文章核心观点 - 2026年资产配置策略的核心是锚定盈利、聚焦中游、工具适配，在风险溢价下行、盈利上行、结构分化的三重共振背景下，通过周期共振把握新质生产力等长期趋势性机会，同时以票息策略为底仓，战术上攻守兼备 [1][16] 策略实施的基本规则 - 策略的本质是基于资产特性、风险偏好与市场周期，在收益性、流动性、安全性之间寻求动态平衡的系统化方案 [3] - 策略实施需平衡“谋”与“动”，“谋”要求对未来进行定价，而不仅仅是总结过去常识，需注意产业演化已改变经济形态 [2] - “动”的第一要务是投资纪律，特别是风险处理的纪律性，其次才是收益布局，涉及配置（主导产业）和择时（资产比价、估值等增强因子） [2] 2025年策略回顾 - **风险溢价重构**：中美关税博弈进入均衡阶段，风险溢价从“冲突溢价”转向“修复溢价”，中国资产估值锚因外部约束边际缓和而重置，准平准基金成为风险溢价下行的关键变量 [4] - **产业主线明晰**：AI+作为技术赋能核心贯穿多领域，通过重构生产效率与需求场景形成产业红利链条，聚焦其产业链核心环节能把握结构性收益 [5] - **资金环境支撑**：无风险利率下行打开估值空间，资产荒背景下资金向高确定性、高成长性领域集中，资金成本优势通过杠杆效应放大优质资产收益 [6] - **叙事催化交易**：黄金与AI的哑铃策略是典型范式，分别锚定地缘风险与货币宽松叙事、技术革命与产业升级叙事，形成风险-收益的对冲平衡 [7] - **工具效率升级**：ETF凭借低成本、高流动性、广覆盖特性，成为智能化时代策略落地的核心工具，能高效实现从单一资产到系统配置的转化 [8] 2026年资产配置策略的因子分解 - **风险溢价重构**：中美博弈进入“经济领域聚焦期”，风险扩散边界被系统性压制，地缘溢价扰动弱化，中国资产风险溢价延续下行趋势，准平准基金与制度性开放红利共振夯实资产重估基础 [9][10] - **流动性格局切换**：2026年流动性充裕度或弱于2025年，货币供给从总量宽松转向结构性精准滴灌，中央政府成为加杠杆核心主体，配置逻辑需从“水涨船高”转向“优中选优” [11] - **通胀与盈利共振**：2025年PPI与CPI同步上行成为共识，名义GDP增速抬升打开企业盈利（ROE）空间，盈利修复成为资产定价核心锚，债券市场面临压制，票息策略价值凸显 [12] - **总量弱化与结构强化**：经济总量对资产配置的牵引作用持续减弱，财政政策力度预计大于货币政策，发力侧重民生保障与基础领域补短板，配置重心需转向细分赛道 [13] - **叙事退潮与盈利归核**：相比2025年，2026年叙事交易或大幅弱化，市场定价从“预期透支”回归“盈利兑现”，产业核心驱动力从流动性驱动切换到盈利驱动，业绩确定性成为估值核心依据 [14] - **哑铃策略进化**：2026年配置标的从两极向中间收敛，中游产业成为核心配置方向，因其盈利能力修复与ROE率先回升，契合朱格拉周期复苏初期的产业逻辑 [15] 2026年资产配置结论与具体方向 - **整体配置逻辑**：根植于“风险溢价下行、盈利上行、结构分化”的三重共振，契合“周期共振为锚、战略聚焦新动能、战术攻守兼备”的核心框架 [16] - **中游产业成为核心的三大理由**： - “反内卷”政策持续约束供给，中游投资增速低于需求增速的格局率先形成 [17] - 中游海外收入与盈利占比提升，赋予产业更强的景气独立性，对冲内外需波动风险 [17] - AI全球资本开支扩张与国内科技自立自强形成共振，中游制造率先受益于技术革命赋能 [17] - **具体配置方向**： - 大类资产层面：票息策略打底，权益资产聚焦中游制造与科技赋能赛道 [17] - 行业选择维度：紧扣盈利修复确定性、海外业务占比、技术革新适配度三大维度 [17] - 工具使用：ETF等工具仍为策略实施的高效载体，助力捕捉细分领域结构性机会 [17] - 交易行为：策略实施中需努力淡化叙事交易的羊群效应 [17] 大类资产近期表现（截至2025/12/9） - **贵金属与部分商品表现强劲**：COMEX白银年初以来上涨89.4%，伦敦金上涨59.7%，COMEX黄金上涨51.5%，LME铜上涨33.2% [18] - **部分股指表现突出**：创业板指年初以来上涨49.0%，科创50上涨36.6%，香港恒指上涨28.4%，恒生科技上涨26.7% [18] - **固定收益类资产表现相对平稳**：投资级中资美元债年初以来上涨7.4%，中低等级信用债上涨1.8%，国债下跌0.4% [18] - **部分资产表现疲弱**：焦煤年初以来下跌27.8%，螺纹钢下跌10.6%，美元指数下跌8.6% [18]

基金发行市场回暖与结构变化 - 前11个月新发基金数量超过1375只，同比增长35% [3] - 募集总份额超过1.06万亿份，较去年同期略有上升 [3] - 权益类基金募集规模占比超过50%，超越债券型基金，而2023年同期以债券型为主 [3] - 这一结构性变化反映市场情绪改善、投资者风险偏好回升，为A股市场提供增量资金 [3] 基金发行热度作为市场情绪指标 - 新基金发行规模是灵敏的市场情绪指标，可反映整体情绪与资金流向 [4] - 市场低位时，投资者认购意愿弱，常伴随基金发行失败案例，可视为潜在布局窗口 [4] - 当多只基金（非个别明星产品）在短期内普遍实现单日募集超100亿元时，可能预示市场接近阶段性高点 [4] - 目前市场绝大多数基金单日募集金额仅在1-2亿元左右，显示情绪尚未高涨，或仍处于慢牛行情上半场 [5] 历史百亿基金发行与市场顶部的关联 - 2007年上证综指近6000点时，多只基金单日募集超百亿元，随后市场进入2008年深度调整 [5] - 2015年上证综指5000点附近，再现多只基金单日募集超百亿元，随后市场连续九个月大幅回调 [5] - 2021年1月，多只基金单日募集超百亿元，更有产品单日认购规模超过2300亿元创纪录，此后市场进入三年调整周期 [5] - 在此类高热度发行环境下，投资者宜保持审慎 [5] 人民币汇率升值及其驱动因素 - 11月美元兑人民币即期汇率累计升值约0.48%，11月27日盘中最高触及7.0738，为一年多新高 [6] - 升值驱动因素一：美元指数持续走弱，市场对美联储2024年12月降息预期增强 [6] - 美联储已于今年9月和10月各降息25个基点，若12月再降息25个基点，联邦基金利率将降至3.5%-3.75%，中美利差收窄支撑人民币 [6] - 升值驱动因素二：中国科技创新进展增强全球资本信心，吸引资金配置中国股票与债券资产 [6] 人民币升值带来的配置机遇与外资观点 - 人民币升值有助于吸引外资增持人民币资产，推动A股与港股估值上移，支撑慢牛行情 [7] - 近期多家国际大型投行对A股与港股发表积极看法，乐观程度超过部分境内机构 [7] - 全球资本对中国资产重估路径的认可，这一趋势或在2026年进一步强化 [7] 美联储货币政策展望及其影响 - 美联储12月降息25个基点的概率较高 [7] - 若美联储降息落地，或引发全球更多央行加入宽松行列 [7] - 中国人民银行亦有望延续支持性货币政策，通过降准、降息等工具维持流动性合理充裕 [7] A股市场前景与“春季攻势”逻辑 - 上证综指4000点预计并非本轮行情终点，更可能是慢牛长牛进程中的中继 [8] - 