从高 Sharpe 到可信择时：量化金融择时策略的效果评价体系

关键词： 量化择时；样本外预测；经济价值；Sharpe 比率；数据窥探；动量崩溃；信息系数

Motivation：为什么需要重新评价择时

择时策略通常试图利用决策时点可获得的信息改变资产暴露。例如，策略可以预测下一期股票超额收益，在上涨预期较高时持有股票；也可以预测波动率，在风险升高时降低仓位；还可以在多个资产之间进行动态配置。这些策略的共同点是：信号先产生，信号再通过交易规则转化为仓位，最后形成组合收益。因此，至少存在三步骤不同的研究命题：

1. 信号是否包含对未来收益、方向或风险状态的增量信息？
2. 信号转化为仓位后，是否在交易成本和风险约束下创造经济价值？
3. 观察到的优势是否能够排除噪声、数据窥探、前视偏差和模型误设？

传统的 Return、Volatility 和 Sharpe 主要回答第三个链条中“组合结果如何”这一部分。Return 可能只是高 beta 或杠杆的结果；低波动可能只是低仓位的结果；Sharpe 则会受到序列相关、厚尾、样本长度和多重尝试联合检验失效的影响。Boguth et al.（2011）进一步指出，无条件 alpha 可能混入条件风险暴露，使用同期实现 beta 进行调整又可能引入事后条件化偏差。

因此，评价对象必须被分开。信号预测力应使用样本外预测误差、方向检验或风险预测误差评价；组合层应使用成本后收益、基准相对 alpha、回撤、尾部风险和投资者效用评价；证据层则需要样本外回测、稳健推断、数据窥探校正、Deflated Sharpe Ratio（DSR）和 Probability of Backtest Overfitting（PBO）等工具。

Methodology：择时策略效果评价方法

本节按方法分别说明：研究对象是什么、数据怎样变成变量、统计量如何计算，以及结果能支持什么结论。文中的演示数字只用于说明计算，并非原文献真实数据。

方法一：信息集构造、时间对齐与重采样

对应文献： Campbell and Thompson（2008）；Andersen et al.（2003）；Olorunnimbe and Viktor（2022）。

对预测时点 $t$，信息集 $\mathcal F_t$ 指在决策时已经发布、已经观测且能够交易使用的数据；信号可以用 $\mathcal F_t$ 生成，不能借用之后才知道的价格或修订值。这不是某一种 alpha 检验，而是应该被视为任何检验的时间与数据前提。设 $\tau_x$ 为变量 $x$ 的实际发布时间，$d_t$ 为信号发出后第一个可执行成交时点，$r_{t+1}$ 为从 $d_t$ 到下一调仓点的投资收益。只有 $\tau_x\le t$ 且数据当时可交易使用时，$x$ 才属于 $\mathcal F_t$。

先确定每个变量代表什么。 复权价格用于计算含分红收益；$R_t=(P_t+D_t)/P_{t-1}-1$ 为含现金分红的总收益，$r_t^e=R_t-r_t^f$ 为同期超额收益，$r_t^f$ 是无风险收益。二者必须用相同频率和相同区间。价格水平通常取区间末值，收益必须复利；成交量等流量数据通常求和，利率等状态量可取末值或区间均值，但规则要预先固定。

按时间对齐。 例如，月末收盘后发布的宏观数据不能用于月末收盘前交易。即使模型在月末生成信号，也只能从下一个可成交时点建仓，收益区间从该成交时点开始。宏观数据保存实时版本（vintage），可以避免把后来修订值当成当时已知信息。

把日频转换为月频。 若一个月内日收益为 $r_d$，月收益是 $R_m=\prod_{d\in m}(1+r_d)-1$。日收益的路径还能构成实现方差 $RV_m=\sum_{d\in m}r_d^2$，其平方根是月内实现波动的尺度；若要年化，再按所采用的交易日数约定换算。月收益只保留复合后的净变化，同样的月收益可以由平稳路径或大幅往返路径构成，所以不能据此反推出月内波动。

跨资产时先明确基准货币，再按真实交易时区处理非同步市场。沿用上一可得收盘价可能制造零收益并压低波动；未来价格插值则直接引入前视。期货还需在收益中计入换月/展期和抵押现金收益。

结论怎么读。 同日信号使用同日收盘价成交、全样本标准化、修订后宏观数据回填，都会破坏实时性；显著性检验不能修复这些数据泄漏。每个预测时间点都应能够追溯数据版本、信号值、成交价和持有期。

围绕文献的问答。

问：为什么实时数据版本（vintage）会改变一项预测结果？ 答（Campbell and Thompson, 2008；Olorunnimbe and Viktor, 2022）：宏观数据在首次发布后可能被修订。回测若直接读取今天下载的最终值，就把当时尚不存在的修订信息放进了 $\mathcal F_t$；实时回测应保存首次发布日期和当时版本，只能使用 $\tau_x\le t$ 的观测。保存 vintage 是落实实时预测原则的数据要求。

问：为什么综述文献反复强调按时间顺序划分训练集和测试集？ 答（Olorunnimbe and Viktor, 2022）：金融回测的核心是模拟当时决策；随机打乱会让模型从未来状态学习再预测过去。训练、调参、标准化都应只使用预测时点以前的数据，最后才用未参与估计的时期评价。

问：月收益已经知道了，为何还要保留日收益来算波动？ 答（Andersen et al., 2003）：月收益是日收益连乘后的一个结果，丢掉了区间内路径。先大跌再反弹和每天小幅上涨可能有相近月收益，却对应完全不同的风险；实现方差从区间内高频收益平方和构造，衡量路径上的波动。

方法二：样本外预测回归与递归历史均值

对应文献： Campbell and Thompson（2008）；West（1996）；Clark and McCracken（2001）；Pesaran and Timmermann（1995）；Newey and West（1987）。

样本外预测要模拟真实的逐期决策。令 $x_t$ 是在 $t$ 时点已知的预测变量，$r_{t+1}$ 是之后才实现的收益。训练配对为 $D_t=\{(x_i,r_{i+1}):i=t_0,\ldots,t-1\}$；因此当期 $x_t$ 只能生成下一期预测，尚未实现的 $r_{t+1}$ 不能进入估计。

约定“递归历史均值”为 $\bar r_{t+1|t}=\frac{1}{t-t_0+1}\sum_{i=t_0}^{t}r_i$：在时点 $t$，只使用截至当时已经实现的历史收益，预测下一期收益，是一个expanding window。它的作用是提供一个 不使用额外预测变量的实时基准 。样本外回归模型只有在预测误差显著优于这个基准时，才能说明预测信号确实提供了增量信息。它不同于滚动均值：滚动均值只保留最近固定的 $W$ 期。

回归预测则是 $\hat r_{t+1|t}=\hat\alpha_t+\hat\beta_t x_t$。无论哪种，窗口长度和首个样本外日期 $T_0$ 都应在看结果前设定。

预测误差怎么计算。 均方预测误差 $MSFE$ 是所有样本外误差平方的平均。$R^2_{OOS}=1-MSFE_{model}/MSFE_{mean}$ 比较模型和递归历史均值的误差：正值表示模型误差较小，0 表示相同，负值表示模型还不如历史均值。它不是组合收益，也不代表策略赚了同等比例的回报。

完整流程是：冻结窗口和变量；每期用 $D_t$ 拟合回归并生成两种预测；收益实现后登记两种误差；再把新观测加入下一期训练集；最后检验误差差异，再单独把预测转换为仓位并计算成本后收益。若预测期重叠，误差会序列相关，需用 HAC（异方差与自相关稳健）标准误或保留时间块的 bootstrap。

HAC 标准误。 HAC 是 Heteroskedasticity and Autocorrelation Consistent 的缩写，即“异方差与自相关稳健”。它不改变回归系数，而是修正系数或均值估计的不确定性。对平均预测误差，令 $e_t$ 为误差，$\bar e$ 为误差均值，其第 $k$ 阶自协方差可估计为

把当期方差和滞后协方差加总，可得长期方差估计

若 12 个月预测误差连续同向，独立样本算法会把它们当成 12 份独立信息；若误差正自相关，HAC 会计入这种重复信息，通常提高标准误、降低显著性。检验回归系数时，HAC 对应的是回归得分序列（解释变量与残差的乘积），上面的公式仅演示均值误差的情形。

时间块 bootstrap。 普通 bootstrap 逐个观测抽样，会打乱时间顺序。移动区块 bootstrap 则从时间序列中抽取连续的 $L$ 期区块，拼接至长度 $T$；区块内部的自相关和波动聚集因此得到保留。下面仅演示一种抽样结果：

每次重抽样后重新计算 $R^2_{OOS}$、Sharpe、最大统计量或策略差异；重复多次后，可用统计量分布构造置信区间或 bootstrap $p$ 值。比较多条策略时，所有策略必须使用同一组时间区块索引，以保留共同市场冲击和策略间相关性。

它们都不能修复前视偏差、错误交易成本或数据泄漏；它们只能处理统计推断中的时间依赖问题。

West（1996）处理的是预测模型参数由估计样本得到这一事实：预测误差的分布不仅包含未来收益噪声，也包含估计参数的不确定性。Clark–McCracken（2001）针对嵌套预测模型给出专门检验；小模型通常是历史均值，大模型在此基础上加入信号。零假设下新增参数不可识别于通常情形，因此不能不加判断地套用普通正态临界值。

