Google TimesFM 挑战股市：我是如何一步步骗过自己的

Wed, 02 Sep 2026 00:00:00 GMT

一个见过十亿条时间序列的模型

8 月底，Google Research 发布了 TimesFM 3.0。

如果你平时不太关注机器学习这个角落，可以先把它理解成“时间序列领域的 GPT 路线”：先拿海量数据训练一个巨大的基础模型，再把它派去解决那些训练时并未专门针对的问题。

基础模型已经先后席卷了语言、图像和代码，下一个目标自然轮到了时间序列。TimesFM 的训练数据包含数十亿个数据点，来源五花八门：电力需求、网站流量、零售销量、天气、住院人数、交通传感器……然后，你只需要交给它一段从未见过的序列，它就会继续往后预测。

零样本，Zero-shot。不需要重新拟合，不需要调参，甚至不要求你懂这个行业。

我看完发布说明，脑子里立刻冒出了一个念头。读到这里，你多半也已经想到了：

股票价格，不就是时间序列吗？

这并不算异想天开。基础模型最吸引人的地方，本来就是它能跨领域泛化。如果一个模型能识别陌生城市的用电节奏，为什么不能识别一只陌生股票的价格节奏？

当时，我桌子下面正好有一张闲着的 RTX 3090 Ti；券商 API 能免费提供历史行情；周末也还没有别的安排。天时、地利、显卡齐了。

于是我开工了。

几个月后，我收获了一个代码库、61 个测试、一整文件夹实验结果，以及一个完全出乎意料的结论：

几乎所有曾让我眼前一亮的结果，最后都被证明是我自己的测量错误。

不是四舍五入，也不是小数点后第三位算歪了，而是那种“策略之所以赚钱，是因为我不小心让它提前看到了明天价格”的错误。

这篇文章就是一场验尸报告。我会先展示那些曾让我兴奋的结果，再解释它们是怎么一个个断气的。

这些错误远不只属于金融。它们本质上都是人类用数据欺骗自己的不同姿势，只不过换了件统计学外套。最后，我也会说说现在我认为普通人究竟该如何投资。答案无聊得像一杯温开水——但如果不是亲手花几个月撞过南墙，我大概也不会真的相信它。

那条漂亮得不像话的资金曲线

第一版能跑通的回测，画出了一条几乎卡通般稳定的资金曲线：一路向右上方延伸。

它不是那种一飞冲天的火箭——火箭太夸张，反而会让我警觉——而是一条优雅、平滑、缓慢加速的上升曲线。从 2018 年一路穿过新冠暴跌，再熬过 2022 年，什么风浪都没能把它掀翻。

我盯着那张图看了很久，心里有种近似眩晕的感觉。

最后发现，罪魁祸首只有一行代码。

回测策略时，我们会先算出每天应当持有什么仓位——买谁、卖谁、各占多少——然后再把这些仓位乘以股票当天的实际收益。问题在于：到底是哪一天的仓位，乘哪一天的收益？

如果你根据今天的收盘价决定仓位，就不可能同时赚到今天的涨跌，因为今天已经结束了。仓位必须向后移动一天。

# What I wrote:
returns = weights * stock_returns

# What it should have been:
returns = weights.shift(1) * stock_returns

少了 .shift(1)，我的模拟交易员就能在看完当天涨跌之后，再决定当天买什么。

它当然赚钱。它不是量化交易员，是时间旅行者。

我想特别说说当时的感受，因为人们复盘失败时，通常会把这部分轻描淡写地跳过去。那个结果出现时，我并不觉得它像 Bug，而觉得它像一项发现。

我花了整个周末，程序跑通了，结果还特别好。这种成就感会让人本能地不想继续深挖，生怕一铲子下去，把金矿挖成了下水管道。

我之所以发现问题，是因为运行测试前，强迫自己先写下了对结果的合理预期。真正跑出来的数字比预期好得过分——如果收益是真的，这会是历史上最强的对冲基金之一，而基金经理才入行两天。

第一条教训，也是贯穿后面所有故事的教训：当你特别兴奋时，那不是“太棒了”的信号，而是“再检查一遍”的信号。

那种“我好像发现了什么”的兴奋，恰恰最容易阻止你继续往下看。

我修掉了那一行。漂亮的曲线瞬间蒸发。

后来才知道，这已经算最容易处理的错误了——只要意识到该查什么，它就会主动现形。接下来遇到的麻烦，可没这么客气。

0.72 的夏普比率，以及它是怎么没的

去掉“穿越未来”的能力后，我开始搭建一套更像样的策略。

我没有直接预测“苹果明天涨不涨”。那基本是给抛硬币增加了一堆前置步骤。我的做法是构建一套横截面策略：把一篮子股票相互比较并排序，买入排名靠前的一组，做空排名靠后的一组，同时让多头和空头金额大致相等，从而尽量抵消整个市场的方向。