进入2026年后，市场或由结构性行情逐步向更广泛的全面牛市演进 [8] - “春季攻势”成因包括：1月全年信贷投放集中（规模约3至4万亿元），部分资金可能间接流入股市；年末获利了结资金可能在次年1月回流；境外投资者倾向于年初布局估值较低的A股与港股；业绩空窗期热点行情更易形成 [8] 人工智能与科技板块投资机会 - 2026年A股与港股的科技股行情仍具备延续基础，国家层面已明确提出“人工智能+”行动 [9] - AI技术已在多个行业广泛应用，提升生产效率，长期价值创造潜力值得重视 [9] - 美股AI板块估值已处较高水平，而A股与港股科技行情启动时间相对较晚，持续时间不足两年 [9] - A股与港股前十大科技公司合计市值尚不足英伟达单家公司市值；美国“科技七姐妹”总市值达25万亿美元，数倍于中国科技龙头企业 [9] - A股与港股科技板块整体尚未呈现系统性泡沫，仅局部领域可能存在估值偏高现象 [9] - 科技创新是推动中国经济转型升级的关键引擎，2026年人工智能等前沿科技领域投资机会值得深入挖掘 [10]

大盘指数表现 - 周一市场高开高走，一举突破3900点大关[1] - 指数表现强势但成交额萎靡不振，上涨缺乏根基难以持久[1] 市场情绪与量能分析 - 量能是判断市场真实情绪和趋势可持续性的核心指标[3] - 虽有政策暖风和权重股护盘，但缺乏成交量配合，行情易陷入“虚涨”陷阱[3] - 投资者普遍持观望态度，市场信心尚未真正回暖，缺乏增量资金支撑[3] - 仅靠存量博弈推高的指数难以形成有效突破，反弹可能昙花一现[3] 股指期货持仓信号 - 中信期货在沪深300股指期货上多单减仓1203手，空单减仓1731手，信号偏多[4] - 在中证1000股指期货上多单减仓1061手，空单减仓1138手，信号偏多[4] - 在上证50股指期货上多单减仓893手，空单减仓761手，信号偏空[4] - 近205个交易日预判正确率为52.68%[4] - 主要机构如国泰君安、中信期货在多空单上均有不同程度减仓[4] 板块与个股表现 - 金富科技连续6个涨停板，被市场视为新的“妖股之王”[5] - 智能音箱概念股大涨，北京君正、天健股份、博通集成、惠威科技等涨停[8] - AI手机概念股强势，福蓉科技、中兴通讯、鹏鼎控股涨停[8] - 互联网电商板块走低，星徽股份、新讯达、华凯易佰跌幅居前[8] - 其他电源设备股弱势，爱科赛博跌逾17%，欧陆通、英杰电气等跟跌[8] 投资行为与市场心理 - 真正的“黄金坑”往往出现在优质公司因短期利空被错杀、股价跌至低估区间时[10] - 多数投资者在股价便宜时因恐惧而不敢买入或持有，在股价昂贵时却因害怕错过而盲目追高[10] - 此行为是典型的“损失厌恶”与“羊群效应”作祟，逆人性操作是投资成功的关键但实践困难[10]

投资行为中的常见心理误区与应对策略 - 投资者常因价格下跌超过10%而恐慌，并在回本后立即卖出，导致长期投资无法获利 [5][6][7] - 此行为源于被“成本价”锚定，决策时只关注价格与成本的差距，而非股票的内在价值与未来增长潜力 [10] - 解决方案是忘记成本价格，决策应基于资产未来价值是否大于当前市场价格及其增长潜力 [12][13] 盲目追逐市场热点的行为模式 - 投资者倾向于跟随大众购买热门行业如新能源、光伏、半导体，但买入后行情往往转变 [16][17] - 这种行为被描述为“羊群效应”，源于对“错过”的恐惧远超对“犯错”的恐惧，其根本原因是对所投行业及自身缺乏了解 [21] - 解决方案是增强自身投资认知并建立投资计划 具体方法包括：进行三问自查（投什么、为何涨、风险承受力），答不上则不买 [23][24]；设置单只基金持仓上限为总资金的10%-15%，以规则杜绝“赌博式”重仓 [25] 对资金的心理账户分类及非理性决策 - 投资者对同样数额的资金会因来源不同而区别对待 例如将工资视为“辛苦钱”谨慎使用，而将年终奖视为“福利钱”随意消费 [32][34] - 在投资中，投资者容易将短期内快速获得的收益（如五万元本金赚取五千元利润）视为“容易钱”，从而改变心态，将其投入高风险热门概念，导致利润回吐甚至本金亏损 [27][28][29] - 此问题的本质是按钱的来源而非用途进行心理分类，导致偏离常态的风险与收益目标 [36] - 解决方案是按“用途”而非“赚钱难易程度”对资金分类 建议构建不同账户，对应不同的用途、风险及收益目标，决策时忘记钱的来源，只关注其去向 [38][39] 投资心魔的根源与克服方法 - 投资中真正的对手是投资者自身的心理误区，包括被成本锚定、盲目从众以及对资金区别对待 [41] - 战胜这些心魔不仅需要知识，更需要一套系统的投资方法和计划 [43]

银行间外汇市场总体表现 - 10月银行间外汇市场日均交易量达2051.82亿美元，同比微跌0.30%，环比上涨6.72%，连续两个月维持增长 [1][2] - 人民币外汇市场日均交易量为1525.39亿美元，同比下降5.72%，环比上升6.30% [2] - 外币对市场和外币拆借市场交投活跃，环比涨幅均超过6% [2] 人民币汇率走势 - 10月人民币汇率经历走升后震荡回调，月末在岸人民币汇率收于7.1135，较9月升值0.07% [2] - CFETS人民币对一篮子货币汇率月末报97.61，较上月升值0.87% [2] - 人民币对美元中间价在10月15日报7.0995，为今年首次升破7.10，随后在7.11至7.12区间震荡整理 [2] 外汇期权与波动率 - 10月人民币外汇期权日均成交52.33亿美元，环比下降9.07% [3] - 人民币对美元平价期权隐含波动率在低位窄幅整理，整体波动率趋稳并保持在历史较低水平 [3] 境内外汇差与即期市场行为 - 境内外汇差在10月末由负转正，全月日均境内外汇差为-29个基点，较9月走扩25个基点 [4] - 即期市场机构发起方全月日均净买汇11.80亿美元，上半月逢低购汇意愿提升，月末转向净卖汇方向 [4] 市场交易行为特征 - 10月市场羊群效应指数为61.89，较9月下降1.01点，低于近一年历史平均值62.65点，显示羊群效应减弱 [5] 掉期市场与境内外利差 - 1年期限掉期点10月末收于-1287个基点，较9月末走升35个基点，续创2023年以来新高 [6][7] - 推动掉期点走升的主要驱动力为市场供需因素，贡献上涨45个基点 [7] - 10年期中美国债利差月末收于-232个基点，较9月末微幅走升1个基点 [6][7] - 在岸与离岸1年期掉期点差持续走升至170个基点左右，续创2022年3月以来新高 [7]

研究背景与核心思路 - 研究基于股票市场存在的隔夜相关性特征，将日度收益拆解为隔夜收益和日间收益，旨在通过挖掘股票间的领先滞后关系捕捉投资机会 [1][9] - 金融市场存在羊群效应，导致股票价格可能偏离基本面，并产生领先滞后效应，即不同股票对相同信息的反应速度存在差异 [4][5][6][7] - 核心研究思路是通过隔夜收益和日间收益构建有方向性的相关性矩阵，识别领先群组和滞后群组，并构建交易策略：仅从领先群组生成信号，仅在滞后群组内交易 [10][13][16] 实证研究主要发现 - 在A股市场，领先滞后效应呈现反转特征，即基于领先群组发出预期看多信号后，空头组合表现更强势，看空信号则相反 [34][35] - 