Week 11 复盘 — 跨市场 Alpha 还是单市场聚焦？
Week 11 复盘 — 跨市场 Alpha 还是单市场聚焦？
日期: 2026-07-29 方向: Week 11 复盘 / 跨市场 阶段: Phase 3: 实盘+规模化+迁移 标签: #WeeklyReview #CrossMarket #AShare #HKShare #qlib #MarketStructure #Week12Prep
今日目标
| 类型 | 内容 |
|---|---|
| 复盘 | Day 75-81 七天产出自评、跨市场迁移的真实价值与坑 |
| 决策 | 「跨市场 vs 单市场」决策矩阵 + 个人量化的市场选择路径 |
| 产出 | TR-DAY81 周复盘 + Week 12 自动化路线图 + 当前能力分级表 |
一、Week 11 完成度自评（Day 75-81）
Week 11 是 Phase 3 的「迁移周」——把前 10 周在美股建立的方法论尝试搬到 A 股、可转债、港股，看哪些迁得过去、哪些迁不过去。
| Day | 主题 | 完成度 | 产出 | 关键认知 |
|---|---|---|---|---|
| 75 | qlib + AKShare 工具链 | ✓ | qlib 容器化 + AKShare 拉 A 股日线 + Alpha158 baseline 跑通 | qlib 是国内开源量化最完整的工具，但学习曲线陡，文档欠缺 |
| 76 | 美股因子迁移 A 股 | ✓ | 把 Phase 2 的 12-1 动量、Quality、Low-Vol 三因子在 A 股回测（2018-2025） | 动量在 A 股是反向因子——这是本周最 surprising 的发现 |
| 77 | A 股事件驱动 | ✓ | 业绩预告 / 限售解禁 / 增发 / ST 摘帽 四类事件的统计学窗口 | A 股事件 leakage 严重，财务造假污染样本，事件因子的稳定性 << 美股 |
| 78 | 可转债双低 | ✓ | 双低（低价格+低溢价率）回测 + 强赎条款的现金流建模 | 个人量化 friendly 的隐藏 alpha——单只 < 50万 容量，机构看不上，散户够用 |
| 79 | A 股回测特殊点 | ✓ | 涨跌停未成交建模、T+1、日内成交量分布、北向/南向数据接入 | T+1 + 涨跌停让任何短线策略的回测假设全部要重做，不是「加个 0.1% 滑点」能糊弄过去的 |
| 80 | 港股迁移 | ✓ | 港股 wheel 策略评估 + 港股期权流动性扫描 | 港股期权流动性比想象差 5-10 倍，wheel 在港股几乎不可做 |
| 81 | 本日复盘 | ✓ | 本笔记 + Week 12 自动化预告 + 当前能力分级 | 见下文 |
完成度总结：7/7 完成，但产出深度参差不齐——Day 76（A 股因子）、Day 78（可转债）、Day 79（A 股特殊点）是高密度日；Day 80（港股）发现「不可做」后就停止深挖了，这是合理的（沉没成本止损）。
二、跨市场 vs 单市场：本周最重要的决策
Week 11 跑下来，我反而对「跨市场策略」这件事变得更悲观了。不是说跨市场没价值，而是对个人量化（<$5k 起步）来说，跨市场是奢侈品而非必需品。
2.1 跨市场的真实优势
| 优势 | 量化 / 体感判断 |
|---|---|
| 分散度高 | A 股 与 美股 月度收益率相关性约 0.25-0.35，确实低 |
| 各市场 alpha 不同 | 美股动量正向 / A 股动量反向 / 可转债双低反身性—— alpha 来源差异巨大 |
| 政策风险对冲 | SEC 监管收紧时 A 股不受影响；A 股政策收紧时美股不受影响 |
| 货币对冲 | USD/CNY 波动可以作为 free volatility，多市场组合天然有汇率敞口 |
| 学习溢出 | 理解一个市场后看另一个市场，对市场微观结构的认知是指数级加深 |
2.2 跨市场的真实劣势
| 劣势 | 真实成本（个人视角） |
|---|---|
| 精力分散 | 一个市场跑通要 100h，两个市场要 300h（不是 200h，因为切换成本） |
| 数据成本 × N | IBKR 数据 + Wind/AKShare/Tushare + 可转债数据 + 港股 OPRA = 月成本翻倍 |
| 工程复杂 × N | 时区 / 交易日历 / 假期 / 涨跌停 / 结算周期 全部要单独建模 |