结论怎么读。 正的 $R^2_{OOS}$ 说明相对误差改善，但还需预测能力检验及成本后组合评价。结构变化会令递归均值滞后；可以报告滚动均值等替代基准，但不能看过测试结果后再挑一个最有利基准。

围绕文献的问答。

问：Campbell–Thompson 为什么把递归历史均值当作基准？ 答（Campbell and Thompson, 2008）：它代表一个不使用额外预测变量、但可以实时更新的简单预测。模型必须在真正没参与拟合的时期胜过这个基准，才能说明信号增加了预测信息；全样本回归拟合好并不能回答这个问题。

问：West 为什么关心预测误差，而不是只看样本内回归系数？ 答（West, 1996）：投资者使用的是逐期生成的预测，预测误差还包含参数估计带来的不确定性。检验样本外误差差异才能对应“预测是否更准”这一问题；系数显著性只说明样本内线性关系，不等于真实预测期表现。

问：Clark–McCracken 的嵌套模型检验解决了什么？ 答（Clark and McCracken, 2001）：它专门比较包含关系明确的基准模型与扩展模型，例如历史均值和“历史均值加预测变量”。由于零假设下扩展模型的额外参数不按常规方式识别，普通临界值未必适用；要用对应的嵌套模型统计量和临界值。

方法三：方向预测、混淆矩阵与 Quantilogram

对应文献： Pesaran and Timmermann（1992）；Linton and Whang（2007）；Blaskowitz and Herwartz（2014）；Bürgi（2024）。

先明确标签规则：本节沿用方向检验常见编码，正类代表“上涨”。设预测阈值 $c$、实际方向阈值 $c_r$，当预测收益大于 $c$ 时记预测上涨，实际收益大于 $c_r$ 时记实际上涨。示例取两者均为 0，等于 0 归为下跌；阈值和零收益处理必须事前约定。若研究问题是避开下跌，把“下跌”重编码成正类后再计算，Recall 才表示捕捉下跌的比例。

混淆矩阵怎样从逐期预测得到？ 等收益实现后，将每一期预测方向与真实方向配对：TP 是预测上涨且实际上涨，FP 是预测上涨但实际下跌，FN 是预测下跌但实际上涨，TN 是预测下跌且实际下跌。它们是四类计数，不是收益金额。

四个常用结果各自回答不同问题：$Accuracy=(TP+TN)/N$ 是全部样本判断正确比例；$Precision=TP/(TP+FP)$ 是发出看涨预测时有多少兑现；$Recall=TP/(TP+FN)$ 是实际上涨样本中捕捉到多少；$Specificity=TN/(TN+FP)$ 是实际下跌样本中正确判断为下跌的比例。该例依次为 62.5%、75%、60% 和 66.7%。其中 FP 可能造成下跌时仍持有，FN 可能造成上涨时踏空，投资代价需看对应收益幅度和仓位，不能从计数直接推出。

这些指标分别评价不同的预测性质，不能把一个指标的高低直接当成“择时能力”的总分。设上涨为正类、下跌为负类，且四格计数满足

Accuracy（准确率） 统计所有期次中判断正确的比例：

它适合在正、负类数量接近时作总体描述。类别不平衡时，Accuracy 可能主要反映样本中哪个方向更常见。例如 100 期中有 95 期上涨、5 期下跌，模型每一期都预测上涨，则 $TP=95,FP=5,FN=TN=0$，Accuracy 仍为 95%；这个数值很高，但模型没有识别过任何一次下跌。因此必须同时报告模型对两个方向分别做得怎样。

Balanced accuracy（平衡准确率） 先分别计算两个方向的识别率，再取平均：

这里的 $Recall$ 以“实际上涨的期次”为分母，回答“所有真正上涨中有多少被预测为上涨”；$Specificity$ 以“实际下跌的期次”为分母，回答“所有真正下跌中有多少被预测为下跌”。在上面的 95% 上涨例子中，恒定预测上涨的 $Recall=1$，但 $Specificity=0$，所以平衡准确率只有 $(1+0)/2=50\%$。它不会让少数类被多数类的数量掩盖。若研究目标是规避暴跌，应将“下跌”重新编码为正类；此时 Recall 才表示“实际下跌被提前识别的比例”，而不能沿用上涨为正类时的解释。

混淆矩阵还可给出与交易动作更接近的条件比例：

表示模型发出“上涨”信号的期次中，实际上涨的比例；$Recall$ 衡量上涨事件的覆盖率；$Specificity$ 衡量下跌事件的排除率。Precision 的分母是“预测上涨”，Recall 的分母是“实际上涨”，两者回答的问题不同。若 $TP+FP=0$ 或某一真实类别从未出现，相应比率没有定义，应报告为缺失并说明，而不是把它自动当成 0 或 1。

MCC（Matthews correlation coefficient） 把四格计数同时放进一个相关系数：

分子为“正确配对的乘积”减去“错误配对的乘积”：预测上涨且实际上涨、预测下跌且实际下跌越多，分子越大；FP 或 FN 增多，分子会下降。分母用四个边际总数对计数规模进行标准化，所以在类别不平衡时通常比单独看 Accuracy 更有信息。MCC 取值在 $[-1,1]$：$1$ 表示四格完全吻合，$0$ 表示在该计数结构下接近没有方向关联，$-1$ 表示预测方向与实际方向完全相反。若分母为 0（例如模型永远只预测一个类别，或样本中只有一个真实类别），MCC 不可计算，这本身就是需要披露的退化情形。

AUC（area under the ROC curve） 的输入不是一个已经二值化的标签，而是每一期的连续预测分数，例如预测下一期上涨的概率或预期收益。给定阈值 $c$，把分数大于 $c$ 的期次标为上涨，就得到一组 $TPR=TP/(TP+FN)$ 和 $FPR=FP/(FP+TN)$；逐步改变 $c$，得到整条 ROC 曲线，再计算曲线下面积 AUC。它衡量模型把“实际上涨”排在“实际下跌”之前的排序能力，不能从单一阈值下的一张混淆矩阵唯一推出。AUC 较高也不代表按照某个交易阈值建仓后一定盈利，因为它不包含收益幅度、仓位、交易成本和信号触发频率。

Pesaran–Timmermann（PT）检验的比较对象不是固定的 50%。 令预测方向 $F_t$ 和实际方向 $A_t$ 各取 1（上涨）或 0（下跌）。样本正确率是

再分别计算预测上涨的边际比例和实际上涨的边际比例：

如果预测方向与实际方向相互独立，预测和实际恰好同向的概率为

第一项是“双方都为上涨”在独立假设下的同时发生概率，第二项是“双方都为下跌”在独立假设下的同时发生概率。由于 $P^\ast$ 取决于两个边际比例，它不必等于 50%。例如 100 期中实际有 90 期上涨，模型 100 期都预测上涨，则 $p_f=1,p_a=0.9$，实际正确率 $P=0.9$，但机会正确率也为 $P^\ast=1\times0.9+0\times0.1=0.9$；高正确率完全可以由市场长期偏向上涨造成。PT 统计量检验的是 $P-P^\ast$ 是否显著为正，即预测方向是否超出“只利用双方出现频率、但没有方向关联”的水平。它只使用方向，不使用预测对错时的收益大小，因此不能单独证明交易策略有正的成本后收益。

方向命中可能连续发生。例如连续上涨阶段模型连续预测正确，这些观测共享同一段市场状态，不应当被当成相互独立的伯努利试验。若直接使用独立二项标准误，实际有效信息量会被高估，显著性可能被夸大。Blaskowitz–Herwartz（2014）所强调的序列相关问题，要求在计算 PT 差异或其方差时使用与时间依赖相容的稳健方差，或用保留连续时间块的 bootstrap 得到统计量分布。这样的处理只改变不确定性评估，不会把一个没有信息的方向信号变成有效信号。

Quantilogram 检查的是特定尾部事件在时间上的可预测性。 选择分位数 $\tau$，例如 $\tau=0.05$，在每个时点 $t$ 只用当时可用的历史收益估计 5% 分位点 $q_t(0.05)$。随后定义命中变量：

当 $r_t$ 落在估计的下 5% 尾部时，指示函数等于 1，因此 $H_t(0.05)=1-0.05=0.95$；没有落入尾部时，$H_t(0.05)=0-0.05=-0.05$。减去 $\tau$ 的作用是把命中变量中心化：在没有额外依赖时，长期平均命中率应接近 $\tau$，中心化后的均值接近 0。对指定滞后 $k$，使用可同时观测的期次计算

其中 $k=1$ 检查相邻两期尾部命中是否相关，$k=12$ 则检查相隔 12 期的尾部命中是否相关。$\hat\rho_\tau(k)>0$ 表示尾部损失容易成簇出现：某一期发生极端下跌后，指定滞后仍发生极端下跌的概率相对更高；负值表示交替或排斥关系。若研究上尾部，则改用 $\mathbf{1}_{r_t\ge q_t(1-\tau)}-\tau$；若研究一般涨跌方向，则应直接使用方向标签，不能把 Quantilogram 的尾部命中相关误称为全样本方向胜率。