该策略在中小盘股票中更为适用，例如在中证1000成分股中，多空组合能实现约10.51%的年化收益，而在沪深300成分股中区分度不突出 [44] - 日度调仓下，全市场股票的多空组合年化收益约为8.81%，且市场的上涨更多来源于日间收益而非隔夜收益 [35][38] 因子构建与表现 - 直接基于隔夜日间相关性构建的周度/月度选股因子区分度不突出，但引入常规相关性（全天收益相关性）后因子表现显著提升 [63][66][74] - 因子`factor_top50_allday`（基于常规相关性）的月度Rank IC为8.11%，多头年化收益18.3%，周度Rank IC为6.57%，多头年化收益22.4% [74] - 结合隔夜信息筛选股票群组后计算的常规相关性因子（如`factor_small50_corr_by_lag`）与直接计算的常规相关性因子内部相关性不高于60%，能提供边际增量 [77] - 组合因子`corr_combined1`（由`factor_small50_corr_by_lag`和`factor_top50_allday`等权加权）月度Rank IC为8.13%，多头年化收益18.2%，周度Rank IC为6.59%，多头年化收益22.1% [79][80][82][87][89] 因子相关性分析 - 隔夜日间相关性因子与常规相关性因子的内部相关程度相对较低 [77] - 相关性因子与部分风格因子存在相关性，例如与残差波动率因子呈现负相关（约-42.2%）[90][91]

历史背景 - 13世纪末至14世纪初苏格兰通过独立战争成功捍卫主权独立，但军事胜利未带来经济昌盛[2][4] - 17世纪苏格兰与英格兰实现王室联合但议会和经济仍分离，英格兰通过《航海法案》等保护主义政策将苏格兰排除在殖民地贸易和全球商业网络之外[4][5] - 长期被排挤的经济地位和集体性经济焦虑成为苏格兰倾其所有押注金融豪赌的心理背景[5] 项目发起与融资 - 金融奇才威廉·佩特森提出在巴拿马地峡建立贸易殖民地的宏大叙事，宣称该位置是"通往宇宙的关键"和"世界的钥匙"[6] - 探险家莱昂内尔·韦弗将达里恩描绘为土地极其肥沃、庄稼茂盛、拥有非凡良港的"天堂"，引发非理性狂热[6] - 1695年苏格兰议会批准成立"苏格兰贸易公司"，遭遇英格兰政治阻挠反而激化民族情绪[7] - 苏格兰全民参与融资，总投资超过40万英镑，相当于王国全部流动资本的一半[7] 项目执行与失败 - 1698年7月五艘船只载约1200名定居者启程，抵达后发现选址为炎热潮湿的沼泽雨林，欧洲商品在热带气候中一文不值[8] - 英格兰国王威廉三世禁止殖民地向达里恩提供援助，西班牙地缘政治压力加剧困境[8] - 热带疾病如疟疾、黄热病导致殖民者大量死亡，超过2000人丧生，仅一艘船幸存[9] - 项目缺乏扎实数据支撑，忽略商业逻辑、卫生条件和地缘政治风险评估[9] 经济与政治后果 - 达里恩计划失败导致苏格兰金融体系崩溃，民族信用破产，全国财富大幅缩水[9] - 1707年苏格兰议会通过《联合法案》，同意并入英格兰议会以换取巨额"赔偿金"金融救助[10] - 该项目成为苏格兰独立王国命运的终结键，揭示金融风险与政治主权的内在联系[11]