如果市场整体下跌 3%，多头和空头可能一起下跌，你的总仓位大致不受影响。你押注的不是市场涨跌，而是股票之间的相对排名。

这不是民科玩法。大量系统化对冲基金做的事情，本质上都与此类似。

在我选择的 60 只美国大型股票上，这套策略跑出了 0.72 的夏普比率。

先简单解释一下夏普比率，因为后面还会频繁见到它。夏普比率大致等于收益除以波动率，也就是每承受一单位让人血压升高的波动，能换来多少回报。

标普 500 长期夏普比率大约是 0.5。如果 0.72 这个结果是真的，就意味着我独自坐在家里，只用一张游戏显卡，做出了一套风险调整后明显优于指数的策略。

这是足以让人认真起来的数字。有些对冲基金拿着更寒酸的结果都敢开门迎客。

然后，我多做了一个测试。

整个结果当场去世。

测试简单得让人不好意思：那 60 只股票是我手工写出来的，包括 Apple、Microsoft、JPMorgan 等耳熟能详的名字。那么，如果完全不改策略，只把股票换成随机抽取的 60 只，会发生什么？

我随机抽了 200 次。

结果如下：

股票池	夏普比率
我手工挑选的 60 只	0.72
随机 60 只的中位数	−0.03
随机 60 只的第 95 百分位	0.55

我那份名单落在随机结果的第 97 百分位。而普通的随机股票池，中位数甚至是亏钱的。

这件事值得停下来想一会儿，因为我当时也消化了很久。

真正起作用的不是信号。

股票名单本身才是策略。

问题是，我挑选这 60 家公司时根本没有使用什么高深方法，只是顺手写下了 2026 年我能立刻想起来的公司。换句话说，我选中的，是那些在过去十年里成功长大、成功存活、成功变成家喻户晓名字的公司。

这就是幸存者偏差，也是投资研究中最常见的“无意作弊”方式之一。

如果你用今天的大赢家测试历史策略，就等于偷偷把未来塞进了过去。今天我们都知道 Nvidia 后来很成功，但站在 2015 年，你面对的是五百家公司，没人知道其中哪几家会成为下一个全民热词。

于是我重新构建了一个更诚实的股票池：只根据 2021 年的成交量对公司排序，然后把名单冻结，不允许 2022 年之后的任何信息影响股票池成员。

同一套策略在这个股票池里的夏普比率是 0.17。

算上交易成本，基本等于什么都没有。

我结果里整整一个夏普点，来自纯粹的事后视角。 这次不是代码 Bug，而是一份我只花三分钟、没怎么思考就敲出来的名单。

这条教训可以用到几乎所有数据分析里：

相信一个结果之前，先看看它的随机版本能拿多少分。

不是只推导一个理论上的零假设，而是真的把数据打乱、随机抽样、重复运行 200 次。如果你精心设计的方案和随机方案混在同一个区间里，那你得到的不是成果，只是抽中了一个比较好看的签。

我骗过自己的另外四种方式

股票池偏差是最大的坑。但一旦开始主动寻找这种问题，你会发现它们遍地都是，而且并不专属于金融。

它们有一个共同点：用一种特别讨你喜欢的方式数数。

把 1,149 件事数成了 112,000 件

如果想证明一个信号不是运气，就要进行显著性检验。它要回答的问题是：

假设这个信号完全没有预测能力，纯靠运气得到当前结果的概率有多大？

按惯例，如果概率低于二十分之一，也就是 p 值小于 0.05，就值得进一步关注。

我有 98 只股票、1,149 个交易日。乍一看，这就是大约 112,000 个观测值。样本量大得令人心安，算出的 p 值低于 0.0001，只有万分之一。

我记得自己当时颇为满意。

但这 112,000 个观测值并不是相互独立的。

市场剧烈波动时，几乎所有股票都会一起动，所有预测也可能同时出错。如果我某天错判了 Apple，那一天大概率也会错判 Microsoft。

我并没有获得 112,000 份独立证据。我真正拿到的是关于市场的 1,149 份证据，然后每份复印了 98 遍。

把每天的数据合并成一个数字，再重新做检验，结果变成了 p = 0.299。

大约三分之一的概率可以靠运气得到。毫无说服力。

数据相同，模型相同，只因为计数方式不同，显著性就差了三个数量级。

这个问题远不止会出现在股票研究里。只要你对相关单位进行了重复测量——例如同一用户群里的用户、同一家医院里的患者、同一栋楼里的传感器——就很容易把每一行都误当成独立证据。