Quantilogram 的零假设是在给定 $\tau$ 和 $k$ 下，命中变量没有相应的时间依赖。实际计算通常要对分位点估计误差和命中序列的异方差、自相关进行稳健推断。研究者若同时扫描多个 $\tau$ 和多个 $k$，实际上进行了多次检验；应报告检验范围并采用多重检验校正。即使某个尾部分位的 $\hat\rho_\tau(k)$ 显著，也只能说明尾部事件存在统计依赖，仍需进一步检验该依赖能否在信号发布时间、仓位规则和交易成本约束下转化为可盈利的择时策略。

围绕文献的问答。

问：Pesaran–Timmermann 为什么不把随机猜测一律设为 50%？ 答（Pesaran and Timmermann, 1992）：当市场多数时间上涨，恒定预测上涨本来就可能得到高正确率。论文用预测和实际方向的边际发生率计算独立情形下的机会正确率 $P^\ast$，再检验实际正确率 $P$ 是否高于它。这样检验的是方向关联，而不是市场上涨本来更常见这一事实。

问：Linton–Whang 的 Quantilogram 比方向胜率多看了什么？ 答（Linton and Whang, 2007）：它先把收益转换为特定分位的 hit，再检查这些 hit 在不同滞后上是否相关。因此它能定位低分位损失或高分位收益是否成簇；结果必须连同分位数、滞后和分位点的估计方法一起报告。

问：方向预测有序列相关，为什么独立二项检验会误导？ 答（Blaskowitz and Herwartz, 2014）：若上涨预测连续几期都对，这些命中不是彼此独立的新证据。独立假设会低估统计不确定性。应采用论文所讨论的序列相关稳健推断，并把预测能力与成本后交易价值分开陈述。

方法四：Treynor–Mazuy、Henriksson–Merton 与动态 beta

对应文献： Treynor and Mazuy（1966）；Henriksson and Merton（1981）；Jagannathan and Korajczyk（1986）；Bollen and Busse（2001）；Boguth et al.（2011）。

策略和市场收益都扣除同一无风险利率后，记为 $r^e_{p,t}$ 与 $r^e_{m,t}$。$\alpha$ 是控制模型中市场暴露后的平均截距，$\beta$ 是线性市场暴露，$\gamma$ 则刻画收益关系的非线性。设投资者只持有市场指数基金和国库券两种证券。如果二者的比例是一定的，那么组合的β值也是一定的，证券特征线是一条直线。但如果投资者能看准市场时机，在市场表现好的时候将资金转入市场指数基金，原本的证券特征线就应该向上弯曲。因为投资者如果能预测牛市和熊市，就会在市场上升时提高市场指数基金的权重，市场收益率提高时证券特征线的斜率就会上升。直观上呈现为下图。

Treynor–Mazuy（TM）回归为 $r^e_{p,t}=\alpha+\beta r^e_{m,t}+\gamma(r^e_{m,t})^2+\varepsilon_t$。市场收益每变化一个单位时，拟合收益的局部斜率是 $\beta+2\gamma r^e_{m,t}$；正 $\gamma$ 使曲线向上凸。

Henriksson–Merton（HM）回归为 $r^e_{p,t}=\alpha+\beta r^e_{m,t}+\gamma\max(r^e_{m,t},0)+\varepsilon_t$。当市场下跌时，额外项为零，斜率是 $\beta$；当市场上涨时，斜率为 $\beta+\gamma$。因此 HM 的 $\gamma$ 直接表示上下行 beta 的差异。

结论怎么读。 显著正 $\gamma$ 说明组合收益随已实现市场状态呈凸性或上下行暴露不同。TM/HM 使用同期市场收益解释同期策略收益，所以描述的是事后收益形状；它们本身没有证明经理提前预测到市场方向。只有滞后信号预测未来收益，并在可执行仓位和成本后仍有价值，才支持事前择时能力。

围绕文献的问答。

问：Treynor–Mazuy 的正 $\gamma$ 在图上意味着什么？ 答（Treynor and Mazuy, 1966）：它表示策略收益相对于市场收益的拟合曲线向上凸，市场上涨时局部斜率更大、下跌时更小。原文将其作为择时能力的参数检验，但相同形状也可能来自期权收益或动态杠杆，因此要结合持仓与替代风险解释。

问：Henriksson–Merton 的 $\gamma$ 怎样转换成上下行 beta？ 答（Henriksson and Merton, 1981）：HM 在上涨市场额外加入市场收益，在下跌时不加。于是下跌斜率为 $\beta$，上涨斜率为 $\beta+\gamma$；显著正值说明上涨期暴露较高，但由于回归使用同期收益，它仍是收益条件关系，而非事前预测证据。

问：Jagannathan–Korajczyk 和 Boguth 等的警告分别针对什么？ 答（Jagannathan and Korajczyk, 1986; Boguth et al., 2011）：期权式、非正态收益和条件 beta 变化都可能制造类似择时的曲率；用同期实现状态解释收益又可能引入事后条件化。若控制期权式收益或滞后风险状态后 $\gamma$ 消失，应把结果解释为风险暴露，而不是独立的预测技能。

方法五：趋势/技术规则、Reality Check 与 SPA

对应文献： Brock, Lakonishok, and LeBaron（1992）；Sullivan, Timmermann, and White（1999）；White（2000）；Hansen（2005）；Park and Irwin（2007）；Bajgrowicz and Scaillet（2012）。

这一节讨论的是对于挖掘大量技术指标规则有效性的场景，如何规避data snooping的影响。这里检验的是“挑出最好规则”这一步是否让表现看起来过好。若研究者尝试过 200 个均线窗口，最后只报告最高 Sharpe 的窗口，普通单策略显著性没有计入这 200 次搜索。若只保存最终胜出的规则，就无法复原选择偏差。

令 $r_{j,t}$ 为规则 $j$ 的成本后收益，$r_{0,t}$ 为基准收益；$d_{j,t}=r_{j,t}-r_{0,t}$ 是逐期相对绩效差。$T$ 是共同样本期数，$N$ 是实际试过的候选规则数。以下用标准化平均差展示检验流程。若 $d_{j,t}$ 有序列相关，分母应使用其长期标准差估计（例如 HAC 方差的平方根），或改用由区块 bootstrap 直接校准的均值统计量；观察统计量与每次重抽样必须采用同一标准化方法：

这里 $\hat s_j$ 是逐期绩效差 $d_{j,t}$ 的长期标准差估计；独立同分布时可用样本标准差，有序列相关时可用 HAC 长期方差的平方根或由区块 bootstrap 校准的尺度。因此 $\hat s_j/\sqrt T$ 对应样本均值的标准误，$Z_j$ 是平均差的标准化统计量，不是直接的 bootstrap $p$ 值。

整体零假设是 $H_0:\max_j E[d_{j,t}]\le 0$，即没有一条候选规则的期望相对绩效为正。数据先按同一交易日期对齐成 $T\times N$ 的收益矩阵；同一次重抽样对所有策略使用共同的区块时间索引，避免破坏策略间相关性。区块长度 $L$ 应覆盖主要的序列依赖，并做敏感性检查。

操作步骤

1. 事前冻结并保存规则全集，包括规则窗口、阈值、持有期和搜索/筛选过程；未记录的尝试不能被校正。
2. 用滞后价格生成信号，在下一可成交时点建仓，逐期计算含成本的策略收益和基准收益。
3. 计算每个规则的 $d_{j,t}$、观察统计量 $Z_j$ 和候选族最大值 $Z_{\max}^{obs}$。
4. 在零假设下对 $d_{j,t}$ 作中心化，再用移动区块或 stationary bootstrap 抽取连续时间块。每轮保留收益的时间依赖、共同市场冲击和规则间相关结构。
5. 第 $b$ 轮重抽后重新计算全部 $Z_j^{\ast(b)}$，再保存最大值 $Z_{\max}^{\ast(b)}$。
6. 估计整体 $p$ 值：$\hat p=\{1+\sum_{b=1}^{B}\mathbb{1}(Z_{\max}^{\ast(b)}\ge Z_{\max}^{obs})\}/(B+1)$。$p$ 值小表示在该候选族与重抽方案下，纯噪声较难产生观察到的最大值。

得到统计量后如何比较和判别。 这里的比较对象不是某一条规则的 $Z_j$ 与正态分布临界值，而是观察到的“候选族最大值”与 bootstrap 得到的“最大值分布”。假定相对收益差 $d_{j,t}$ 越大越好，先计算

然后将 $B$ 次重抽样得到的 $Z_{\max}^{\ast(1)},\ldots,Z_{\max}^{\ast(B)}$ 从小到大排列。给定单侧显著性水平 $\alpha$（例如 $\alpha=5\%$），可以用两种等价方式判别：

1. 计算右尾比例

   $$ \hat p=\frac{1+\sum_{b=1}^{B}\mathbb{1}(Z_{\max}^{\ast(b)}\ge Z_{\max}^{obs})}{B+1}. $$

   当 $\hat p\le\alpha$ 时，拒绝“所有候选规则的期望相对收益都不为正”的整体零假设；当 $\hat p>\alpha$ 时，只能说证据不足以拒绝整体零假设。后者不是证明每一条规则都无效，而是说明在当前样本、候选集合和重抽方案下，观察到的最高表现并没有明显超出数据依赖所能产生的范围。

