借券召回风险：把你打死的不是股价上涨，是券被要回去

核心结论：空头的真实风险结构里，有一项从不出现在风险报告上——出借人可以随时把券要回去。 而这件事不是随机发生的：它与标的上涨正相关，也就是精确地在你最不想平仓的时候到来。

2 万笔独立路径的受控模拟（真实空头 alpha 由构造设为 −8%/年）给出的账本：60 日持有期内 15.54% 的头寸被召回，平均收益从无召回反事实的 201.80 bp 降到 186.37 bp，拖累 15.43 ± 3.67 bp（t = 4.20），占反事实收益的 7.64%。

但整体均值掩盖了真正的问题。被召回的那批交易，实际收益 −184.72 bp，同路径反事实是 −85.42 bp——recall 让这批本就亏钱的单子亏损扩大了 2.16 倍。

一、问题：一个不在风险模型里的终止条款#

做空的完整流程是：找到出借人借入证券 → 卖出 → 等待下跌 → 买回归还。教科书讲的风险是「股价上涨、亏损无上限」和「借券费率上升」。

但合约里还有一条几乎不被建模的条款：出借人有权随时召回（recall）。原因很多——出借人自己要卖出、需要行使投票权、股息税务安排、或者仅仅是把券转租给出价更高的人。

一旦被召回，你必须在极短时间内（通常 T+1 到 T+3）归还。如果找不到新的出借来源，你就得在市场上买回平仓，无论价格多不合适。

这件事为什么重要，取决于一个关键问题：

recall 是独立随机事件，还是与你的头寸表现相关？

如果是前者，它只是一个提前终止的噪声，对期望收益的影响近似中性。如果是后者——recall 更可能发生在标的上涨时（出借人看到价格涨了想卖出，或转租给出价更高的空头）——那么它就是一个系统性地在最坏时点截断头寸的机制。

本文用受控模拟把这两种情形分开量化。

二、模拟设计：真值由构造给定#

召回强度的设定是本文的核心机制：

expo = np.zeros_like(cum)
if ret_link:
    expo += lam_ret * np.maximum(cum, 0.0)
if crowd_on:
    expo += (lam_crowd * crowd)[:, None]
lam = lam_base * np.exp(expo)

np.maximum(cum, 0.0) 是关键——只有上涨（对空头不利）才抬高召回概率，下跌不降低它。这是一个不对称的、单边惩罚的结构。

每笔交易同时记录两个结果：实际收益（在 recall 或到期时平仓）和反事实收益（同一条路径持满 60 日）。两者逐笔配对相减，所以拖累的度量不依赖任何基准选择。

三、一个必须先讲的工程教训#

本文的第一版实现有一个致命缺陷，值得单独说，因为它是数值实验里最常见的陷阱之一。

初版让 300 只股票共用同一条市场因子路径，重复 3 次得到 900 笔交易。看起来样本量够了，实际上不是——共同因子让同一批次内的交易高度相关，有效独立样本数约等于重复次数，也就是 3。

后果直接体现在自检指标上：

CV = 1.54 意味着换个随机种子结论可能反号。 λ 扫描里出现 −67.6 bp 然后 378.5 bp 这种跳跃，物理上没有任何解释——它纯粹是噪声。

按流程，自检发现这类问题必须修复重跑，不允许带 bug 交付。修复方式是每笔交易独立抽路径 + 全向量化，样本量提到 2 万笔。修复后所有扫描恢复单调，CV 降到 0.16。

这个教训可迁移：当你的扫描曲线出现无法用机制解释的非单调跳跃时，第一嫌疑不是「发现了有趣的非线性」，而是有效样本量塌缩。

四、基准结果与解析交叉核对#

为了确认这不是实现 artifact，做一个解析交叉核对。如果 recall 的唯一效果是「提前终止，少赚 alpha」，那么：

拖累 ≈ |α| × 召回率 × 平均损失天数 / 252
     = 0.08 × 0.15535 × 29.36 / 252
     = 14.48 bp

实测 15.43 bp，比值 1.0654。

吻合到 6.5% 以内。 多出来的 6.5% 正是「条件相关」的部分——recall 不是随机挑时点，它偏向标的上涨时，所以被截断的收益略高于纯随机截断的期望值。

这个核对同时告诉我们一个重要的量级判断：拖累的主体（约 94%）来自「持有期被缩短、alpha 没赚够」，只有约 6% 来自「择时恶意」。 这与很多人的直觉相反，下一节的安慰剂会进一步确认。