然后，统计软件会很配合地送给你一个惊艳的 p 值。可惜那张成绩单属于批发印刷，不属于真实发现。

测了 54 个方案，然后只欣赏冠军

如果拿 54 枚硬币，每枚抛 20 次，其中总会有一枚出现 16 次正面，看起来像是天选之币。

其实它没有魔法。这只是 54 枚硬币正常发挥的结果。

整个项目里，我一共试了 54 个版本：不同信号、不同持有周期、不同股票池、不同参数。然后，我从中找出表现最好的那个，看着它感到欣慰。

可问题在于，54 次尝试里的最好结果，本来就应该看起来不错。这是算术，不是能力。

有一种更正规的修正方法，叫作 Deflated Sharpe Ratio，膨胀修正夏普比率。它会问：既然你已经做了 N 次实验，那么一堆完全无效的策略里，最幸运的那一个会好看到什么程度？

真正的策略不仅要战胜零，还要战胜“噪声中的冠军”。

我的主打结果在这项检验里只拿到 0.25。它从未跨过“最佳噪声策略”那道门槛，一次都没有，无论哪个版本都不行。

而且这里还藏着一个非常反直觉的机制：我工作越努力、测试的想法越多，合格线就越高。

这很正确，也非常气人。

所以，“我测了一百套策略，终于有一套有效”，远没有听起来那么有力。学术金融研究也深受其害，大量已发表的市场异象在论文公开后立刻减弱，甚至完全消失。

尺子本身就有毛病

我的统计代码深处，有一个函数负责判断两种预测方法是否真的存在差异。它需要估计比较结果中的噪声大小，这又涉及对一系列项求和。

我用了一个看起来最自然的求和方式。

问题是，最自然的方式恰好不对。这样算出的结果不能保证是有效方差，数值可能过小，甚至可能变成负数。遇到负数时，我的代码会悄悄返回“未检测到差异”，然后若无其事地继续运行。

修复后，我重新跑了一遍所有结果。每一个 p 值都朝着不利于模型的方向移动：

比较对象	修复前	修复后
与朴素基线相比	p = 0.004	p = 0.017
与 2009 年的线性模型相比	p = 0.060	p = 0.114
与 1996 年的移动平均线相比	p = 0.101	p = 0.299

最终结论没有改变，因为模型原本就没通过检验。但那个诱人的 p = 0.060 曾让我产生一种错觉：

已经很接近了，再调一点参数也许就成了。

其实根本没有东西值得继续调。那只是统计实现制造出来的海市蜃楼。

真正值得记住的是：

我不是因为怀疑结果，才发现这个 Bug。

我是因为终于开始给统计代码写测试，才发现它。此前我一直跳过这种枯燥的工程卫生工作，因为它看起来不像“真正的研究”。可就在补测试的第一天，四个货真价实的 Bug 冒了出来。

直觉不是 Bug 检测器。恰恰相反，你的直觉往往站在 Bug 那边，因为它也希望答案足够好看。

一个可能早已读过未来的模型

这个问题属于 AI 时代，传统统计学里几乎没有完全对应的版本。

TimesFM 发布于 2026 年 8 月 31 日，它使用了极其庞大的训练语料。里面有没有股票价格数据？Google 没有完整披露训练数据的组成。

可能有一些，也可能有很多。

这意味着什么？

金融研究防止自欺的标准方法，是样本外测试：例如用 2015 至 2021 年的数据训练，再用 2022 至 2026 年的数据测试。如果模型在从未见过的数据上仍然有效，结果才比较可信。

但 TimesFM 可能早就见过 2022 至 2026 年的数据。

它不是“碰巧猜中”，而可能是把训练数据记住了。我能构造出的任何历史切分，都位于模型可能已经掌握的知识范围内。信息泄漏发生在我创建数据集之前，后来再怎么切分也补不回来。

唯一干净的证据，是在结果尚未发生的今天写下预测，然后等未来到来再评分。

所以我现在运行着一个脚本：每天下午记录模型预测，并提交到 git，以便时间戳可以审计。它需要等待一到两年，才能形成有意义的结论。

这可能是整个项目里最有价值的部分，而它的主要工作内容是：什么都别做，等着。

如果你正在用历史数据评估任何 AI 系统——交易、医疗、招聘，或者其他领域——现在都必须考虑这个问题。

当模型在 2025 年训练完成时，“它在 2023 年的数据上表现很好”，已经不再是过去那个意思了。

为什么图表里没有隐藏秘籍

又一次面对失败结果时，我突然换了一个理解角度。此后，很多事情都变得清楚了。

如果你喜欢晚上盯着 K 线寻找规律，那么下面这句话，大概是我最想送给你的观念。

我原来的想法是：

价格基本是随机的，而随机现象无法预测。

这句话不准确。更接近事实的说法，听起来甚至有点相反：

价格之所以难以预测，恰恰是因为它已经包含了所有人知道的信息。

每条新闻、每份财报、每个传闻、每套分析师模型，都已经被数以百万计的市场参与者阅读、分析和交易。其中有些机构拥有停车场卫星图像，有更及时的数据，有我这辈子都摸不到的信息基础设施。