2. 取 bootstrap 最大值分布的上侧 $1-\alpha$ 分位数 $c_{1-\alpha}^{*}$。当

   $$ Z_{\max}^{obs}>c_{1-\alpha}^{*} $$

   时作出同样的整体拒绝决定；否则不拒绝。这个临界值由候选规则数量、规则间相关性、时间依赖和区块长度共同决定，因此通常不能用独立正态近似的 1.645 或 1.96 代替。

判别还要遵守以下顺序。第一，先确认方向：若研究对象是收益或效用，较大的 $d_{j,t}$ 表示较好；若研究对象是损失，必须定义为“基准损失减去策略损失”，使较大的差值仍代表较好，否则右尾比较会被反向解释。第二，只在整体检验层面使用 RC/SPA 的 $p$ 值。即使某条规则的样本内 $Z_j$ 最大、平均收益为正，或者其未经校正的普通 $p$ 值小于 5%，都不能绕过候选选择带来的多重比较。第三，若整体检验显著，它只支持“候选集合中至少有一条规则的期望表现高于基准”，不自动告诉我们是哪一条，也不保证冠军规则的未经选择校正的 $p$ 值有效；要定位规则，需要事先规划的步进检验、选择后区间，或完全独立的前向样本外验证。

SPA 使用与 Reality Check 相同的“观察到的最大统计量—bootstrap 最大值分布—右尾 $p$ 值”判别逻辑，差别在于它对明显落后于基准的候选规则进行截断或降权，减少劣势规则使零分布过于保守的影响。SPA 应使用自己的 studentization、再中心化和劣势规则截断方式生成零分布，不能把 RC 的 bootstrap 分布直接当作 SPA 的分布。因此可能出现 RC 的 $p$ 值较大而 SPA 的 $p$ 值较小：这表示同一候选族下，RC 对劣势规则更保守，SPA 提供了更强的整体检验力；两者都仍是族级结论，不能把 SPA 的显著直接写成“排名第一的规则已经被证明有效”。

实际报告时，不应按“哪个 $p$ 值更小”来挑选结论，而应分别与预先固定的 $\alpha$ 比较。若 RC 和 SPA 都拒绝整体零假设，可以说候选族的证据在两种校准下都成立；若只有 SPA 拒绝，应明确写成“SPA 校准下显著、原始 Reality Check 下未显著”，并检查大量劣势规则、studentization 和区块长度是否造成 RC 过于保守；若只有 RC 拒绝而 SPA 不拒绝，应核查 SPA 的截断阈值、方差估计和实现细节，不能把两者写成逻辑矛盾；若两者都不拒绝，则不能宣称候选族中存在已被统计确认的赢家。无论哪种组合，整体检验都不替代独立前向样本外验证，也不自动给出具体规则的选择后显著性。

例如，若观察到四条规则的统计量分别为 $1.4,1.1,1.6,-0.2$，则 $Z_{\max}^{obs}=1.6$；若另一个研究中观察到的最大值是 $2.10$，五次示意 bootstrap 最大值为 $1.60,1.90,2.35,1.75,2.20$，则有两次不小于 $2.10$，带有限样本修正的估计为 $(1+2)/(1+5)=0.50$。这意味着在这个教学示例中，约一半的“无优势候选族”重抽样能够产生至少同样大的最大统计量，因而不能在 5% 水平拒绝整体零假设。五次抽样无法稳定估计 95% 分位数，正式研究应使用足够多的 bootstrap 重复，并报告 $B$、区块长度和随机种子或重复方案。

White（2000）的 Reality Check 将整个规则族纳入最大值分布。若许多规则明显较差，它们也可能使检验变保守。Hansen（2005）的 SPA 对明显劣势规则在零假设构造中的影响作截断处理，因此在存在大量差策略时通常更有检验力。Sharpe 可以是描述性结果，但不能据此说 RC/SPA 必须以 Sharpe 为统计量；检验对象应与预先声明的收益、损失或效用目标一致。

结论判别与边界。 整体检验显著表示候选族至少有一项相对基准的证据，不会告诉我们具体哪条规则有效。通过整体检验后仍要做选择校正或独立前向验证。区块 bootstrap 不能修复漏记的模型搜索、未来数据泄漏、错误成本或未观察到的制度变化。

围绕文献的问答。

问：White 为什么要把每条规则都放进最大值，而不是只检验最后的冠军？ 答（White, 2000；Sullivan et al., 1999）：他们检验的是数据窥探后选出的最大表现。通俗地说，最大值 bootstrap 在“所有规则都没有优势”时，重复整个挑冠军过程，判断纯靠多试规则能否得到同样高的结果。它的结论只覆盖实际纳入的候选规则。

问：区块 bootstrap 保留了什么，无法替我们回答什么？ 答（Sullivan et al., 1999）：对全体规则共同抽取连续时间块，可以保留局部序列依赖、波动聚集和规则间的共同变化；它不能生成样本中没有出现过的新市场制度，也不能修复前视数据或错误成本。结果还应对区块长度敏感性做检查。

问：SPA 改进了哪一类 Reality Check 的保守性？ 答（Hansen, 2005）：当候选集中有很多明显落后的规则时，SPA 减弱这些差策略对整体零分布的干扰。它提升族级检验力，但仍不直接选出可交易赢家；定位策略和前向验证仍是后续步骤。

方法六：波动率择时与风险目标组合（选读）

对应文献： Moreira and Muir（2017）；Cederburg et al.（2020）；Boguth et al.（2011）；Clements and Silvennoinen（2013）；Patton（2011）。

这里介绍了几种控制组合目标波动的规则。

这里要分开两种经常被混称为“波动率择时”的仓位规则。令 $\hat h_{t+1|t}$ 表示用 $t$ 时点信息得到的下一期条件方差预测，$\hat\sigma_{t+1|t}=\sqrt{\hat h_{t+1|t}}$ 是预测波动率。

目标波动率缩放希望组合风险靠近预设水平 $\sigma^*$，常见规则为

分母是波动率标准差，因此权重与 $1/\hat\sigma$ 成正比。

Moreira–Muir（2017）的经验逆方差缩放使用滞后实现方差的倒数调整风险资产敞口：

这里 $k$ 负责把无量纲的逆方差缩放到目标总体风险，$\hat h$ 是决策时点可得的下一期方差预测。因此 $w^{MM}\propto1/\hat\sigma^2$，不是目标波动率法的 $1/\hat\sigma$。Moreira–Muir 原文用滞后已实现方差作为下一期风险的代理，并把条件均值视为相对稳定；若改用另一种方差预测模型，应明确标为扩展检验。

为避免把不同问题混在一起，若研究者另外估计时变条件均值，则一般的均值—方差最优权重应单列为

数据处理和操作步骤

1. 按真实交易时间构造日收益；对 Moreira–Muir 规则，用截至决策时点已经实现的过去窗口方差作为风险代理；对其他风险预测方法，再用历史信息估计下一持有期方差。滚动方差对窗口内平方收益等权，EWMA 对近期观测赋予更大权重；GARCH 用滞后冲击和滞后条件方差递推，GJR-GARCH 再允许负向冲击产生额外波动。窗口、模型和更新频率事前设定。
2. 用下一期实现方差 $v_{t+1}$ 检查风险预测。Patton（2011）讨论了波动代理有测量误差时的预测比较；QLIKE 损失可写为 $L_{t+1}=\log(\hat h_{t+1|t})+v_{t+1}/\hat h_{t+1|t}$，忽略常数项；$v$ 是实现方差代理，$h$ 是预测方差。平均 QLIKE 越低表示方差预测越好，但不代表策略盈利。
3. 目标波动法计算 $\sigma^*/\sqrt{\hat h}$；Moreira–Muir 规则计算 $k/\hat h$；若研究时变均值，再单独计算 $k\hat\mu/\hat h$。对每条规则分别施加空头、杠杆、保证金和流动性约束。
4. 在下一可成交时点建仓，按仓位变化计入佣金、冲击成本与融资成本。
5. 分别报告风险预测损失和成本后组合绩效：收益、波动、Sharpe、alpha、回撤、偏度、尾部损失、换手和权重触顶比例。

权重演示。 目标波动率为年化 10%，杠杆上限为 1.5。逆方差列用 $k=(10\%)^2$ 缩放，暂假定条件均值常数；数字仅展示两种公式的差别。

| 时点 | 预测波动$\hat\sigma$（年化） | 目标波动原始权重$0.10/\hat\sigma$ | MM 逆方差原始权重$0.01/\hat h$ | 目标波动约束后权重 | 上一期权重 | 目标波动法成本 | | |
| ——- | ——————————————————————————————————: | —————–: | ———: | ————-: | —-: | ———: |
| $t_1$ | 8% | 1.250 | 1.563 | 1.250 | 1.000 | $0.250c$ |
| $t_2$ | 5% | 2.000 | 4.000 | 1.500 | 1.250 | $0.250c$ |
| $t_3$ | 16% | 0.625 | 0.391 | 0.625 | 1.500 | $0.875c$ |

若单边单位换手成本为 $c$，单期比例成本可近似为 $c|w_t-w_{t-1}|$。逆方差权重也须套用自己的约束；表中只演示 $1/\hat h$ 与 $1/\hat\sigma$ 的数量级差别，不是论文实证权重。若另行使用 $w^{MV}$，还要把 $\hat\mu$ 的估计误差和方向错误纳入稳健性分析。

