Q!@N

美股期权数十个“选股因子”是否真的存在“超额收益”？ 过去十几年学术界陆续发现 46 个能预测美股个股期权截面收益的特征。基于这些特征的多空组合月收益普遍超过 1%，年化夏普普遍超过 2，最强的甚至能达到 4-5。这一系列发现被广泛解读为美股期权市场存在大量未被消除的“超额收益”。 Goyal 和 Saretto（2024）认为这些带来“超额收益”的截面信号本质上都在以不同方式捕捉同一个方差风险溢价（VRP，用 RV−IV 量化），如果加上交易成本，所有策略的“超额收益”都消失。 注：第二作者 Saretto 是 2009 年首次提出 RV−IV 期权信号的人。这篇是他在 15 年后用更严格的方法重新评估自己当年的发现。 数据与方法 样本：OptionMetrics 1996 年 1 月到 2022 年 12 月的美股普通股月度期权。持有期约 25 天，从月度到期日后第一个周一到下个月到期日周五。Delta 对冲的看涨期权每日重新对冲。 46 个特征分四类： - 合约层面：行权价比、希腊字母敏感度、未平仓量等 - 风险中性分布：平值隐含波动率、隐含波动率斜率、隐含波动率期限结构、无模型波动率/偏度/峰度等 - 物理分布：已实现波动率、偏度、峰度、过去三个月日收益最高 10 天均值等 - 公司基本面：账面市值比、盈利能力、市值等 交易成本假设有效价差是报价价差的 30%。月到期日间持仓的设计意味着每月只在开仓时付一次期权交易成本，不付平仓交易成本。 核心观点 46 个截面特征像 46 个温度计放在一个房间不同位置。每个温度计读数都“独立显著”地预测了房间什么时候热什么时候冷，但它们测的其实是同一个房间温度。 按其中任何一个温度计排序去做多空（买热的，卖冷的），都能赚钱。但赚的不是“超额收益”，是承担了“房间温度”这个系统性风险的对价。 论文用 IPCA（Instrumented Principal Component Analysis）从数据反推适合期权的风险模型，只需要 3 个潜在因子就能解释绝大部分的截面收益。 其中第一因子 F1 的月度回报序列与“按 RV-IV 排序做多空”的月度回报序列几乎同步（做多 RV-IV 高的期权、做空 RV-IV 低的期权，月收益 2.87%，未扣交易成本），即 IPCA 提取出来的“房间温度”，恰好就是 RV-IV 这个温度计的读数，其他特征都是通过和 RV-IV 的相关性间接测量“房间温度”。 结论 期权市场的“选股因子”并没有超额收益，在美股期权波动率套利上，RV−IV 仍然是头号信号，收益来源还是方差风险溢价（VRP），其他截面特征都是它的不同侧面，对收益的改善不大。

给大家推荐几个期权做的好的博主 最近一直和他们学呢 1.专注卖期权收入策略，测试过上百策略，强调卖现金担保看跌（Cash-Secured Puts）（月化5-10%，胜率95%）、买LEAPS（长线期权，360天到期）和零日信用价差（0DTE Credit Spreads）。分享实际回测和简化方法。@MarketMovesMatt 2.全职卖期权5+年，专注卖期权收集权利金 + 买LEAPS + 持有优质公司现金流股。分享简单高概率玩法，有免费eBook教学，社区复制率高。@LEAPTRADER_ 3.月入4-5位期权收入。框架清晰：底仓持股（NVDA、TSLA等）→ 卖7-42 DTE Delta 0.15-0.25的Put（用margin）→ 买LEAPS Calls → 偶尔Put Credit Spreads。结合Robinhood和Tastytrade平台。@WealthCoachMak 4.经典Wheel Strategy（滚轮策略）：卖Put → 被指派持股 → 卖Covered Calls → 收权利金循环。混入LEAPS和保护性交易，强调“Rolling when it makes Dollars and Sense”。@TJTheWheelDeal 5.非传统Wheeler，核心是conviction持股/LEAPS + 偶尔卖Covered Calls / Poor Man’s Covered Calls** 降低成本基数 + Wheel高流动性名字（TSLL、PYPL等）。强调长期股权 + 期权收入复合。@HertzyTrades 6.@OptionsHawk(Joe Kunkle)：期权流（Options Flow）和异常活动专家，实时分析大单、模式，提供具体setup。适合看机构动向做判断。 （分享美股量化+期权动能）。 其他值得看：@jordanfogel（分享高胜率策略如80%胜率，即使方向错也能赚钱）、@optionscjp（卖期权生活）、@MasiTrades/@maxoptionstrade（教学型期权交易者）。中文/港台用户可关注@maojietrading

Jim VandeHei 曾经是一个抽烟酗酒，成绩差到离谱的废柴青年。 短短10年内，他就华丽逆袭成为了美国知名的媒体人，并创办了Politico 和 Axios 两家知名公司。 他说他的成功在于，只专注掌控自己。 下面是他的重塑人生的五个关键法则。 第一，掌控今天。 在每天的每一个微小选择中主动做出积极决定，并刻意模仿优秀者的习惯来提升自己。 第二，掌控自己的反应。 无论遇到多么糟糕的逆境或情绪波动，都要坚持秉持原则去做下一件正确的事。 第三，掌控你的现实。 你的输入决定了你的输出，因此要主动去筛选并吸收那些健康，有启发性的高质量信息。 第四，掌控别人眼中的你。 学会以旁观者的视角审视自己，确保你在与人交往时展现出的态度和形象，正是你渴望成为的模样。 第五，掌控你的命运。 拒绝随波逐流，用临终回望的视角设定人生的终极目标，并以此倒推现在的行动指南。