价格就是所有这些信息被交易后的汇总结果。

每天剩下的那些细小波动，并不是“什么都没有”，而是所有聪明人都行动之后留下的残差。

随机性不是信息真空，而是可用信息被市场扫荡后留下的碎屑。

这样理解以后，很多现象立刻说得通了。

TimesFM 什么都没找到，不一定是因为模型太弱，而是因为它赶到现场时，值钱的东西早已被捡干净了。

图表上的某个形态无法稳定重复，也不是因为你画线的手势不够专业。如果它真的长期可靠，拥有交易所共址服务器的人多年前就发现了它，并用交易把利润压没了。

还有一件事多少有些扎心：在我的前瞻测试中，一条来自 20 世纪 90 年代的移动平均线规则，也就是能用电子表格计算的最简单技术指标之一，样本外表现甚至略好于基础模型。

这不是因为移动平均线特别厉害，而是因为两者都不怎么样。至少简单方法不会摆出一副自己深不可测的样子。

我曾经还寄希望于另一个著名理论，而它的失败，让我更深入地理解了市场为什么难。

金融学里有一条著名结论，叫主动管理基本定律：投资表现大致等于技能水平，乘以独立下注次数的平方根。

只要能把一点点优势应用到足够多的独立交易上，就可能变成一门真正的生意。赌场就是这么赚钱的：单次旋转的庄家优势很小，但架不住一天转一百万次。

那么，把股票数量从 60 只增加到 500 只如何？广度的平方根会提高约 2.9 倍，表现理应明显改善。

实际结果：纹丝不动。

原因藏在“独立”两个字里，而我此前轻飘飘地略过了它。

500 只美国股票并不等于 500 次独立下注。市场下跌时，它们几乎一起下跌；利率变化时，你持有的所有银行股会朝着相似方向移动。

表面上是 500 个名字，底层可能只有少数真正独立的风险来源：整体市场、几个行业因子、规模效应等。

换句话说，500 只股票只是同样几笔赌注换了 500 套衣服。

买入更多同一个市场里的资产，无法把一个糟糕的优势“分散”成好优势。 赌场的每次旋转近似独立，你的股票不是。

那些机构究竟是怎么赚钱的？

这是个合理的问题。金融行业显然真实存在，而且办公楼通常装修得相当不错。里面到底在忙什么？

真正的优势究竟有多大？

在正式参观之前，先校准一下预期。因为我刚开始时，对“有效优势”的想象离谱得很。

我原以为，成功意味着预测正确率达到 55%，好一点的信号也许能到 60%。很多人的直觉也是如此：如果不能明显强于抛硬币，怎么可能值得投入？

Renaissance Technologies 旗下的 Medallion Fund，拥有金融史上最强的长期业绩之一。它在三十年间，扣除费用前的年回报据称约为 66%。这是人类组建过的最成功投资机器之一，团队里挤满了物理学家和密码学专家。

据报道，它的交易胜率大约是 50.75%。

不是 55%，更不是 60%。

只是比硬币稍微强一点点，然后以极强的纪律执行数百万次，再用足够大的规模，把那条细如发丝的优势复利成惊人的财富。

真实世界里的优势就这么小。几乎没人长期拥有 55% 的胜率。

这重新定义了整个问题。我的失败并不是找不到“大优势”——因为根本没有谁拥有大优势。

真正的问题是，当优势只有 50.75% 时，它比我的测量误差更小，比交易成本更小，也比手工挑选股票给回测带来的美化效果更小。

在这种尺度上，测量比模型更难。

所以，这篇文章讲统计学的篇幅远多于神经网络。

还有一个看似不起眼、实际非常重要的细节：Medallion 从 1993 年起就不再接受外部资金，只管理员工自己的资本。

这就是信号。

如果你发现了一个容量有限的真实优势，通常不会到处推销，而会把它藏起来。因为每多投入一美元，都会侵蚀那条来之不易的利润空间。

真正的优势会被囤起来，而不是被包装销售。

如果有人热情地向你兜售某种策略，那么从他的实际行为看，这套东西多半没有通过“自己拿钱长期做”的考验。

五类赚钱生意

大体上有五类，其中只有一类接近“预测股票”。

做市。 Citadel Securities、Jane Street 一类机构并不需要预测市场方向。它们持续提供买价和卖价，赚取两者之间极小的价差，每秒重复成千上万次，再对剩余风险进行对冲。这是一门技术与库存管理生意，不是算命生意。