结论判别与边界。 QLIKE 更低只说明风险预测更准；成本后净收益或 CE 改善才支持组合具有经济价值。若仅风险下降，应称为风险缩放/风险管理，不等同于预测市场涨跌。Boguth et al.（2011）所说的 overconditioning，是指用同期实现波动或 beta 控制当期收益；交易者决策时并不知道整期最终风险状态，这样做会把事后信息带入风险调整。

围绕文献的问答。

问：Moreira–Muir 为什么认为均值难预测时风险缩放仍可能有价值？ 答（Moreira and Muir, 2017）：他们的经验规则把滞后实现方差的倒数作为仓位缩放因子，并在条件均值相对稳定、方差随时间变化的设定下检验结果。通俗地说，即使不判断下一期涨跌，也可以少承担高风险时期的敞口；这依赖方差可预测性、均值假设和交易成本。若再估计 $\hat\mu_t$，那是更一般的均值—方差择时，不应归为该文的原始规则。

问：Cederburg 等的检验为什么要看样本外表现与成本？ 答（Cederburg et al., 2020）：仓位缩放的优势会随预测方式、样本区间和交易摩擦改变；样本内毛 Sharpe 可能高估可复现收益。把风险预测放到真实样本外流程、计入换手成本，并与未管理组合比较，才回答投资者能否实现该收益；结论仍需限定在论文测试的资产和时期。

问：Boguth 等所说的 overconditioning 是什么问题？ 答（Boguth et al., 2011）：如果风险调整回归控制同期实现 beta 或波动，这些变量可能含有决策时尚未知的整期信息。通俗地说，用结果发生后才知道的风险暴露解释当期收益，会改变 alpha 的归因；应使用滞后状态或明确的条件风险模型。

方法七：跨资产配置与权重聚合（选读）

对应文献： Kandel and Stambaugh（1996）；Georgopoulou and Wang（2017）；He, Li, and Li（2018）；Moreira and Muir（2017）。

跨资产择时把多个局部信号转成同一个组合决策。先统一收益频率、计价货币、无风险利率和可成交时点；否则收益差异可能只是汇率或非同步价格造成。

若 $R^{FX}$ 表示“1 单位本币可兑换多少基准货币”的汇率收益，外币资产的基准货币收益为

期货组合要说明连续合约的换月规则，并计入展期收益和抵押现金收益；现货价格变化不等于可投资期货总收益。

本节只演示一种聚合规则。 令 $\hat\mu_t$ 为各资产样本外预期超额收益向量，$\Sigma_t$ 为截至 $t$ 的协方差矩阵。均值—方差权重为

数据处理和操作步骤

1. 将股票、债券、商品、外汇和期货收益转换为共同基准货币和相同持有周期；保留各市场真实开放时间。
2. 对每项资产先独立评估滞后信号的样本外预测误差、方向能力及成本后投资结果。
3. 只用决策时点前的数据估计 $\hat\mu_t$ 和 $\Sigma_t$，代入上述同一规则生成权重。$\Sigma_t$ 的估计误差会通过矩阵求逆放大，因此须报告其估计窗口和约束，并用静态权重等对照识别改善来源。
4. 施加单资产上限、杠杆、空头、流动性和换手约束，在下一可成交时点执行。
5. 计算组合净收益和风险贡献。方差贡献份额定义为 $RC_i=w_i(\Sigma w)_i/(w'\Sigma w)$，各资产份额相加为 1；它说明总组合方差由哪些仓位贡献，不是收益贡献。
6. 比较静态权重、打乱信号、固定协方差及逐一剔除资产的组合，区分预测、风险估计和分散化作用。

权重演示。 假设年化超额收益依次为股票 6%、国债 2%、商品 5%，年化波动依次为 18%、7%、22%，并为手算演示假设协方差为对角矩阵。原始权重与 $\hat\mu_i/\hat\sigma_i^2$ 成比例。债券上限设为 40%，超出的部分按另外两项原始比例重新分配；所有数字均为教学示意。

结论判别与边界。 若动态组合 Sharpe 提高但单资产信号未胜过基准，改善可能来自分散化或估计出的静态风险溢价。Kandel and Stambaugh（1996）从资产配置角度评价收益可预测性，关注的是预测能否改变配置价值；实际归因还要用同资产池静态组合、打乱信号、固定协方差和剔除资产等对照。所有收益应扣除换汇、展期与再平衡成本。

围绕文献的问答。

问：Kandel–Stambaugh 为什么把预测变量放到资产配置问题里？ 答（Kandel and Stambaugh, 1996）：显著的预测关系不一定足以改变投资者选择；配置框架把预测收益和风险放进权重决策，再看投资者的收益—风险组合是否改善。这个经济价值仍依赖预期收益、协方差和风险偏好估计。

问：组合 Sharpe 上升，怎样判断来自择时信号还是分散化？ 答（Kandel and Stambaugh, 1996；Georgopoulou and Wang, 2017）：将真实信号组合与同资产池静态权重组合比较，再打乱信号、固定协方差并逐一剔除资产。若无预测信号的静态组合也有相近改善，结果更可能来自分散化；这些对照要在相同成本和风险约束下计算。

问：不同市场与期货收益如何变成可比、可交易的数据？ 答（Georgopoulou and Wang, 2017；He et al., 2018）：按汇率报价方向把本币收益折成基准货币收益，按各市场开放时间模拟成交，并对期货计算换月与抵押收益。同步标记价格不代表同一时刻可成交，因此数据对齐必须服从实际执行时间。

方法八：投资者效用与 certainty equivalent（选读）

对应文献： Campbell and Thompson（2008）；Kandel and Stambaugh（1996）；Merton（1981）；Daniel et al.（1997）。

certainty equivalent（CE，确定性等价）把风险收益换成“对指定投资者而言等价的确定收益”。在单期均值—方差或二次效用设定下，

Merton（1981）的市场预测经济价值框架与样本 CE 有关，但不是只报告这条均值—方差公式：其思路是把预测信息放进投资者配置决策，再比较有无预测时的效用/财富价值。报告时应说明使用的是简单 CE 还是动态效用模型。

所需数据与操作步骤

1. 用实时样本外信号产生仓位和成本后组合收益；同时保存无信号战略组合收益。
2. 构造两种基准：暴露匹配的后验基准（平均风险资产暴露与择时组合相同，用于隔离被动 beta），以及投资者原有战略基准（例如固定股债配置，用于回答是否值得替换原组合）。
3. 预先选择有经济解释的 $A$ 值，按相同期间计算各组合净收益的均值和方差。
4. 计算 $CE$ 与 $\Delta CE=CE_{signal}-CE_{benchmark}$。用成对区块 bootstrap 为差值构造区间，保留组合收益的同期相关。
5. 改变风险厌恶、成本、仓位限制和样本窗口作敏感性分析。厚尾或非对称效用明显时，补充 CRRA（常数相对风险厌恶）效用或期望效用等结果。

CE 演示。 $A=3$，均值和方差均按一致的年化口径计算；数值只演示代入。

这个例子里信号组合均值较高，但在 $A=3$ 时 CE 较低。战略基准应另行列示，不能由这张暴露匹配表替代。

结论判别与边界。 $\Delta CE>0$ 表示在指定偏好、基准、成本与风险约束下有经济价值，不等于预测更准确，也不代表所有投资者都受益。若预测误差没改善但 CE 提高，应报告信号何时改变了仓位、收益和风险分别如何变化。

围绕文献的问答。

问：Kandel–Stambaugh 为什么把预测变量放到资产配置中评价？ 答（Kandel and Stambaugh, 1996）：统计预测关系只有在足以改变投资者配置时才有决策含义。通俗地说，CE 把预测值转成可比较的组合收益和风险；结论仍依赖预测模型、协方差和风险厌恶参数。

问：预测误差未改善，经济价值为什么可能提高？ 答（Campbell and Thompson, 2008；Merton, 1981）：均方误差给每期预测偏差平方计权，而配置效用取决于信息何时改变风险暴露及其实现收益。若信号在关键状态下改变仓位，即使总体误差差不多，组合 CE 仍可能提高；需要展示实时权重、成本后收益和两类基准，不能称为预测准确率改善。

问：为什么同时报告暴露匹配和战略基准？ 答（Kandel and Stambaugh, 1996；Daniel et al., 1997）：前者剥离平均 beta，关注动态配置的增量价值；后者对应投资者实际会持有或替换的战略组合。它们回答的问题不同，择时策略可能胜过其中一个、却未胜过另一个。

方法九：Sharpe、DSR、PBO 与回测选择偏差

对应文献： Lo（2002）；Bailey and López de Prado（2014）；Bailey et al.（2016）；Sullivan et al.（1999）；Bajgrowicz and Scaillet（2012）。

Sharpe 把平均超额收益与波动率合成风险调整指标，但序列相关会改变 Sharpe 的年化关系。Lo（2002）指出，存在自相关时不能直接用单期 Sharpe 乘 $\sqrt q$。对 $q$ 期收益进行“年化”，一个常用的依赖修正写为