| 回测框架 × N | qlib（A 股）+ backtrader/vectorbt（美股）+ 自写（可转债）—— 维护负担巨大 |
| 资金分散 | <$5k 拆三份每份 $1.6k，单市场仓位太小，交易摩擦吃掉所有边际 |
| 心理负担 | 三个市场涨跌不同步，盯盘心智成本指数上升 |
2.3 <$5k 现实判定
结论：聚焦 1-2 个市场，把流程做到工业级。
理由的算术：
- $5,000 资金 × 0.1% 月度 alpha = $5/月毛收益
- 美股数据订阅 $16/月 = 吃掉 3 个月 alpha
- 如果再叠加 A 股数据 / VPN / 多账户 = 数据成本 >> 收益
跨市场只在以下情形下才有意义：
- 资金 >$50k（数据成本被摊薄）
- 已有自动化基础设施（边际成本接近 0）
- 单市场策略已饱和（容量瓶颈，需要扩展）
我目前一个都不满足。结论：Phase 3 主线锁定美股，A 股 / 可转债作为「认知储备」而非「资金部署」。
三、个人量化的「市场选择决策矩阵」
如果有人来问「我该做哪个市场」，我会基于身份和资金给出如下矩阵：
| 场景 | 推荐主市场 | 次选 | 理由 |
|---|---|---|---|
| 中国境内，<$5k | A 股 + 可转债 | 暂不考虑 | 最熟悉 + 开户简单 + 可转债是隐藏 alpha + 不用 VPN |
| 中国境内，$5k-50k | A 股 + 可转债 + 港股（IBKR HK） | 美股（小仓位试水） | A 股做底仓，港股做卫星 |
| 中国境内，>$50k | 三市场分散 | 加 ETF 套利 | 资金到位，可以分散 |
| 国际身份，<$5k | 美股 | 暂不考虑 | 美股生态最完整 + 期权工具最强 + 数据最全 |
| 国际身份，$5k-50k | 美股 + 期权 | 港股 wheel（如有时间） | 美股期权策略容量足够 |
| 国际身份，>$50k | 美股 + 美股期权 + 期货 | 加密 / 大宗 | 资金量允许尝试期货 / Vol arb |
| 金融机构内部岗 | 自家平台 + 美股个人账户 | 严守合规 | Pro 数据费贵，但策略可借鉴公司基础设施 |
3.1 我个人的实际选择
身份：中国境内 + 国际工作意向（求职 Web3 PM）
资金：<$5k
时间：6h/day 含工作
心态：长期路径优先，短期 P&L 次要
→ 主市场：美股（已有 80 天积累不放弃）
→ 认知储备：A 股 / 可转债（理解中国市场不丢失）
→ 暂不投入：港股期权（流动性差不值得做）
→ Phase 4 可能加：Web3 DeFi 永续合约（与求职方向高度相关）
四、跨市场迁移的学习价值（即使不实操）
哪怕一分钱都不投入 A 股，Week 11 的跨市场学习仍然有四项不可替代的价值：
4.1 理解市场结构差异
| 维度 | 美股 | A 股 | 港股 |
|---|---|---|---|
| 散户占比 | ~10% | ~60% | ~30% |
| 交易制度 | T+0 + 无涨跌停 | T+1 + ±10% 涨跌停 | T+0 + 无涨跌停 |
| 卖空机制 | 完善（融券池深） | 受限（融券标的少+贵） | 完善 |
| 做市商 | 强 | 弱（多撮合制） | 中 |
| 信息披露 | 严格 | 选择性披露 + 内幕严重 | 中 |
| 监管风格 | 规则导向 | 政策导向 | 规则导向 |
洞察：美股的「均值回归慢、动量持续」与 A 股的「均值回归快、动量反向」根本上是散户占比和 T+1 共同决定的。不是因子失效，是市场结构不同。这个认知一旦建立，再看其他市场（韩国 / 印度 / 中东）能秒判断「哪些美股策略能搬过去」。
4.2 防止「美股 alpha 普世化」幻觉
读英文文献最大的风险是潜意识把「美股结论」当成「金融真理」。
| 美股「真理」 | 在 A 股的真相 |
|---|---|
| 12-1 动量是稳健 alpha | A 股反向（短期反转更强） |
| 低估值 + 高质量 = 长期 Sharpe 高 | A 股低估值长期跑输（壳价值 + ST 投机） |
| 高股息 = 防御 | A 股高股息板块（银行）长期 PB < 1 但不涨 |
| 财报后漂移（PEAD）持续 60-90 天 | A 股仅 5-15 天（信息扩散更快+套利更密） |