量化模型与构建方式 1. 分钟羊群效应因子簇 **因子构建思路**：将事件研究的想法融入选股因子构建，在分钟数据维度上挖掘羊群效应因子，关注市场中的重要资金（趋势资金）行动后其跟随者的交易行为[13] **因子具体构建过程**：围绕三个关键因素构建因子： 1. 事件识别：通过观测成交量、价格涨跌幅、价格波动率、量价相关性是否发生异常变化，对趋势资金是否行动进行判断，得到上千种不同的识别方式[13] 2. 因子定义：考察趋势资金行动的时间点后紧跟着的量价特征，包括价格、成交量、价量相关性、大小单资金流、主买单、主卖单等指标，这些指标可以是本身数值、与趋势资金对应时间点相比的变化或与趋势资金事件发生之前相比的变化，提出上千种不同的因子构造方式[14] 3. 数据频率：在1分钟数据集上讨论羊群效应[14] **因子评价**：通过体系化思路批量生产选股因子[13] 2. 逐笔羊群效应因子簇 **因子构建思路**：将离散化的因子定义应用在原始的逐笔数据上，基于羊群效应研究思路，在逐笔委托、逐笔成交数据层面构建因子簇[11][20] **因子具体构建过程**：围绕事件识别、因子定义、数据频率三个关键因素展开： 1. 事件识别：通过观测逐笔委托、逐笔成交数据的流动性冲击事件识别趋势资金行动[21] - 基于逐笔委托数据：引入"激进程度"概念，将委托单划分为10种类型[22][23][25][27] - 类型1买单：挂单价≥卖一价且挂单量≥卖一挂单量[22] - 类型2买单：挂单价≥卖一价但挂单量<卖一挂单量[23] - 类型3买单：挂单价>买一价但<卖一价[23] - 类型4买单：挂单价=买一价[25] - 类型5买单：挂单价<买一价[25] - 类型6-10卖单划分方式类似[27] - 基于逐笔成交数据：关注成交量较大或引起价格变动较大的成交单[27] - 共得到10种事件识别方法[29] 2. 因子定义：在事件发生后考察未来窗口内的量价特征[30] - 各种维度的委托量：通过未来窗口选取、订单类型、订单方向、订单指标等维度构建1680种因子[32][36][38] - 各种维度的成交量：逻辑与委托量类似，用"超大单"、"大单"、"中单"、"小单"替换激进程度，得到1200种因子[41][44] - 关键量价数据发生的间隔：通过未来窗口选取、量价数据类型、关键定义、间隔定义等维度构建432种因子[45][48][50] - 各种维度的不平衡指标：通过未来窗口选取、订单类型、不平衡定义等维度构建360种因子[51][52] - 量价相关性：通过逐笔量价指标的相关性计算构建2862种因子[55][56] - 共得到6000多种不同的因子构造方式[61] **因子评价**：展示了如何将离散化的因子定义应用在原始的逐笔数据层面挖掘有效因子[11] 3. 逐笔羊群效应综合因子 **因子构建思路**：在逐笔羊群效应因子簇中选取效果最优的因子合成综合因子[3] **因子具体构建过程**：在逐笔羊群效应因子簇中选取样本内（2016-2021年）信息比率最高的10个因子等权合成[3][67] **因子评价**：选股效果不错的综合因子[70] 4. 纯净逐笔羊群效应综合因子 **因子构建思路**：剔除市场常用风格和行业影响的纯净因子[71] **因子具体构建过程**：每月月底将逐笔羊群效应综合因子对Barra风格因子和中信一级行业虚拟变量进行回归，取残差作为纯净因子[71] 模型的回测效果 1. 分钟羊群效应因子簇 - 50个因子的年化ICIR绝对值都能达到2以上[18] - 分钟羊群效应综合因子（2016/01/01-2025/10/31）： - 月度IC均值：0.085 - 年化ICIR：3.18 - 月度RankIC均值：0.116 - 年化RankICIR：4.10 - 10分组多空对冲年化收益：41.59% - 年化波动：12.56% - 信息比率：3.31 - 月度胜率：82.91% - 最大回撤：10.06%[18] 2. 