其中 $\rho_k$ 是单期超额收益的 $k$ 阶自相关。

DSR：观察 Sharpe 是否超过多次搜索产生的噪声门槛？ Bailey and López de Prado（2014）的 Probabilistic Sharpe Ratio（PSR）计算观察 Sharpe 超过给定门槛 $SR^*$ 的概率近似，目的是将虚拟数据的Sharpe做为基准：

公式中的 Sharpe、$n$、偏度和峰度必须使用同一收益观察频率；不能把年化 Sharpe 与日频样本长度直接混用。其中 $\bar{SR}$ 与 $\bar s_{SR}$ 是候选策略 Sharpe 的均值和标准差，$\gamma_E$ 是欧拉常数，$N_{eff}$ 是有效独立试验数。DSR 越高，越支持观察 Sharpe 超过选择偏差门槛；它不会自动修正序列相关，也不能替代稳健年化。

DSR 需要的数据和步骤

1. 保存完整候选策略收益矩阵、无风险利率、收益频率、样本长度及所有尝试过的参数和模型。
2. 统一计算各策略超额收益、Sharpe、偏度和峰度；检查收益自相关对年化值和有效样本量的影响。
3. 估计并报告候选 Sharpe 分布与 $N_{eff}$。相关候选不是独立试验；有效试验数依赖估计方法，应公开方法并做敏感性分析。
4. 用上述极值近似得到 $SR_0$，代入 PSR 公式得 DSR；同时报告未经校正 Sharpe、候选数估计和结果边界。

可选的纯噪声敏感性演示。 标准 DSR 不要求另造“纯噪声策略”。若要检查门槛对依赖假设是否敏感，可保留目标资产收益序列，将信号序列循环错位后重建持仓和全部候选收益。这样尽量保留各自序列结构，同时打破原始信号与未来收益的配对；错位也可能破坏市场状态匹配，因此只作敏感性分析。

表中的候选数和 Sharpe 均为教学演示。模拟最大值分位数可以和标准 DSR 比较，但不能替代公式中的 $SR_0$，也不应称为标准 DSR 的必需采样过程。

PBO/CSCV：样本内冠军在替代历史切分中是否掉队？ Bailey et al.（2016）的 CSCV 方法类似于K-Fold检验，将完整收益矩阵按时间切成 $S$ 个连续区块，每次取一半区块作样本内、另一半作互补样本外，枚举这些组合。每次只按样本内表现选冠军，再观察它的样本外排名。

按 Bailey et al.（2016）的排名约定，排名 1 为最差、排名 $N$ 为最好。对样本外名次 $rank_{OOS}$，定义分位数 $\omega=rank_{OOS}/(N+1)$，再计算 $\lambda=\log[\omega/(1-\omega)]$；$\lambda$ 是标准化百分位排名的 logit 变换，零点对应候选中位附近。$\lambda\le0$ 表示冠军的样本外排名不高于候选中位数；$PBO$ 是所有切分中该事件的比例。分母使用 $N+1$ 可避免最差和最好名次被映射到 0 或 1，使 logit 有限。

四个切分只用于演示。CSCV 的互补切分并非严格的时间前推部署模拟，因为部分训练区块可能晚于测试区块；PBO 诊断的是回测选择，不是未来收益为正的概率。

结论判别与边界。 DSR 高，表示在给定候选次数、偏度峰度和样本假设下，观察 Sharpe 超过校正门槛的概率较高；PBO 高表示样本内冠军在历史互补切分中常跌到候选中位数以下。两者不能修复前视偏差、错误成本或未来结构变化。

围绕文献的问答。

问：多次搜索为什么会抬高纯噪声 Sharpe 门槛？ 答（Bailey and López de Prado, 2014）：候选数量越多，噪声中出现高 Sharpe 的机会越大。DSR 用搜索后的预期最大 Sharpe 作为 PSR 比较门槛。通俗地说，它问“这次胜出是否超过试很多次后通常会出现的运气赢家”；结论依赖候选集合记录完整。

问：候选高度相关时，$N_{eff}$ 如何影响 DSR？ 答（Bailey and López de Prado, 2014）：若把相似规则当作独立试验，门槛可能过高；若低估有效试验数，选择校正会偏弱。$N_{eff}$ 的估计并非唯一，应公开策略相关结构和估计方法，并报告合理范围下的敏感性。

问：PBO 较低，为什么前向测试仍可能失败？ 答（Bailey et al., 2016）：PBO 反映历史互补切分中的相对排名稳定性，不覆盖未见制度变化、极端事件、成本变化或输入漂移。它应与真正向前的留出样本和上线后监测并用。

两篇专题文献：动态动量与择时信息门槛

A. Daniel and Moskowitz（2016）：Momentum Crashes

对应文献： Daniel and Moskowitz（2016），Momentum Crashes, Journal of Financial Economics。

A.1 研究机制

Daniel and Moskowitz（2016）研究的 WML（winners minus losers）是多空动量组合：

他们按过去 12 个月至过去 2 个月的个股收益排名，跳过最近 1 个月以减少短期反转影响，再做多赢家、做空输家。崩溃机制集中在熊市后的急剧反弹：此前跌幅最大的输家股票往往具有很高市场 beta，熊市中被卖空，市场反弹时却快速补涨，空头端损失远大于赢家端收益。

作者报告的两个历史例子是 1932 年夏季输家组合大幅反弹，以及 2009 年春季金融危机后输家组合上涨远快于赢家组合。它们说明动量的负收益可能集中在少数熊市反弹月份；不应把这些事件解读成每个熊市都会按相同幅度重复。

论文还把动量收益的市场暴露按市场涨跌拆开。一个便于理解的分段回归写为

其中 $1(R_m>0)$ 是市场上涨指示变量，$\beta_D$ 是下跌期的局部 beta，$\beta_D+\gamma$ 是上涨期 beta。作者在熊市状态下报告下跌 beta 约为 $-0.74$、上涨 beta 约为 $-1.44$，差异显著（差异检验 $|t|$ 约 4.5）。也就是说，熊市时市场越急速反弹，WML 越容易亏损。作者将这种非对称风险比作“卖出看涨期权”。

A.2 状态预测的计算步骤

Daniel and Moskowitz（2016）在 A.2 的核心结论是：动量收益的条件均值具有可预测性。 过去 24 个月市场累计收益为负的熊市指标 (IB)，以及过去 126 个交易日的市场方差 (V)，都包含对后续 WML 收益的信息。处于熊市状态、近期市场波动较高时，预期动量收益更低，动量崩溃风险也更集中。这与崩溃常发生在市场大跌后的剧烈反弹阶段相吻合。

这里应把结论理解为 预测关系 ，而非因果结论。尤其是，若回归含有 $IB \times V$ 交互项，交互系数检验的是“方差与未来 WML 收益的关系是否会随熊市状态改变”。A.2 说明的是状态变量能预测 WML 的条件均值；它本身还没有证明依据预测调整仓位后一定能获利。作者在后续动态策略部分再将条件均值预测与条件方差预测结合，检验这种信息能否改善组合表现。

作者用两个决策时点可观察的压力变量预测后续 WML 收益。熊市指标 $IB_{t-1}$ 定义为过去 24 个月市场累计收益小于零时取 1，否则为 0；$V_{t-1}$ 是前 126 个交易日日收益的方差：

为了看清交互作用，可将 $V$ 先减去训练样本均值，记为 $\tilde V_{t-1}=V_{t-1}-\bar V_{\mathrm{train}}$，再放入回归。简化的预测式为

这三个系数需要按条件解释：$\beta_2$ 是非熊市时方差变化的斜率；熊市时斜率为 $\beta_2+\beta_3$；由于 $\tilde V=0$ 对应训练样本均值，$\beta_1$ 表示在该均值方差水平下熊市状态的额外收益差。若改用标准化方差，系数单位也会随之改变。论文报告熊市指标和市场方差各自都能预测未来动量收益，压力变量共同偏高时预期收益尤其低。$\beta_3$ 则检验熊市是否进一步改变波动率与 WML 收益的关系；不能只看一个系数就断言两个状态的共同影响。

按论文思路复现的步骤

1. 用可交易股票收益构建每月赢家和输家组合，再得到月度 WML 收益序列。
2. 每个决策月只用此前已实现的市场收益，生成 24 个月熊市指标和 126 日市场方差。
3. 将两个预测变量及其交互项与下一期 WML 收益对齐；不能让构造 $IB$ 或 $V$ 的窗口伸入被预测月份。
4. 用递归或滚动历史估计回归，保存每一时点的条件均值预测。
5. 分别检验熊市、方差及其组合状态下的预测均值，并在样本外重复同一流程。

A.3 动态权重的推导

令 $\hat\mu_{t|t-1}$ 是上一步预测的下一期 WML 条件均值，$\hat h_{t|t-1}$ 是下一期条件方差。若投资者最大化二次均值—方差效用，风险厌恶参数为 $\lambda>0$，无约束最优权重为

作者用 GJR-GARCH 描述 WML 的条件方差。其典型形式为

计算流程

1. 用截至 $t-1$ 的熊市指标和市场方差回归，得到 $\hat\mu_{t|t-1}$。
2. 用截至 $t-1$ 的 WML 日收益估计 GJR-GARCH，预测下一期条件方差，并按论文设定纳入过去 126 日实现波动信息；所有输入必须在持仓决策时可得。
3. 计算未缩放权重 $\tilde w=\hat\mu/(2\lambda\hat h)$，按交易限制执行，再计算下一期 WML 收益和换手成本。
4. 依照论文的校准方式调整 $\lambda$，使动态组合年化波动率约为 19%。19% 是论文的实验设定，不是普遍最优风险水平；复现时应在训练/验证期校准，或披露使用全样本校准造成的乐观性。