结论：每个 alpha 都要追问「在我的目标市场，这个 alpha 的微观结构基础是否成立」，不能照搬。
4.3 增加 PM 求职 storytelling
求职 Web3 PM / DeFi 协议 PM 时，能讲清「跨市场结构差异」是很大的加分项。
面试话术示例：
「我在做个人量化时发现，同样的动量因子在美股有效、A 股反向。原因不是因子本身的问题，是 A 股 60% 散户占比 + T+1 制度导致价格发现速度过快。这件事让我对 DeFi 协议设计有一个直觉——AMM 在美股式的机构市场是低效的，但在 DeFi 这种 24/7 全球散户主导的市场反而是最优解。市场微观结构决定产品设计的可行边界。」
这种话术体现：技术深度 + 商业洞察 + 跨域类比能力，是 PM 面试的高分组合。
4.4 建立「市场结构 → 策略可行性」的判断框架
未来看任何新市场（Solana DEX、永续合约、印度股市），都能用同一框架快速判断：
- 流动性几何分布？（top 10% 占多少？）
- 散户 vs 机构占比？
- 信息扩散速度？
- 套利机制完备性？
- 监管摩擦点？
5 个问题答完，能判断 80% 的策略能不能搬过去。
五、本周三个核心认知
认知 1：动量在美股有效，但在 A 股反向
这是 Day 76 跑出来后最颠覆的一条。
- 美股：过去 12 个月（剔除最近 1 月）涨幅最高组，未来 1 月跑赢市场约 0.3-0.5%
- A 股：同样口径，未来 1 月跑输市场约 0.4-0.6%（短期反转因子主导）
原因（我的解读，待 Day 95 深挖）：
- 散户追涨杀跌 → 涨过头容易反转
- T+1 → 当天买不能卖，反应延迟
- 涨停板 → 价格发现被截断，第二天集中释放
- ST 制度 → 低价股反弹幻觉（已濒临退市但偶尔暴涨）
操作含义：任何美股 paper 抄来的动量策略，跨市场前必须先用本地数据校验方向，否则可能完美反向操作。
认知 2：可转债双低是个人量化 friendly 的隐藏 alpha
- 单只可转债容量 < 50 万人民币（机构看不上）
- 双低（低价格 + 低溢价率）策略 2018-2024 年化约 15-22%（含 ST 类风险溢价）
- 工具简单：每日扫一次 + 月度调仓 + 强赎条款监控
前提条件：
- 境内 A 股账户（可转债不能海外开）
- 接受 T+0 交易但 T+1 资金可用（实际 ≈ T+0 半流通）
- 接受 2023 年后监管收紧带来的容量下降
结论：如果有境内账户，这是我会立即配置的策略之一。可惜我现阶段重心在美股 + Web3，暂不实操，但收藏在「Phase 4 候选」清单。
认知 3：策略普世化是危险的，市场结构决定 alpha 持续性
这条是 Week 11 最重要的元认知。
策略 ≠ 公式
策略 = 公式 × 市场结构
公式可搬，市场结构不可搬。
任何写论文 / 出书 / 发推的 alpha，作者一定是在某个特定市场结构下验证的。看到 alpha 第一反应不应该是「我也试试」，而应该是：
- 它依赖什么市场结构？
- 我的目标市场是否有同样结构？
- 如果没有，能不能找到等价的 proxy？
这种思维方式让我在 Phase 3 后期会更挑剔策略——不会随便看到个 paper 就抄，而是先问「微观结构在不在」。
六、本周潜在坑与踩坑记录
| 坑 | 描述 | 应对 |
|---|---|---|
| qlib 学习曲线陡 | 文档少 / 配置层级深 / Alpha158 一开始就 158 个因子让人窒息 | 跟着官方 example 跑通后再读源码，不要一开始就改 |
| AKShare 偶发不可用 | 数据源是爬虫，国家统计局 / 东方财富改版会断 | 每个数据源做本地缓存 + 定期备份 |
| 港股期权流动性差 | 主要标的（00700 腾讯）OPRA bid-ask spread ≈ 5-15% | 不做 |
| 可转债强赎条款建模 | 大部分回测忽略强赎 → 高估收益 ~3-5%/年 | 单独写 redemption_check 函数 |
| A 股复权问题 | qlib 默认前复权，AKShare 是不复权 → 拉数据要确认 | adjust='qfq' 显式指定 |
| 跨市场时区 | A 股 9:30-15:00 (CST) vs 美股 09:30-16:00 (EST)—— 时区+夏令时双重坑 | 所有 timestamp 落地前转 UTC |