统计套利。 这是最接近我尝试方向的一类。成千上万个微小优势，每一个都只比硬币稍强，然后分散到大量金融工具上。它依靠广度赚钱。而专业机构会完成我一开始忽略的步骤：主动剥离市场因子、行业因子、规模与价值暴露，让剩余交易尽可能真正接近独立。

风险溢价。 例如 AQR 和 Dimensional。这不属于预测，而是持有其他人不愿意持有的风险，并因此获得补偿。它无聊、诚实、容量大，而且风险调整后收益本来就不会夸张。

主观基本面投资。 人类阅读财报、研究行业、与管理层会面。其中确实有人非常优秀，但平均表现仍然跑不赢指数。

收费。 很多看似“华尔街靠股票赚钱”的业务，其实是向别人收取资产管理费。无论策略最终是否有效，费用都可以照收不误。

他们使用算法吗？ 几乎都用。但要区分执行算法和预测算法。

大型机构订单基本都会由算法执行，把一笔大单拆成小块，以免自己的交易推高买入价或压低卖出价。它的目标是减少自己的市场冲击，不是预知未来。

预测算法确实存在，但比电影里稀少得多，也弱得多。

他们使用 AI 吗？ 越来越多，但通常把 AI 当成特征提取器，而不是最终决策者。

AI 可以阅读财报和电话会议记录，把文本转成数字特征，再交给一个规模小、结构朴素、能够审计的模型作最终判断。

没有多少理智尚存的人会把大型语言模型直接塞进交易决策环节：它太慢、不确定，而且亏钱后必须向风险委员会解释原因。“模型今天感觉有点看空”，显然不算一份合格报告。

DeepSeek 的故事，可能和你以为的不一样

这里有一个我特别喜欢的例子，而且很多人把它理解反了。

DeepSeek 是一家震动全球 AI 行业的中国实验室，它脱胎于幻方量化 High-Flyer。后者由梁文锋在 2015 年前后于杭州创立，一度成为中国最大的量化私募之一。

大家很容易脑补出这样的故事：一家对冲基金为了提升交易能力，专门建了一家 AI 实验室。

真实故事的方向几乎相反。

幻方量化使用机器学习交易中国股票，因此建设了大型 GPU 集群，也就是“萤火”系列。据报道，第二代集群拥有约一万张 A100。

2024 年，中国监管部门加强了对量化基金的监管，幻方的业绩也经历了一段困难时期。与此同时，创始人本人显然对通用人工智能的兴趣大于交易，于是把算力集群转向了另一个问题。

DeepSeek 不做交易，从一开始也不是为了做交易而存在。

但这段故事对普通投资者真正有价值的部分在于：幻方的一大部分交易优势，不一定来自更先进的模型，而来自它面对的交易对手是谁。

中国 A 股市场长期由个人投资者贡献很大比例的成交量，历史上大约达到 70% 至 80%；美国市场则大致相反，以机构交易为主。

散户资金更容易追涨杀跌，更受情绪影响，也更容易形成可识别的行为模式。

使用类似的技术，只要对手不同，难度就可能天差地别。而我的实验选择的是美国大型股，几乎是全球被研究、套利和交易得最彻底的一批价格序列。

优势往往来自你在和谁交易，而不是你有多聪明。

拆开来看沃伦·巴菲特

说到这里，大家通常会搬出最经典的反例：如果市场这么有效，那巴菲特怎么解释？

在回答之前，先区分两个概念。我花了很久才真正把它们刻进脑子里，而这个区别足以推翻你在饭桌上听到的大部分投资故事。

买了一只上涨的股票，不等于拥有能力。那可能只是领取风险租金。

过去一个世纪，美国股票年化回报大约为 10%。只要买入大部分优质资产并长期持有，都有很大机会赚钱。

这叫作 Beta，也就是承担风险获得的补偿。任何人都能通过费率只有几个基点的指数基金获得它，不需要特殊洞察。

Alpha 则是扣除风险暴露本来就会带来的回报后，剩下的超额收益。它才是真正稀缺的东西，也是我花几个月都没找到的那部分。

想象一场聚餐，有人说：

“我 2016 年买了 Nvidia，后来涨了二十倍。”

这种故事通常由 Beta 加幸存者偏差组成。市场整体上涨了，其中一只股票涨得格外多。至于那位朋友买过但跌到几乎归零的仓位，饭桌上大概不会提——因为故事不好听，而人类记忆也不是审计师。