重要差别是：常数波动目标法只按 $1/\hat\sigma$ 缩放仓位；这里的动态权重同时依赖 $\hat\mu$ 与 $1/\hat h$。如果高风险状态还预示低 WML 收益，收缩的原因既是风险上升，也是收益预期下降。

这套方法不同于单纯的 volatility targeting。若条件均值与条件波动率成比例，最优权重才近似等于逆波动率缩放；而论文发现动量收益与预测波动率呈负关系，高波动期的预期收益也更低，因此应同时收缩风险和预期收益较差的仓位。

A.4 结果与边界

在论文的美国股票样本和校准设定下，静态 WML 的年化 Sharpe 约为 0.60，常数波动缩放约为 1.01，动态均值—方差策略约为 1.18；偏度由约 −4.70 改善到接近 0。作者还报告不同国家股票及股指期货、商品、债券和外汇结果。这里的比较支持“条件均值与条件方差联合管理在该样本中改善表现”，不是保证所有市场、成本模型和实时参数下都会翻倍。

动态权重可能频繁变化、产生高杠杆或负 WML 仓位。预测变量筛选、GJR-GARCH 规格和 19% 波动校准也会带来模型选择风险；危机反弹事件本身较少，历史危机子样本不等于未来保护保证。复现时需报告换手、保证金、可卖空性、成本后绩效，并把风险目标与参数调优限制在训练/验证数据。

围绕文献的问答。

问：24 个月熊市指标和 126 日方差各自贡献什么信息？ 答（Daniel and Moskowitz, 2016）：$IB$ 标记市场较长周期的下跌状态，$V$ 衡量最近约半年日收益的波动强度，二者及交互项预测 WML 条件均值。通俗地说，一个描述“此前是否跌入熊市”，另一个描述“近期震荡是否剧烈”；它们是预测变量，不是当期 WML 收益本身。具体预测力仍须用决策时点可得数据做样本外检验。

问：上下行 beta 为什么让熊市动量像是“卖出看涨期权”？ 答（Daniel and Moskowitz, 2016）：熊市 WML 的上涨市场 beta 比下跌市场 beta 更负，急速反弹时组合损失更集中；做空输家一侧的高 beta 暴露是重要来源。期权类比描述的是不对称收益形状，并不说明策略真的持有期权，也不意味着所有动量崩溃都由同一风险因子解释。

问：动态策略相对常数波动缩放究竟多用了什么信息？ 答（Daniel and Moskowitz, 2016）：目标波动策略主要根据 $\hat\sigma$ 调整单位风险敞口；动态策略把预测均值 $\hat\mu$ 也放入 $\hat\mu/\hat h$，因此会在预期 WML 溢价变差时进一步降仓。代价是估计均值和方差更复杂，权重更不稳定；论文 Sharpe 提升不能替代成本、参数稳定性和真正前向样本检查。

B. Zhang and Wong（2020）：How Much Information Is Required to Time the Market?

对应文献： Zhang and Wong（2020），How Much Information Is Required to Time the Market?, SSRN:3222469。

转自Rick笔记：

Rongju Zhang & Henry Wong 在这篇论文中，以美股标普 500 指数 67 年的数据（1949–2016）为样本，算出了主动择时策略想要击败买入并持有基准，所必须跨越的最低信息系数（IC, Information Coefficient）门槛，主要结论是：

1. 高夏普/低波市场是择时天敌 。市场基准自身的夏普比率越高，离场观望的踏空成本就越贵，对择时精度的要求也呈指数级上升。
2. 持仓仓位存在黄金区间 。当追求超越基准指数的超额收益（Alpha）时，择时能力要求与策略的平均股票仓位呈 U 型曲线。满仓或轻仓都不可取，用美股历史数据回测，将平均仓位控制在 60% 左右，所需的信息系数（IC）降到最低（0.239）。
3. 有无 Alpha 目标，策略逻辑截然不同 。如果仅要求跑赢大盘，投资者可以通过将平均仓位推至 100% 来将所需 IC 降至零——此时策略等同于被动买入持有。但一旦设定明确的超额收益目标（如年化 +3%），所需 IC 与仓位之间便呈现 U 型关系：仓位过高或过低都会导致对预测准确率的要求急剧攀升。
4. 基准组合的分散化程度决定了择时难度 。择时策略的常见场景是在股票和债券之间切换，而经典的 60/40 股债组合由于两类资产收益负相关，分散化效应压低了组合波动、抬高了整体夏普比率。论文证明：基准组合中资产之间的负相关性越强，打败该基准所需的择时准确率越高。这意味着，如果择时策略对标的是一个已经高度分散化的基准，难度将大幅上升。
5. “牛长熊急”的市场更适合择时 。在美股这类负偏度资产中，择时的核心价值在于”防灾”——只要规避少数系统性暴跌，组合的风险调整后收益就能显著改善。相反，黄金等暴涨集中于少数交易日的右偏资产，对择时策略极为不利：一旦错过关键涨幅，全年收益将受到严重拖累。
6. 过于频繁调仓并不可取 ：在实际交易成本的约束下，频繁调仓会线性累积摩擦损耗，导致对预测精度的要求随着交易频次呈 U 型攀升， 中低频择时策略中，月频调仓通常是性价比最高的选择 。

B.1 信号和阈值策略

Zhang and Wong（2020）研究信号需要多准才值得改变股票仓位。把标准化择时信号记为 $q_t$，把进场阈值记为 $c$。信息系数为

其中 $r_{t+1}$ 是下一持有期市场超额收益。IC 衡量信号与未来收益的线性相关，不是方向胜率，也不直接等于投资收益。

简化策略每次再平衡时按阈值持有股票或现金：

若标准化信号近似服从标准正态，$\Phi(c)$ 是标准正态累计分布函数，$\phi(c)$ 是密度函数，则平均股票暴露为

B.2 收益分解与最低 IC

作者假设标准化信号与未来市场收益联合正态。记 $\mu$、$\sigma$ 为同一再平衡频率下换算的年化市场超额收益均值和波动率，$N$ 为每年再平衡次数，则择时组合年化期望收益为

第一项 $\mu\bar w$ 是与实际平均暴露匹配的静态后验基准收益；第二项 $IC\sigma\sqrt N\phi(c)$ 是择时增量。$\sqrt N$ 表示一年多次决策积累信息的尺度；实际提高频率还会增加成本。

若目标是比买入并持有多赚一个年化目标 $\alpha^*$，离场期间放弃的市场溢价为 $\mu\Phi(c)$，所以最低 IC 为

若只要求不落后于买入并持有，取 $\alpha^*=0$。示例设平均暴露 50%，于是 $c=0$、$\Phi(c)=0.5$、$\phi(c)=0.3989$。若 $SR=0.30$、月度调仓 $N=12$：

这个数值是理论演示，推算出此约束下的最小IC要求。

意味着：Sharpe 越高，离场时错过的市场溢价越大；$\phi(c)$ 表示信号处在交易阈值附近、能够改变仓位的概率质量，极端阈值会让可用信号变少。

B.3 Alpha 目标和最优仓位

设定正的 $\alpha^*$ 目标后，门槛分子同时含有离场成本和新增收益目标。仓位过低会错过较多市场溢价；仓位接近满仓，可供信号调整的空间很少，$\phi(c)$ 也趋近零。因此最低 IC 对平均暴露呈 U 型，最优点由市场收益、波动、目标 alpha 与频率共同决定。

论文在 S&P 500 月度样本中使用约 4.08% 的年化超额收益、14.40% 的年化波动率，并以三个月国库券代表现金。在年化 +3% 目标下，求解上述公式关于阈值 $c$ 的最小值，得到约 60% 的最优平均暴露和 0.239 的最低 IC。该结果依赖论文样本与模型假设，不是通用仓位建议。

作者还检验 Welch and Goyal（2008）汇集的 14 个股票溢价预测变量：$d/p$、$d/y$、$e/p$、$d/e$、$b/m$、通胀率 $infl$、短期国债利率 $tbl$、长期国债收益率 $lty$、长期国债收益 $ltr$、期限利差 $tms$、信用利差 $dfy$、信用收益差 $dfr$、股票方差 $svar$ 和净市场扩张 $ntis$。逐期处理为：此前十年估计预测回归；用训练期预测的均值和标准差标准化下一期预测，得到 $q_t$；在样本外计算 $Corr(q_t,r_{t+1})$；将 IC 代入公式得到理论 alpha，再按实际信号交易计算实现 alpha。

Table 2 的部分结果如下，说明 IC、理论 alpha 和实现 alpha 是三个不同的量：

理论 alpha 是公式在给定 IC 和模型假设下的推导值；实现 alpha 是具体仓位路径的样本外回测结果。$d/e$ 的 IC 略高于 $tbl$，实现 alpha 却更低；$dfy$ 的理论值为正、实现值为负，说明理论门槛不保证实际获利。