| 涨跌停未成交建模 | 涨停板挂单 vs 成交 是两件事 | 加 is_limit_up_filled 列，回测时强制只用 fill 量 |
七、当前跨市场能力分级
| 能力 | 等级 | 说明 |
|---|---|---|
| 能用 qlib 跑 A 股 baseline | ✓ | Alpha158 + LightGBM baseline 可复现 |
| 能 AKShare 拉数据并清洗 | ✓ | 日线 / 财务 / 北向资金 / 可转债 都能拉 |
| 能解释 A 股 vs 美股因子差异 | ✓ | 不仅知道方向，能说清结构原因 |
| 能解释 T+1 / 涨跌停对策略的影响 | ✓ | 回测层面建模做过 |
| 能识别 A 股事件驱动机会 | △ | 知道有哪些事件类型，统计学窗口跑过，但实操经验 0 |
| 能实操可转债双低（如有境内账户） | △ | 框架完备，缺真实账户 |
| 能 IBKR 港股 wheel | △ | 框架可用，但流动性扫描后判断「不该做」 |
| 能跨市场做组合优化（A+美） | ✗ | 还没做，Phase 4 备选 |
| 能跨币种对冲（CNY/USD） | ✗ | 完全没接触 |
等级说明：✓ 工业级可用 / △ 知识完备但缺实操 / ✗ 待学习
八、Week 12 预告（Day 82-90）：Phase 3 终章
Week 12 是 90 天的最后一周，也是 Phase 3「实盘+规模化+迁移」的最终收尾。主线不再是学新东西，而是把前 89 天做成可交付的作品。
| Day | 主题 | 核心产出 |
|---|---|---|
| 82 | 自动化 cron / Airflow / Prefect 选型 | 选定调度器 + 第一版 daily job |
| 83 | 监控与告警（健康检查 / P&L 推送 / 异常 ping） | Discord + email 双通道告警 |
| 84 | 月报模板（自动生成 P&L、归因、回撤、下月 watchlist） | LaTeX/Notion 月报脚本 |
| 85 | 公开复盘文章 #1 — 美股动量实盘 30 天 | Medium / Mirror 发布 |
| 86 | 公开复盘文章 #2 — 90 天 alpha 归因（哪些因子真的赚钱了） | 完整归因表 |
| 87 | GitHub repo 整理 + README + LICENSE + 隐私脱敏 | Public repo 可分享 |
| 88 | 90 天回顾文章 — Phase 1/2/3 全过程 + 教训 | 求职作品集核心文章 |
| 89 | 求职作品集页面（个人主页 / Notion / Mirror） | 投递 ready 的 portfolio |
| 90 | 庆祝 + 下一个 90 天规划（Phase 4 候选） | Phase 4 蓝图 + 复盘 |
Phase 4 候选方向（Day 90 决定）
| 方向 | 价值 | 难度 |
|---|---|---|
| DeFi 永续合约量化（Hyperliquid / dYdX / GMX） | 高（与 Web3 PM 求职高度相关） | 中 |
| AI Agent 交易策略（LangGraph + 实盘） | 高（叙事性强，求职故事好讲） | 高 |
| 可转债 + ETF 套利（如有境内账户） | 中（个人收益友好，但与求职弱相关） | 低 |
| 期货 / Vol arb（需 $25k+） | 高（深度但门槛高） | 高 |
| 加密 yield farming 自动化 | 中（与 Web3 相关，但 alpha 衰减快） | 中 |
目前倾向：DeFi 永续 + AI Agent 双线，因为与求职路径高度对齐。Day 90 再正式定。
九、个人复盘 prompt 三问
每周复盘必答的三个问题，逼自己说真话。
Q1：这周最 surprising 的发现是什么？
A：动量因子在美股和 A 股的反向行为。我以前以为「动量是普世 alpha」，这周亲手用 7 年 A 股数据回测出反向后，对「金融真理」这件事祛魅了一层。后续看任何文献都会先问「在哪个市场验证的」。
Q2：如果这周可以重做，我会改什么？
A：Day 80 港股期权那天，应该在前 30 分钟做完流动性扫描后直接转向「港股股票 + 美股期权」混合策略的研究，而不是浪费 3 小时硬磕港股期权细节。沉没成本止损能力还不够强。
Q3：这周对 Phase 3 终章（Week 12）有什么调整？