最终传到你耳朵里的故事，已经被同一种过滤机制处理过。它也正是让我那份手工股票名单显得特别优秀的原因。

所以，无论评估谁的投资记录——我的、某只基金的，还是你自己的——问题都不该是“它涨了吗”，而应该是：

“它是否比单纯承担同样风险获得的回报更高？”

有了这个区别，再看巴菲特就有意思多了。

学者们曾把他六十年的投资记录拆开分析，得到的结论比“他是天才”或者“他只是运气好”都更实用：

他的夏普比率大约为 0.79。非常优秀，但并非超人水平。许多基金在较短时期内超过过它，真正不可思议的是他维持了六十年。
他使用了大约 1.6 倍杠杆，资金来自保险浮存金，也就是先收保费、日后才支付赔款的钱。其实际融资成本长期低于美国国债利率，相当于几十年都能以比政府更便宜的价格借钱。
他的持仓显著偏向可衡量的特征，包括质量，也就是盈利稳定、经营稳健、负债较低的企业，以及低波动和价值风格。
他拥有永久资本。投资者不能在回撤时突然赎回，因此他不会被迫在市场底部卖出。

把这些因素逐一拆开，许多“魔法”就得到了合理解释。

并非全部——其中仍有真实的剩余能力——但“巴菲特年化 20%，市场只有 10%”这个传奇，很大一部分来自结构优势：低成本杠杆、可量化的投资倾向、长达几十年的期限，以及永远不会在底部被迫卖出。

同一个主题已经第三次出现，可以说得更直白些：

幻方的优势很大程度上来自交易对手；巴菲特的优势很大程度上来自资产负债表和耐心。二者都不主要依赖于“比所有人更聪明”。

其中还藏着一个真正的好消息：

巴菲特四项优势中的两项，你已经免费拥有。

如果投资的是自己的积蓄，你拥有永久资本，没有客户可以突然要求赎回。如果离退休还很远，你还拥有以几十年计算的投资期限。

这两项优势是许多专业投资者梦寐以求、却在制度上无法真正拥有的。因为他们的客户可能在连续两个季度表现不佳后撤资。

你没有巴菲特的低成本杠杆，也未必有他的判断力。但你并不是从零开始。最难得到的两项优势，其实已经在你手里。

唯一还算诚实的希望：新闻

仍有一个方向，我认为值得继续尝试。

它来自一次讨论。当时有人针对我“所有信息都已经被计入价格”的悲观态度，提出了一个很犀利的反驳。

没错，重大新闻出现时，股价会几乎瞬间调整。对于大型股票，这个过程远短于一秒。任何以“我读到新闻，然后根据它交易”为起点的方案，都在与一群微秒级解析新闻、服务器机架就放在交易所旁边的机构竞赛。

这场比赛没有悬念，甚至不算接近。

但最初的价格反应并不是全部行情，因为接下来，人们还会继续对其他人的反应作出反应。

这个观察非常好，而且确实成立。

机器在一秒内完成第一轮交易。随后，基金经理看到价格变化，晚上修改模型；分析师到周四才调整评级；养老金在月底进行再平衡；又有人到了周日才从报纸上读到这件事。

最初的水花抢不到，但涟漪可能持续数周。

金融学里已经记录并命名了这种现象：盈余公告后漂移，post-earnings announcement drift。

一家公司的业绩超过预期，股价立刻跳涨，之后数周仍会继续向同一方向缓慢漂移。这个现象自 1968 年以来被多次验证，发表后也没有完全消失。如今它比 20 世纪 90 年代弱了，但“变弱”反而更符合个人投资者可能参与的机会形态。