五、安慰剂检验：包括一个诚实的反直觉结果#

安慰剂 A：切断涨幅联动，但把召回率校准到相同水平。

这是本文设计得最仔细的一条对照。简单地把 lam_ret 设为 0 会同时降低召回率，那样比较的就不是「条件相关」而是「召回多少」。所以我用二分法重新校准 lam_base，让召回率精确匹配基准的 15.54%：

def calib_lam_for_rate(target_rate, hold, lam_crowd, seed):
    lo, hi = 1e-6, 0.05
    for _ in range(40):
        mid = 0.5 * (lo + hi)
        s = simulate(6000, hold, ALPHA_ANN, mid, 0.0, lam_crowd,
                     ret_link=False, seed=seed)
        if s["recalled"].mean() < target_rate:
            lo = mid
        else:
            hi = mid
    return 0.5 * (lo + hi)

校准后 λ_base = 0.002169，召回率 15.59%（基准 15.54%）。

结果：拖累 19.25 ± 3.70 bp，比基准的 15.43 bp 更高。

这个结果与我的先验预期相反，但它是对的，而且有清楚的机制解释：

在基准情形下，召回被涨幅「吸引」到路径的上涨段。而在一条最终会下跌的路径上，上涨段往往出现在早期（先涨后跌）。被早期召回意味着平仓在一个相对高位，但也意味着这笔交易本来就还没开始赚钱。反过来，纯随机召回会均匀分布在整个持有期，包括那些已经赚了很多、继续持有还能赚更多的时点——截断这些反而损失更大。

换句话说：

在本文的参数设定下，「recall 挑在你亏钱时到来」这件事的毒性，小于「recall 随机截断你的盈利头寸」。 条件相关让召回集中在早期、金额较小的时点，反而降低了平均拖累。

我不打算把这个结论过度推广——它依赖于 alpha 为负（做空能赚）且路径为几何布朗运动的设定。但它足以推翻一个流行说法：「recall 的危害主要在于它的择时恶意」。在这个模型里，危害的 94% 来自持有期被截断本身，择时效应甚至是反向的。

安慰剂 B：零 recall（λ_base = 0）。 拖累必须精确为 0。

实测：召回率 0.0000%，拖累 0.000000 bp。引擎自洽。

安慰剂 C：零 alpha（真 alpha = 0）。 如果没有 alpha 可被打断，拖累应塌向 0。

实测：3.23 ± 3.63 bp——标准误大于均值本身，统计上不可区分于零。

这条是全文最重要的确认：拖累的来源确实是「被夺走的 alpha」，不是任何会计假象。 没有 alpha，就没有可被夺走的东西。

安慰剂 D：零波动（σ → 0）。 拖累 13.35 bp，这是纯 drift 项——在确定性下跌路径上提前平仓，少赚的那部分。它与解析预测的 14.48 bp 同量级，进一步确认账本正确。

六、剂量反应：召回精确地在最坏的时候到来#

虽然择时效应在总量上是反向的，但条件相关本身是真实存在的，而且剂量反应非常干净：

>30% 组是 <−15% 组的 1.78 倍，且从 −5% 往上完全单调。

两个补充数字把这件事讲得更具体：

• 被召回时平均累计涨幅 +1.65%，而全样本终值均值是 −2.34%
• 被强平后，标的还要再走 −1.19%——这就是被夺走的那一段

第三个数字是最刺眼的。它的含义是：平均而言，你被赶下车的位置，距离你原本能到达的终点还有 1.19% 的下跌空间。 你的判断是对的，只是没能等到。

七、紧俏券悖论：alpha 最强的地方，也是最危险的地方#

按借券拥挤度分五组（Q5 = 最紧俏）：

按紧俏券 / 一般券二分：

紧俏券的真 alpha 最强（−11.49% vs −8.43%，强 36%），净收益却最差（94.50 vs 197.69 bp，只有一半）。

三重惩罚同时作用：

1. 借券费：5.11% vs 0.40%，12.8 倍
2. 召回率：20.29% vs 14.95%，高 35.7%
3. 拥挤本身：所有人都在做同一笔交易

注意 Q1–Q5 的实际收益并不单调（173.57 → 213.11 → 165.20 → 219.40 → 160.58）。这是诚实的呈现——在这个样本量下，五分位之间的差异被路径噪声淹没了。可以确认的只有两端的对比（紧俏 vs 一般，94.50 vs 197.69）和召回率的单调上升（12.55% → 19.33%）。如果我把 Q1–Q5 的收益画成一条平滑下降的线，那是在编故事。