A：原计划 Week 12 写 1 篇复盘文章，现在改为 2 篇（Day 85 实盘 30 天 + Day 86 alpha 归因）。理由：求职作品集需要至少 2 篇深度文章作为可分享物料，1 篇不够展示能力广度。
十、PM 视角：「localization vs 标准化」 — 跨地域产品同样困局
Week 11 跨市场迁移这件事，本质上和我做了 10 年的「跨地域产品」是同一个问题。
10.1 软件产品的 localization 陷阱
| 维度 | 量化跨市场 | 跨地域 SaaS / 支付产品 |
|---|---|---|
| 表面问题 | 数据格式差异 | UI 翻译 / 货币显示 |
| 中层问题 | 交易制度差异（T+1 / 涨跌停） | 支付方式差异（信用卡 vs 移动支付 vs 银行转账） |
| 深层问题 | 散户/机构占比 / 监管文化 | 用户行为习惯 / 信任结构 / 合规文化 |
| 错误做法 | 把美股 alpha 公式直接搬到 A 股 | 把美国产品 UI 翻译后丢到东南亚 |
| 正确做法 | 公式 × 本地市场结构 → 重新设计 | 核心功能 × 本地用户习惯 → 重新设计 |
反例：Uber 进中国失败的核心不是产品不好，是没理解中国用户「现金支付习惯 → 微信支付习惯」的迁移阶段不同。这和「美股动量 → A 股反向」是同一类错误。
10.2 跨地域产品的三层架构
借鉴 Week 11 的经验，我现在会推荐任何跨地域产品做如下分层：
Layer 1: 核心业务逻辑（市场无关）
├─ 例：支付路由 / 风控规则引擎 / 账户系统
└─ 在量化里：因子计算公式 / 组合优化器 / 回测引擎
Layer 2: 市场适配层（local adapter）
├─ 例：本地支付网关 / 本地合规规则 / 本地货币换算
└─ 在量化里：本地交易制度 / 本地数据源 / 本地税务
Layer 3: 用户呈现层（fully localized）
├─ 例：UI / 文案 / 客服话术
└─ 在量化里：报告语言 / 时区显示 / 本地基准
核心规则：Layer 1 可以共享，Layer 2/3 必须重写。最常见的失败模式是把 Layer 2 误当成 Layer 1 复用——美股 alpha 公式以为是 Layer 1，搬到 A 股发现其实依赖 Layer 2 假设（T+0 / 无涨跌停）。
10.3 给团队的实操建议
如果我下次带跨地域产品团队，我会要求每个 feature 上线前回答三个问题：
- 「这个 feature 在哪些市场结构下被验证过？」（防止把 Layer 1 错误推广）
- 「如果换市场，最先 break 的假设是什么？」（暴露 Layer 2 依赖）
- 「能不能用本地数据 N 周内重新验证？」（提供降级方案）
这套问法是 Week 11 直接受益的——我的脑子已经被训练成「先质疑普世性」的模式，对跨地域 PM 工作是直接迁移的能力。
十一、明日预告
Day 82: 自动化调度选型 — cron / Airflow / Prefect / Dagster 谁更适合个人量化
- 个人量化调度的真实需求（不是企业 ETL 那套）
- 四种调度器对比：cron / Airflow / Prefect / Dagster
- 资源占用、学习曲线、failure handling 对比
- 选型决策：为什么我会推荐 Prefect 而不是 Airflow（对个人）
- 第一版 daily job：盘前数据拉取 → 信号生成 → 下单 → 盘后归因 → Discord 推送
- 告警链路设计：哪些事件 P0（电话）/ P1（即时推送）/ P2（日报汇总）
实际执行记录
启动一项填一项，时间戳 + 卡点。
- [hh:mm] Week 11 七天产出汇总（重读 Day 75-80 笔记） — ...
- [hh:mm] 跨市场决策矩阵草稿 — ...
- [hh:mm] 三个核心认知整理 — ...
- [hh:mm] Week 12 路线图敲定 — ...
- [hh:mm] 当前能力分级表自评 — ...
- [hh:mm] PM 视角章节定稿 — ...
- [hh:mm] 个人复盘三问回答 — ...
- 卡点 / 学到的：
- Phase 4 候选方向初步判断：
总字数：约 5,900 字 今日完成度：复盘 ✓ / Week 12 规划 ✓ / 能力分级 ✓ / Phase 4 候选 △（Day 90 定）