最快的部分属于专业机构，较慢的部分则来自人类反应不足。这至少是普通人有可能用笔记本电脑测试的东西。

从结构上看，它也有一个优点。还记得“500 只股票其实一起动”的广度问题吗？事件之间通常没有那么强的相关性。

Nvidia 在 2 月公布业绩，Costco 在 5 月公布业绩，两者在时间和原因上都相对独立。这更接近真正的独立下注，而不是给同一种市场风险换两件衣服。

但这个思路正中央摆着一个陷阱，也是大多数“新闻情绪交易机器人”失败的原因：

情绪不等于意外。

假设 Nvidia 公布创纪录的业绩，营收增长 60%。任何语言模型阅读新闻稿后，都会非常自信地判断：极度正面。

结果股价下跌 8%。

为什么？因为市场原本期待增长 70%。

真正推动价格的不是消息本身有多好，而是它相对预期偏离了多少。已经被预期到的部分，早就写进价格里了。前面讨论的市场效率，在这里变成了一个非常实际的工程问题。

如果模型只判断“这条新闻是不是好消息”，那么它最容易在行情最大的地方自信满满地犯错。因为剧烈下跌，恰恰可能来自好消息没有想象中那么好。

所以，真正的任务不是情绪分析，而是衡量消息相对于市场已有预期的“惊喜程度”。这更难，也正是它与 GitHub 上无数废弃情绪交易项目的根本区别。

还有一枚地雷：你无法诚实地用现代语言模型回测这个想法。

一个训练数据覆盖到 2025 年的模型，在分析 2019 年的新闻稿时，已经知道后来发生了什么。它不一定直接记住泄漏数字，但拥有整个后续故事作为背景知识。

它会觉得 2016 年那份“我们将全部押注 AI”的内部备忘录极具远见，因为它知道后来发生了什么。

因此，所有回测结果都会被夸大，而且调参越勤快，夸大得通常越严重。

这里还必须加一句警告，因为这个思路最有诱惑力的版本，往往也是最稳定亏钱的版本：

“现在出了大新闻，我能感觉市场要动了，赶紧交易。”

证据对这种直觉并不友好。当新闻已经变成你能读到的新闻时，价格通常已经完成了第一轮调整。

至于那种“我早就看出来了”的感觉，很多时候只是市场先动了，而记忆在事后悄悄重排时间顺序，让你的判断看起来发生在行情之前。

这不是人格缺陷，而是记忆的正常工作方式。我们会重构故事，让自己成为主角。于是人人都记得自己曾成功预测崩盘，却不太记得另外四次喊崩盘但什么都没发生。

解决办法是：行动前先把理由写下来，并保存在带有不可修改时间戳的文件里。

这正是我在前瞻测试里对模型做的事情，同样也可以对自己做。进行 50 次交易后，你会得到一个诚实答案：你的直觉究竟有没有附加价值。

大多数人会发现没有。少数人可能发现确实有。

无论答案是什么，至少你会真正知道，而不是靠记忆给自己剪一部英雄电影。这份认知可能比交易收益更值钱。

我仍认为新闻方向值得测试。我会把最终形成可交易策略的概率估在四分之一左右。

但请注意，这个计划已经从“让 AI 预测市场”，收缩成了“测量一个有文献支持、存在几十年的人类行为是否仍未消失”。

这是小得多的主张。

而最终能活下来的，通常只有这种小主张。

不预测任何东西，怎样真正改善指数投资？

几个月失败之后，我终于愿意接受下面这个结论：

对绝大多数人而言，买入宽基指数基金，然后别乱动，就是正确答案。

在十五年的时间跨度上，大约 90% 的美国大型股主动基金经理跑输标普 500。这些人是全职专家，有 Bloomberg 终端，有研究团队，有比普通人贵得多的咖啡机。

这个基础胜率对我们并不乐观。

但“买指数”并不是讨论的终点。确实有一些办法能较稳定地改善结果，而它们有一个共同特点：

完全不需要预测。

不要恐慌。 这是最有价值、也最不性感的优势。研究实际投资者收益与其持有基金本身的收益后，会发现两者长期存在每年约 1% 至 2% 的差距。原因基本就是：涨了以后买，跌了以后卖。

自动化最大的优势并不是聪明，而是脚本在 2020 年 3 月不会害怕。

税损收割。 在应税账户中，可以直接持有个股，而不是只持有基金。当某个仓位下跌时，将其卖出确认亏损，再立即买入统计特征相近的替代资产，以保持市场暴露。

这些亏损可以抵扣其他资本利得。如果没有足够的资本利得，在美国税制下，每年还可以用最多 3,000 美元抵扣普通收入，其余亏损继续结转。

不过必须诚实说明它是什么，因为这个概念经常被卖得像永动机：

税损收割主要是一台延税机器，不是免费印钞机。

替代资产的成本基础更低，因此未来出售时，账面收益会更大。你相当于以零利率向未来的自己借钱。

它的真正好处主要来自三个方面：

延迟纳税本身具有价值；
可能存在税率套利，例如先用短期亏损抵扣税率较高的普通收入，未来再按较低的长期资本利得税率纳税；
如果股票最终被捐赠或继承，某些情况下可能永远不需要缴纳那部分税。

它每年可能贡献约 0.5% 至 1.5%，但随着持仓年龄增加、可供收割的亏损仓位越来越少，效果通常会逐渐衰减。

机械再平衡。 设定固定目标权重，当偏离超过某个区间时再平衡。收益不大，但实施成本低，而且能强迫你卖出相对昂贵的资产、买入相对便宜的资产，不需要先发表一篇宏观经济演讲。