逐笔羊群效应因子簇 - 50个因子的年化ICIR绝对值都能达到2以上[2][65] - 因子16具体构建示例： - 根据逐笔成交数据，将"成交量大于当日所有主卖成交量90%分位数"的主卖成交视为趋势资金事件点 - 提取标准化后的主买成交量序列 - 计算未来20笔成交中的标准化主买成交量的偏度 - 以事件强度为权重对跟随行为强度求加权平均值 - 滚动回看过去20个交易日求算术平均值[66] 3. 逐笔羊群效应综合因子 - 月度IC均值：0.080[67] - 年化ICIR：3.49[67] - 月度RankIC均值：0.101[3][67] - 年化RankICIR：3.74[3][67] - 10分组多空对冲年化收益：44.26%[3][67] - 年化波动：10.90%[67] - 信息比率：4.06[3][67] - 月度胜率：89.74%[3][67] - 最大回撤：10.66%[3][67] 4. 纯净逐笔羊群效应综合因子 - 月度IC均值：0.044[71] - 年化ICIR：3.33[71] - 月度RankIC均值：0.046[71] - 年化RankICIR：3.03[71] - 10分组多空对冲年化收益：19.53%[71] - 年化波动：6.36%[71] - 信息比率：3.07[71] - 月度胜率：78.63%[71] - 最大回撤：5.13%[71] 5. 指数增强组合表现 **沪深300指数增强组合**： - 超额年化收益：8.89%[4][75] - 跟踪误差：3.50%[4][75] - 信息比率：2.54[4][75] - 月度胜率：77.78%[4][75] - 最大回撤：2.96%[4][75] **中证500指数增强组合**： - 超额年化收益：13.46%[4][78] - 跟踪误差：5.31%[4][78] - 信息比率：2.54[4][78] - 月度胜率：79.49%[4][78] - 最大回撤：5.15%[4][78] **中证1000指数增强组合**： - 超额年化收益：17.23%[4][80] - 跟踪误差：4.78%[4][80] - 信息比率：3.61[4][80] - 月度胜率：84.62%[4][80] - 最大回撤：4.14%[4][80]

散户交易行为特征 - A股散户平均持股周期仅为32天，年换手率超过600% [1] - 散户交易量占A股市场总交易量的近80%，而美股市场散户交易占比仅为21% [8] - 市值300亿元以下的中小盘股利润仅占市场10%，但其交易量却占据市场总交易量的70% [4] 长线投资与短线交易表现对比 - 持有优质股票5年以上的投资者，其盈利概率比短线交易者高出3倍 [1] - 深交所统计数据显示，散户频繁交易在扣除手续费和印花税后，近七成呈现亏损结果 [2] - 2015年牛市顶峰时期，散户融资总额达到2.27万亿元，其中1.8万亿元最终被强制平仓 [8] 散户短线交易的心理驱动因素 - 人类天生偏好即时反馈，短线交易每天可见的涨跌幅提供了即时的成就感 [2] - 贪婪和恐惧情绪导致交易决策失误，例如上涨时因贪婪不愿卖出，下跌时因恐惧而割肉 [6] - 羊群效应显著，投资者倾向于跟随他人行为，例如此前比特币跌破10万美元时引发跟风抛售 [8] 市场环境与信息影响 - 散户倾向于追逐市场热点和题材故事，而非基于估值进行投资 [4] - 短线交易神话被过度传播，例如三天赚取20%收益等案例被放大，而长线成功案例较少被提及 [8] - 帕兰提尔因AI概念股价暴涨170%，但在财报不及预期后迅速闪崩20% [4] 投资策略建议 - 投资需要具备大局观，不应试图捕捉所有短期市场波动 [10] - 真正的投资高手往往通过长期持有优质资产实现财富增值 [10] - 选择优质股票并长期持有被证明是比频繁短线交易更有效的资产增值方式 [1][10]

