标签： #日内动量

把一个交易日切成 13 个半小时，跑 12 个预测回归，只有两个区间对最后半小时收益有显著预测力：第一个半小时（含隔夜信息，t=7.4）和倒数第二个半小时（t=4.4）——这正是 Gao-Han-Li-Zhou (2018) 在 SPY 上发现的日内动量结构。2500 日受控模拟复现全套结果：sign(r1)×r13 策略 Sharpe 1.99、最大回撤 -27%，对比始终做多尾盘的 0.11——信号全部来自方向切换而非做多偏差；按 r1 分五组的条件期望从 -26.5bp 单调爬升到 +29.4bp，量效关系干净。机制上三条腿：隔夜信息消化不完（开盘半小时是信息含量最高的区间）、日内趋势交易者尾盘集中平仓、被动基金收盘前再平衡的机械流。诚实交代两盆冷水：成本敏感性扫描显示单边 5bp 时 Sharpe 砍半、10bp 归零——这是日频翻仓策略的宿命；无效应对照世界里同样策略跑出 Sharpe 0.30，提醒任何尾盘研究必须配对照组。A 股注记：14:57 集合竞价切走最后 3 分钟、T+1 使现货腿只能隔日出、尾盘打板资金让 r12→r13 传导更强但拥挤（中高阶）

开盘半小时的涨跌方向，会在收盘前一小时被部分复刻——这是 Gao-Han-Li-Zhou (2018) 在 SPY 上记录的日内动量效应，来源不是玄学而是三股结构性资金：对冲 Gamma 的做市商、盯收盘价的被动基金、日内趋势跟随者都在尾盘同向交易。本文在自洽合成数据上植入传导系数 β=0.10 并完整复现检验流程：开盘-尾盘收益相关性 0.108（t=3.8）、五分组尾盘收益单调递增、策略年化 8.3%（Sharpe 0.73）显著跑赢被动持有尾盘（0.37）；同时用无效应对照组证明——β=0 时同一策略被 2bp 成本磨到年化 -7.9%。β×成本 Sharpe 热力图画出这类高频率低赔率策略的生死线，附完整 Python 与四类真实陷阱（中阶）。