如果还想在指数之外增加其他策略，最诚实的理由不是预测，而是降低相关性。这里把算术摆出来看，会更清楚。

即使一条独立收益流单独表现较差，只要它与现有投资的相关性足够低，也可能改善整体结果。

假设标普 500 的夏普比率为 0.5，再加入一项夏普比率为 0.4 的策略——它单独看更差。如果两者真正不相关，最优组合的夏普比率大约能达到 0.64。

加入一项更差的策略，整体反而提高 28%。这就是分散投资的核心逻辑，而且确实成立。

然后看看不那么浪漫的现实。

任何基于股票的策略，都很难与股票市场完全不相关。如果相关系数取更现实的 0.4，同一组合的夏普比率只能提高到 0.55，改善约 9%。

三十年里，9% 的改善当然不是毫无意义。但它比“完全不相关”的教科书版本小得多，而且还要跨过回测通常不处理的另一道障碍：

税。

主动交易容易产生按普通收入税率征税的短期资本利得。长期持有的指数基金通常适用更低的长期资本利得税率，而且只在卖出时纳税。

因此，一套主动叠加策略在税前年化上往往需要领先指数 1% 至 2%，税后才可能刚刚打平。

这是非常高的门槛。见过足够多漂亮回测灰飞烟灭之后，我终于学会尊重它。

我做过最复杂的东西，最后叫我停手

几个月 GPU 运算、一套基础模型和 61 个单元测试，最后给出的结论是：

持有指数、降低成本、不要恐慌；如果账户需要纳税，可以做税损收割；如果实在想投机，就把它与长期资产隔离，并把规模控制得足够小。

这些话随便一本个人理财书里都有。你可能早就读过，只是它们太无聊，听起来又像认输，所以从脑子表面滑了过去。

但我并不觉得这几个月被浪费了。这不是自我安慰，而是认真比较过另一种可能后的结论。

想象一下，如果其他人完成了同样的项目，会发生什么？

很多人现在可能已经在用那套夏普比率 0.72 的策略实盘交易了。回测看起来干净，策略听起来高级，曲线漂亮得像宣传册封面。

而真正杀死它的那个测试——把同一套代码放到 200 份随机股票名单上——很少有人会主动做。

因为谁会故意摧毁自己最好的结果？

后来我才明白，这恰恰是整件事的核心工作。

我做过最有价值的东西，就是那个告诉我应该停下来的东西。

“相信无聊的建议”和“通过测量亲自走到无聊的建议”，两者之间有巨大差别。

现在，我准确知道那个图表形态为什么不真实：因为我让它和 200 个随机版本比赛，亲眼看着它掉进普通结果的中间。

我知道基础模型为什么没有帮助：不是因为它太弱，而是因为它来得太晚。

我知道增加股票数量为什么没有帮助：因为它们并不是独立下注。

现在有人向我展示回测时，我首先会问：

股票池是怎么选的？

你一共尝试过多少个方案？

你是不是把彼此相关的日期或样本，当成了独立证据？

大多数时候，这三个问题里至少有一个足以让结果当场失去说服力。

所以，我真正构建出来的不是一套交易策略，而是一个特定类型的自欺检测器：它专门寻找那种“因为计数方式稍微错了一点，数据就开始说你爱听的话”的情况。

这种能力可以迁移。此后，我已经在两个与金钱完全无关的工作项目里，用它抓住了自己。

最后，我想留下一个重新理解指数投资的角度。

买指数基金时，你并不是“放弃挑选赢家”。你是在下注另一件事：人类会继续组织成公司；下一个十年创造的产品和服务会比这个十年更多；资本会继续流向有用的企业，离开衰败的企业；而你会因为提供长期资本和耐心而获得回报。

你下注的是资本主义这套系统，而不是某一家具体公司。

公司会不断死去。指数会安静地把它们移除，然后继续向前。

过去一个世纪，这项下注的年化回报大约是 10%。它不需要优势，不需要 GPU，不需要基础模型，也不需要任何花哨聪明。

它只要求你愿意承担风险，然后等待。

偏偏等待可能是最稀缺的能力。因为等待看起来像什么也没做，而“什么也没做”总让聪明人觉得自己是不是哪里出了问题。

市场不会因为你聪明就付钱。市场里的聪明人实在太多，而且他们早已看过你正在看的东西。

市场真正奖励的是耐心。

而耐心和交易优势不同：即使所有人都知道它有效，它也不会因此失效。

以上内容只是我从一个研究项目中得到的经验，不构成任何投资建议。我没有根据这些实验持有任何实际仓位，测试账户使用的也是模拟资金。如果只记住一件事，请记住：相信任何结果之前——无论是我的、你的，还是陌生人的——先看看它的随机版本能拿多少分。

声明：文章由人类撰写，并在适用之处使用 AI 改进。

税损收割 on 张欣耕的个人博客