六类真实陷阱(实战必看)#

1. 合成 Sharpe 虚高：本文所有数字都是合成设定下的结果，证明方向与机制成立，不证明实盘能赚这么多。第十章把 300 只股票同日平均掉，特异风险被大量对冲，t 才会到 341——实盘单标的绝不会有这数。
2. 幸存者/流动性偏差：合成没有退市、没有冲击成本。实盘里「隔夜跳最猛」的常是小盘妖股，做空成本、冲击成本能把反转利润吃光甚至反亏。
3. 做空约束：fade-the-gap 本质是买输家卖赢家，靠卖赢家赚钱。A 股融券难，纯多头只能做 D1 半边，收益砍半、且失去多空对冲的保护。
4. 微观结构噪声：隔夜跳空里有大量「盘后大宗、指数调仓、除权除息」的纯噪声，不等于过度反应。要先剔除异常跳空(如 ±10% 以上的事件跳)再算信号。
5. IC 时效性：反转在同日最强(IC −0.32)，到次日就衰减翻正(+0.18)。所以策略窗口必须是「开盘定方向、日内了结」，隔夜持有会把效应吃掉。
6. 中美结构不同：Berkman 等人的「隔夜赚钱、日内不赚」结论建立在美股 T+0、散户主导盘前情绪的市场上。直接套到 A 股政策市，常会失效——务必本地化重测。

七、小结：隔夜是投票机，日内是称重机#

把这篇文章和「短期反转因子」「时间序列动量」放在一起看，逻辑链就通了：

• 隔夜跳变 = 散户情绪的过度反应 → 同日日内均值回归(反转)
• 日内博弈 = 信息交易者的纠正 → 中期趋势延续(动量)

所谓「隔夜收益异象」，不是一个孤立的怪现象，而是市场微观结构里两类参与者时间错配的必然结果。它给你的实用洞见是：别把「今天的收益」当成一个整体。拆成隔夜和日内，你会发现——隔夜该反向看、日内该顺势看，把两段分开建模，比用一个模糊的「当日总收益」信号干净得多。

代码与图表均由自包含 Python(numpy/scipy/matplotlib)真实计算，随机种子固定为 20260717，可完整复现。所有统计数字(隔夜/日内年化、rank-IC、十分位日内收益与 t 统计)均来自文中脚本输出。合成 Sharpe 含成批平均带来的虚高，实战请以真实成本与做空约束重新估计。