叙事交易对资产定价的影响 - 2025年大类资产定价不仅取决于基本面，还显著受到流行叙事影响，如美元信用体系重构、全球供应链重塑、新一轮科技革命、算力是AI时代基础设施、有色金属是AI时代的石油等[1] - 从量化角度可观测到叙事影响，例如黄金和科技资产在年度视角下趋势齐扬，但日度视角下相关系数处于0~0.1区间，呈现长期beta与短期beta的"非线性定价"，即"叙事交易"[1] - 截至10月27日，伦敦金现和申万大类风格-科技(TMT)分别录得52.1%和33.7%的累计收益，但日收益率相关性始终维持在0~0.1的低位区间[12] 羊群效应作为叙事强度的代理变量 - 参照罗伯特·席勒的叙事经济学思想，叙事对经济现象的影响包含流行故事、大众行为（微观决策过程）和流行病学模型（宏观传播过程）三个元素，研究主要围绕微观行为展开[2] - 羊群效应是流行叙事影响下的结果，其强度分布可划分为萌芽期、认同期、狂热期、消退期，每个阶段特征不同，而微观行为的趋同性（羊群效应）可作为"叙事强度"的量化代理变量[2] - 羊群效应产生的背景是经济学连续性假设破坏下，投资者倾向于选择模糊化框架理解资产价格，导致投资者因"错失恐惧"(FOMO)而选择"追涨"等行为[16] 大类资产羊群效应的特征与水平 - 通过测算包含中美股债商金汇九大类资产的CSAD（回报离散度指标），发现大类资产CSAD指数类似于VIX指数，呈现右偏分布且具有均值回复规律[5] - 2025年5-8月CSAD自高点回落至0.4%（约为历史10%分位），可能因TACO交易导致资产快速羊群化；9月中下旬以来CSAD小幅反弹，但2025年以来羊群效应较往年更强[5] - 当全资产等权组合处于下跌趋势时，羊群效应更为显著，二次项系数明显为负数，提示投资者更容易在市场调整时"跟风抛售"[32] 融合羊群因子的策略优化效果 - 将"羊群因子"与宏观因子风险平价框架融合，2016年以来"增长+通胀+羊群"平价策略年化收益为9.4%，年化波动率为10.3%，夏普比率为0.76，较经典"增长+通胀"因子风险平价获得约1.5%的年化超额[6] - 2025年以来，"增长+通胀+羊群"框架提示增加权益资产、商品（主要是沪铜）、黄金的比重，分别提高4.6%、16.7%、2.4%，同时减少债券资产权重22.9%[6] - 在"增长+通胀+流动性"三维框架中加入"羊群因子"可额外获得约1.1%的年化超额收益，而多宏观因子广谱性框架在夏普比率方面更占优势[6] 国内权益资产的羊群效应 - 万得全A的羊群效应同样具有均值回复性，但右偏性较大类资产明显下降（偏度1.65 vs 2.2），意味着A股在历史上的分散度更低[40] - 2025年5月以来，A股羊群效应经历"发酵—加剧—徘徊—松动"四部曲，5-7月万得全A的CSAD自近三年50.3%分位降至9.61%分位，8-10月处于底部小幅回升但仍为历史中低位[40] - 风格层面，2025年9月以来成长、金融风格的CSAD自极低位开始回升，红利CSAD企稳扁平运行，而周期、消费的CSAD仍在下行，关于成长主线的共识有所松动但仍处早期阶段[44] 融入羊群效应的择时策略 - 在宏观三维择时框架（M1-BCI-PPI）中融入羊群效应信号，择时思路为趋势向上时做多"具有潜力羊群效应"的资产，下行趋势时做空该类资产[46] - 遍历44个宽基与行业指数后，发现前期主线强势的科技与有色金属的"羊群效应"小幅松动但尚未到完全切换时间点，与宏观叙事所处状态大体一致[46] - 策略在多数股指上检测到超额收益，成长与周期择时收益最高，年化超额收益分别为1.42%和3.06%，夏普比率分别为0.44和0.45，而金融与消费风格表现相对平淡[52]