实践含义：

「借券费率高说明看空的人多、负面信息强」这个信号是真的，但它同时是「你拿不住」的信号。 信息优势被费率和召回率精确定价掉了。

八、持有期是放大器#

召回率单调上升（1.27% → 30.74%），拖累占比在长端急剧放大到 20.82%。

短端（5–20 日）的拖累在统计上不可区分于零——20 日甚至是 −0.18 ± 1.19 bp。这是正确的：持有期短，被召回的机会就少，且被截断的 alpha 也少。

这条曲线定义了做空策略的一个硬约束：慢速空头（基本面做空、等待价值回归）在结构上比快速空头承担高得多的召回风险。 一个需要持有 120 日才能兑现的做空论点，会被召回吃掉五分之一的收益——而这部分成本通常不出现在任何回测里。

九、缓解手段：定价与效果#

期限锁定（term loan）： 支付溢价换取不可召回。

不锁定的基准是 186.37 bp，盈亏平衡溢价 = 0.648%/年。

把这个数字和市场费率对照：一般券 0.40%/年，紧俏券 5.11%/年。

• 对一般券：如果能以 GC 费率 + 0.65% 以内锁定期限，值得
• 对紧俏券：5.11% 的费率已经远超 0.648% 的盈亏平衡点——但紧俏券恰恰是最容易被召回的

这构成一个真实的两难：最需要期限锁定的头寸，也是锁定成本最贵的头寸。

分散出借人： n 家各持 1/n，单家召回只砍 1/n 仓位。

1 → 2 家是最大的一跳（+14.37 bp），之后边际效果迅速递减（2 → 10 家只多 7.11 bp）。这是标准的分散化收敛形态。

回避紧俏券： 197.69 bp vs 全样本 186.37 bp，+11.32 bp，零成本。

在三种手段里，这是性价比最高的一个——不需要谈判、不需要支付溢价，只需要在建仓时把拥挤度作为一个排除条件。代价是放弃 Q5 那些真 alpha 最强的标的。

十、参数敏感性#

基础召回强度：

完全单调，且呈现凹性（边际递减）——因为召回率趋近 100% 时，进一步提高强度只是让召回发生得更早，边际损失递减。

真 alpha 强度：

线性拟合：斜率 216.7，截距 −3.05，R² = 0.9995。

近乎完美的线性关系，且截距在统计上接近零。这是对「拖累 = 被夺走的 alpha」这一解释的最强支持：你的策略越好，recall 从你身上拿走的越多。 一个没有 alpha 的空头策略不怕召回，因为它本来也没什么可被夺走的。

条件相关强度：

这条曲线在 0–3.5 区间基本平坦（8.6–9.7 bp，且都在 ±3.6 bp 的标准误量级内），只在 8.0 处明显抬升。与安慰剂 A 的结论一致：条件相关的直接毒性远小于召回本身的存在。

十一、样本量红线：一个几乎无法被实证验证的成本#

这是全文最需要强调的一节。

信噪比 = 15.43 / 519.08 ≈ 0.030。

分位数是双向的：5% 分位是 −395 bp（即 recall 反而帮了你，让你在更好的位置离场），95% 分位 +546 bp。recall 有时候是运气，只是平均而言是成本。

实践含义极其残酷：

一个每年做 200 笔空头的基金，需要 22.7 年的数据才能在统计上确认召回拖累的存在。 在此之前，任何「我们的召回成本是 X bp」的说法都是在报告噪声。

这解释了为什么召回风险在行业里被系统性忽视——它不是不重要，而是无法从自己的交易记录里被看见。 唯一能看见它的方式，就是像本文这样构造一个真值已知的模拟。

多宇宙检验（12 个独立种子）：拖累均值 15.85 bp，SD 2.53，CV = 0.1595。范围 11.23 ~ 18.97 bp。

CV 在 0.16 说明模拟结论本身是稳健的——这与「单笔无法验证」并不矛盾：模拟有 2 万笔样本，真实机构没有。

十二、对抗式审查：怀疑过并排除的点#

怀疑 1：安慰剂 A 的反直觉结果（19.25 > 15.43）是不是 bug？ 这是自检中花时间最多的一点。三个检查：(a) 召回率确实校准到位（15.59% vs 15.54%）；(b) 标准误 3.70 bp，差值 3.83 bp 约为 1.03 个标准误——严格说这个差异本身统计显著性有限，我在正文中的表述是「更高」而非「显著更高」；(c) 机制解释（条件相关把召回吸引到早期小额时点）与「被召回者平均出场日第 30.64 日」一致——如果召回是均匀分布，期望出场日应该更接近 30，实际 30.64 略偏后，方向吻合。结论：这个反直觉结果是真实的，但幅度不应被过度解读。

