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]

宏观审慎政策框架构建 - 中国在全球率先启动构建宏观审慎政策框架，并形成了具有中国特色的实践路径 [1] - 治理机制上加强党中央集中统一领导，并充实人民银行宏观审慎管理职能 [1] 宏观审慎管理政策体系探索 - 2021年发布《宏观审慎政策指引》，明确了管理思路和政策框架 [1] - 2003年建立差别存款准备金制度，2010年引入动态调整机制，2016年升级为宏观审慎评估（MPA），有效促进货币信贷平稳增长 [1] - 建立系统重要性金融机构监管总体框架，发布相关指导意见及评估办法 [1] - 设立跨境融资宏观审慎调节参数等工具，对跨境资本流动实施逆周期调节 [1] - 探索开展金融市场宏观审慎管理，动态观察评估债券市场，加强风险提示，并会同证监会设立支持资本市场的两项货币政策工具 [1] - 坚持市场在汇率形成中的决定性作用，保持人民币汇率在合理均衡水平基本稳定，防范大幅波动风险 [1] - 完善房地产金融宏观审慎管理，动态调整房贷首付比、房贷利率等政策工具 [1] - 搭建金融控股公司监管框架，目前该项工作已划入金融监管总局 [1] 市场预期与稳定维护 - 加强市场预期管理，在金融市场发生较大波动时主动发声，及时校正市场"羊群效应" [1] - 坚定维护股市、债市、汇市等金融市场稳定 [1]

公司AI战略与投入 - 交通银行自2021年起将人工智能作为公司数字化转型的新名片，每年科技资金投入保持在120亿人民币，在整体营收中占比约5.4% [1] - 公司科技人员达到1万人，占总员工数量10%以上 [1] AI在金融业务中的应用成效 - 在零售信贷领域，通过AI在信贷准入、营销、审核端到端的应用，服务效率提升了3.5倍 [1] - 在风险防范方面，AI技术让反电诈的准确率达到80%以上 [1] - 在营运管理领域，原本网点柜台需要做人工授权的环节，通过AI授权释放了60%以上的人工生产力 [1] 金融业对AI的总体态度 - 金融行业高度期待人工智能，凭借数据密集、技术驱动的特性，一直是科技创新应用的先行者，处于全社会数字化转型的最前沿 [1] - 国有大行在人工智能领域高度重视，积极布局，金融领域高度聚集资源并持续加大投入 [1] AI应用潜藏的风险挑战 - 风险包括网络安全、数据安全、模型安全等方面，随着应用推进需采集更大量数据，数据公权与私权边界需厘清，个人隐私保护需更受重视 [2] - 大模型存在“价值观偏离”风险，信息茧房传递的单一信息可能影响公众的基本判断和认知 [3] - 存在“羊群效应”风险，若金融机构采用同质化大模型，可能导致市场行为同质化，带来市场风险和流动性风险的乘数效应，大量同质化量化交易可能引发“共振”或“踩踏”事故 [3] 人在技术应用中的核心角色 - 强调人永远要成为新技术的主人，因为在金融的关键决策点必须由人把控，机器规则是冰冷的，而市场更需要金融有温度、负责任 [3]

黄金价格市场表现 - 10月24日现货黄金价格一度大跌1.92%至4054.44美元/盎司，COMEX期货黄金跌1.91%至4066.4美元/盎司 [1] - 现货白银价格同时走低，跌幅达1.94%至47.9美元/盎司 [4] 消费者行为与市场情绪 - 尽管金价下跌，上海杨浦区多家金店并未出现购金热潮，店内客流冷清 [7] - 部分消费者认为当前金价仍处高位，持观望态度，期待进一步下跌后再考虑购买 [9] - 存在“买涨不买跌”的羊群效应，金价突破千元大关后反而吸引更多购买意愿 [13] - 有消费者因近期高价购买金饰后金价下跌而感到懊悔，例如990元/克购入金镯后价格跌至918元/克 [13] 投资性黄金交易动态 - 北京菜百投资金条柜台顾客增多，10克重投资金条出现缺货状态 [9] - 黄金回购柜台排起长队，有投资者变现100克金条，回购价格约931元/克，早期购入成本低于300元/克，获利约6万多元 [9] - 另有投资者采取短线操作，因担心金价进一步下跌而将50克金条变现以锁定几千元利润 [10] - 有经验投资者将金价下跌视为短暂回调，并计划长期持有剩余黄金 [10] - 部分投资者进行波段操作，曾在970元/克高价回购200克金条获利约1.8万元，并计划在价格回调时再次买入 [11] 黄金投资渠道与策略 - 每月定投1克金豆被视为一种长期储蓄方式，投资者不关注短期价格波动 [15] - 品牌金饰因包含较高加工费，在回收时会造成损失，不适合投资目的 [17] - 投资型黄金如投资金条、熊猫金币、ETF基金等是更合适的投资渠道 [17]