B.4 交易成本、频率与偏度

无成本公式中较大的 $N$ 增加信号使用次数，最低 IC 随信息累积下降；实际策略的交易成本须按每次仓位变化计算，例如 $cost_t=c|w_t-w_{t-1}|$，再从收益中扣除。频率提高既增加预测次数，也增加累计换手，因此应比较扣费后的收益、Sharpe 和 CE，不能只看理论 IC。

论文还用不同偏度的收益分布做模拟：负偏度市场中，择时可通过避开少数极端下跌改善表现；正偏度市场若错过少数极端上涨，则可能付出较大代价。这是模拟对收益分布形状的结果，不等于每个现实市场都会呈现相同差异。

围绕文献的问答。

问：为什么高 Sharpe 市场反而更难择时？ 答（Zhang and Wong, 2020）：最低 IC 式的分子包含离场时放弃的市场溢价 $\mu\Phi(c)$。市场风险溢价越丰厚，持有现金时越容易踏空，信号就要更准才补得回来；该结论建立在论文的联合分布与仓位假设上。

问：设定 +3% 目标后，为什么平均暴露有内点最优值？ 答（Zhang and Wong, 2020）：alpha 目标使门槛分子同时包含踏空成本和额外收益目标，分母含交易阈值附近的信号概率密度 $\phi(c)$。过低仓位错过市场收益，过高仓位又几乎无法择时；论文样本下约 60% 暴露对应最低 IC 0.239。该比例会随样本参数和目标改变。

问：$d/e$ 的 IC 最高，为什么实现 alpha 不如 $tbl$？ 答（Zhang and Wong, 2020, Table 2）：IC 只概括信号与未来收益的平均线性相关；理论 alpha 还依赖策略假设和仓位，实现 alpha 又受信号路径及成本影响。表中 $d/e$ 的 IC 为 0.113、实现 alpha +0.51%，$tbl$ 的 IC 为 0.108、实现 alpha +1.23%；不能按 IC 单项排序替代投资结果评价。

Conclusion：从单一指标转向可审计证据链

本文的评价框架可以概括为三个层次。第一，信号层需要证明信息在样本外能够预测收益、方向或风险状态；第二，组合层需要证明信号在交易成本、仓位、杠杆和风险约束下具有经济价值；第三，证据层需要证明优势没有被数据窥探、前视偏差、动态风险暴露和模型选择完全解释。

Daniel and Moskowitz（2016）说明，动量策略的尾部风险可以通过熊市状态、市场波动率、条件均值和条件方差进行动态管理，但动态权重会带来更高的杠杆和交易要求。Zhang and Wong（2020）说明，择时的难度不是抽象的“能否预测”，而取决于 IC、基准 Sharpe、市场波动、平均仓位、调仓频率和交易成本的联合关系。

因此，研究者在报告择时结果时至少应披露：信号定义和信息时间戳、样本外切分、简单基准、成本和换手、仓位与杠杆、净绩效、风险暴露、预测和效用指标，以及完整候选策略集合。DSR、PBO 和整体数据窥探检验可以降低回测选择偏差，但不能替代真正未触碰的未来样本。

一个可信的结论应同时满足三点：信号具有可重复的样本外信息，信号在现实约束下创造净经济价值，结果在统计推断和回测设计下经得起复核。择时研究的目标不是寻找一个最高 Sharpe，而是让每个指标回答一个明确、匹配且可以被检验的研究命题。

参考文献

1. Bailey, D. H., & López de Prado, M. (2014). The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality. The Journal of Portfolio Management.
2. Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2016). The Probability of Backtest Overfitting. Journal of Computational Finance.
3. Boguth, O., et al. (2011). Conditional Risk and Performance Evaluation: Volatility Timing, Overconditioning, and New Estimates of Momentum Alphas. Journal of Financial Economics.
4. Campbell, J. Y., & Thompson, S. B. (2008). Predicting Excess Stock Returns Out of Sample: Can Anything Beat the Historical Average? Review of Financial Studies.
5. Daniel, K., & Moskowitz, T. J. (2016). Momentum Crashes. Journal of Financial Economics. doi:10.1016/j.jfineco.2015.12.002.
6. Henriksson, R. D. (1984). Market Timing and Mutual Fund Performance: An Empirical Investigation. The Journal of Business, 57(1), 73–97.
7. Henriksson, R. D., & Merton, R. C. (1981). On Market Timing and Investment Performance II: Statistical Procedures for Evaluating Forecasting Skills. The Journal of Business, 54(4), 513–533.
8. Andersen, T. G., Bollerslev, T., Diebold, F. X., & Labys, P. (2003). Modeling and Forecasting Realized Volatility. Econometrica, 71(2), 579–625.
9. Linton, O., & Whang, Y.-J. (2007). A Quantilogram Approach to Evaluating Directional Predictability. Journal of Econometrics.
10. Lo, A. W. (2002). The Statistics of Sharpe Ratios. Financial Analysts Journal.
11. Moreira, A., & Muir, T. (2017). Volatility-Managed Portfolios. Journal of Finance.
12. Newey, W. K., & West, K. D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica, 55(3), 703–708.
13. Sullivan, R., Timmermann, A., & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. Journal of Finance.
14. Zhang, R., & Wong, H. (2020). How Much Information Is Required to Time the Market? SSRN Electronic Journal, SSRN:3222469.
15. Bajgrowicz, P., & Scaillet, O. (2012). Technical Trading Revisited: False Discoveries, Persistence Tests, and Transaction Costs. Journal of Financial Economics, 106(3), 473–491.
16. Blaskowitz, O., & Herwartz, H. (2014). Testing the Value of Directional Forecasts in the Presence of Serial Correlation. International Journal of Forecasting.
17. Bollen, N. P. B., & Busse, J. A. (2001). On the Timing Ability of Mutual Fund Managers. The Journal of Finance, 56(3), 1075–1094.
18. Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. The Journal of Finance, 47(5), 1731–1764.
19. Bürgi, C. (2024). Assessing the Accuracy of Directional Forecasts. Applied Economics.
20. Cederburg, S., O’Doherty, M. S., Wang, F., & Yan, X. (2020). On the Performance of Volatility-Managed Portfolios. Journal of Financial Economics, 138(1), 95–117.
21. Clark, T. E., & McCracken, M. W. (2001). Tests of Equal Forecast Accuracy and Encompassing for Nested Models. Journal of Econometrics, 105(1), 85–110.
22. Clements, A., & Silvennoinen, A. (2013). Volatility Timing: How Best to Forecast Portfolio Exposures. Working paper.
23. Daniel, K., Grinblatt, M., Titman, S., & Wermers, R. (1997). Measuring Mutual Fund Performance with Characteristic-Based Benchmarks. The Journal of Finance, 52(3), 1035–1058.
24. Georgopoulou, A., & Wang, J. (2017). The Trend Is Your Friend: Time-Series Momentum Strategies Across Equity and Commodity Markets. Review of Finance.
25. Hansen, P. R. (2005). A Test for Superior Predictive Ability. Journal of Business & Economic Statistics, 23(4), 365–380.
26. He, X., Li, K., & Li, Y. (2018). Asset Allocation with Time Series Momentum and Reversal. Journal of Economic Dynamics and Control.
27. Kandel, S., & Stambaugh, R. F. (1996). On the Predictability of Stock Returns: An Asset-Allocation Perspective. The Journal of Finance, 51(2), 385–424.
28. Olorunnimbe, K., & Viktor, H. (2022). Deep Learning in the Stock Market—A Systematic Survey of Practice, Backtesting, and Applications. Artificial Intelligence Review.
29. Park, C.-H., & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys, 21(4), 786–826.
30. Patton, A. J. (2011). Volatility forecast comparison using imperfect volatility proxies. Journal of Econometrics, 160(1), 246–256.
31. Pesaran, M. H., & Timmermann, A. (1992). A Simple Nonparametric Test of Predictive Performance. Journal of Business & Economic Statistics, 10(4), 461–465.
32. Pesaran, M. H., & Timmermann, A. (1995). Predictability of Stock Returns: Robustness and Economic Significance. The Journal of Finance, 50(4), 1201–1228.
33. Treynor, J. L., & Mazuy, K. K. (1966). Can Mutual Funds Outguess the Market? Harvard Business Review, 44(4), 131–136.
34. White, H. (2000). A Reality Check for Data Snooping. Econometrica, 68(5), 1097–1126.
35. West, K. D. (1996). Asymptotic Inference about Predictive Ability. Econometrica, 64(5), 1067–1084.
36. Jagannathan, R., & Korajczyk, R. A. (1986). Assessing the Market Timing Performance of Managed Portfolios. The Journal of Business, 59(2), 217–235.
37. Merton, R. C. (1981). On Market Timing and Investment Performance I: An Equilibrium Theory of Value for Market Forecasts. The Journal of Business, 54(3), 363–406.
38. Welch, I., & Goyal, A. (2008). A Comprehensive Look at the Empirical Performance of Equity Premium Prediction. Review of Financial Studies, 21(4), 1455–1508.

文献说明： 两篇专题部分依据 Daniel and Moskowitz（2016）与 Zhang and Wong（2020）的论文内容作中文转述，并按作者—年份标注来源；正文未使用未经核实的英文直接引文。公式、数值和中文解释用于学术总结，不替代原论文中的完整模型、附录推导和数据定义。