怀疑 2：解析核对的 6.5% 缺口去哪了？ 解析式假设「损失天数 × alpha 日率」，忽略了两件事：借券费在提前平仓时也少付了（利好），以及路径的凸性效应。两者方向相反，净残差 6.5% 在可接受范围。如果缺口达到 50% 量级，我会认为账本有问题。

怀疑 3：Q1–Q5 的收益非单调是不是说明分组无效？ 检查了各组样本数（均为 4000）和真 alpha 的单调性（−8.43% → −11.49%，严格单调）。真值梯度存在，但收益的组内标准差（约 1800 bp / √4000 ≈ 28 bp）与组间差异（约 20–50 bp）同量级，注定测不出单调性。这与我在其他事件研究里遇到的情形一致：真值梯度存在不等于可观测。正文如实呈现了非单调。

怀疑 4：持有期扫描里 20 日的拖累是负的（−0.18 bp），是 bug 吗？ 标准误 1.19 bp，−0.18 完全在噪声内。而且 5 日（0.32 ± 0.25）和 10 日（0.43 ± 0.61）也都不显著。短持有期的拖累本来就应该接近零，出现小幅负值是正常的抽样波动，不是错误。

怀疑 5：为什么盈利交易只占 53.78%，做空 alpha 是 −8%/年不应该更高吗？ 60 日持有期的期望收益约 −8% × 60/252 = −1.90%，而 60 日波动约 38% × √(60/252) = 18.5%。信噪比 0.103，对应的胜率理论值约 Φ(0.103) ≈ 54.1%——实测 53.78% 与理论吻合。这个核对确认路径生成没问题。

十三、结论与诚实边界#

可以带走的：

1. 召回是一个真实的、可量化的成本，量级在 15 bp / 60 日持有期（占反事实收益 7.64%），且随持有期急剧放大（120 日达 20.82%）。
2. 它随策略质量线性放大（R² = 0.9995）。你的 alpha 越强，被夺走的越多。这是一个「惩罚成功」的成本结构。
3. 紧俏券是三重惩罚：费率 12.8 倍、召回率高 35.7%、真 alpha 最强却净收益减半。回避紧俏券是零成本的 +11.32 bp。
4. 拖累的主体是「持有期被截断」，不是「择时恶意」——安慰剂 A 在同召回率下给出更高拖累，推翻了流行说法。
5. 它几乎无法被实证验证：需要 4,530 笔交易才能达到 |t| = 2。这不是「不存在」的理由，恰恰是「必须用模型而非经验去管理它」的理由。

本文不覆盖的（诚实边界）：

• 召回强度的参数是构造设定，不是市场估计。 真实的召回率因市场、券种、出借人类型差异巨大。本文给出的是机制和量级关系，不是任何具体市场的校准值。任何把 15.43 bp 直接搬到实盘的做法都是误用。
• 未建模逼空（squeeze）动态。 真实的召回潮往往是相关的、集群式的——多个出借人在同一时间因同一原因召回，这正是逼空的机制之一。本文假设召回在标的间独立，因此系统性低估了尾部风险。这是本文最重要的一个保守偏差。
• 未建模「找到替代出借人」这条路径。 实务中被召回不一定意味着必须平仓，可以尝试重新借入（可能是更高费率）。本文假设召回即平仓，是保守假设。
• 几何布朗运动路径。 没有厚尾、没有波动率聚集、没有跳跃。做空最怕的恰恰是跳涨，而本文的路径生成低估了这类事件。
• A 股融券的制度差异。 本文的框架更贴近美股借券市场。A 股融券在券源、期限、强平规则上有本质差异，结论不能直接迁移。

最后一句：做空的风险管理清单上，「股价上涨」通常排第一，「借券费率」排第二，「召回」经常不在名单上。 而本文的数字说明，对一个 alpha 强、持有期长、标的紧俏的空头策略，召回可能是排第二的成本项——它只是恰好躲在了统计显著性的阈值之下。