周末别再漫无目的刷手机了。 花点时间看完这门硬核金融课， 真的会刷新你对钱、资产和周期的理解。

交易员必看！这是关于价格动量最棒的讲座之一。 24分钟，干货密度拉满，学到的东西比啃完大多数动量专著还多。 还附赠一篇配套论文，深度直接拉满。 感谢哥伦比亚商学院，直接把硬核实战与学术底层一次性给到。

Jim Simons 用数学把 $100 做到了 $130B 而他的核心方法，被浓缩在一场免费的 1 小时 MIT lecture 里 很多人还在靠 Reddit、情绪和“感觉”选股票 Simons 靠 equations，做到了连续 30 年年化 66% 这场 lecture 真正有价值的地方，不是鸡汤 而是它拆开了 Renaissance Technologies 的底层逻辑： 找到人眼看不到的 statistical edges 只在数学给出信号时交易 同时运行大量小仓位，而不是押一笔大的 信号变弱就果断止损 长期复利，不断迭代 这些不是普通交易技巧 而是所有 AI trading bot 背后真正值得保留的原则 1988 年，这套东西需要： 50 个 PhD 数百万美元基础设施 多年数据和工程积累 普通人根本碰不到的 custom data feeds 但到 2026 年，门槛已经变了 一个人 一台 laptop Claude Code 7 天时间 每月 $20 API 成本 就可以搭一个 working version： 跨资产 pattern recognition 噪音里的 signal detection automated execution risk management at scale 周末的 playbook 也很直接： 周五晚上，看 Simons lecture，记下所有 signal 周六，打开 Claude Code，用历史价格数据搭 backtesting framework，测试 3–5 个核心信号 周日，在 Polymarket、Toobit 或 Alpaca 上 paper trade，先验证，不急着上真钱 周一，只部署你亏得起的小仓位 $100 $500 都可以 重点不是一开始赚多少 而是： 先验证 再迭代 再复利 最后才是 scale 这可能是历史上第一次，普通人和 Renaissance trader 之间的知识差距，被 AI 工具压到这么小 真正的分水岭不是谁看过这场 lecture 而是谁看完之后，把它变成系统

一家巅峰管理规模达 1620 亿美元的对冲基金创始人表示，最顶级的交易并非交易本身，而是一个公式。在 4 分钟内，他详细解析了那张永远改变了他投资方式的图表。他将其比作“爱因斯坦发现 E=mc²”，并展示了为什么仅靠选股，没有人能“在人类能力范围内”战胜它。收藏并观看。下方帖子中的平台将让你能够构建、回测并自动化此类策略——无需编写任何一行代码 ↓

真的，只有大牛才敢站出来这么说！ 全世界公认的最聪明的人之一，Terence Tao，亲自站出来把AI最致命的缺陷直接戳破了。 他问了一个所有人都回避的根本问题： “我们该如何使用一个强大、却极度不可靠的工具？” AI的核心方程写得清清楚楚： W = ∑(wᵢ ⋅ xᵢ) + b 它不是在追求“正确”， 而是在追求“看起来正确”。 所有权重都被优化成plausibility（似是而非），而不是veracity（真实性）。 于是我们造出了一个超级会“装”的镜子： 它在医学、金融、法律等领域，能用最自信、最流畅的语气， 给你最危险、最错误的建议。 “Convincing”和“Correct”之间的鸿沟， 才是AI时代最致命的风险。 我们越是依赖它，它就越容易把我们带进自己都看不出来的陷阱。 当最顶尖的数学家都在认真讨论“如何安全使用不可靠的AI”时， 我们普通人还在为“它写代码好快”鼓掌吗？ 这段视频值得每一个用AI的人反复看。

还在节假日无脑刷抖音浪费时间？赶紧醒醒！别再浑浑噩噩虚度光阴了 挤出一小时，去啃顶级宏观交易员保罗的牛熊深度研判，完爆那些无营养短视频 这位外网封神级大佬早就封神封神了！精准预判1987美股崩盘，1990年反手做空日本股市泡沫，眼光毒辣到可怕 纵横市场四十多年，旗舰基金全程跟标普500反向走，不靠行情躺赚，全凭硬实力收割超额阿尔法，真本事碾压一众散户 他直接喊话当下市场复刻2000年大顶行情，直言那是他职业生涯最好做、最容易拿捏的熊市机会 还硬核拆解美日货币做多逻辑，一针见血点明比特币对冲通胀完胜黄金，更是敢于推翻过往认知，正视对巴菲特的偏见 71岁高龄依旧狠人自律！凌晨两点半准时爬起来盯伦敦盘面，雷打不动每日健身，闲时陪爱人漫步、走遍山河揽尽春秋美景，连自己葬礼曲目都亲自敲定，活得通透又潇洒 一辈子活成普通人几辈子的顶配模样！格局、认知、自律、心态全拉满，热爱事业、通透豁达，看完直接被狠狠打醒 所有做交易、想搞投资翻盘的人，必须狠狠对标学习！别再原地内耗、瞎跟风乱操作，跟顶级大佬学认知、学格局，才是弯道超车唯一出路。

华尔街的对冲基金，给量化研究员开的年薪一般在 20 万到 65 万美元之间。 刚好，Jane Street 一位量化交易员最近在 YouTube 上传了一条 50 分钟的视频，把量化学习的完整路线图梳理得很清楚。建议你收藏下来，今天就抽时间看掉。比起 X 上那种“神奇公式”文章，这个更值得花时间。

耶鲁大学教授本·波拉克（Ben Polak）的一场1小时博弈论讲座，堪称传奇 它能彻底改变你在谈判、商业和生活中的决策方式。 核心框架就3个： • 支配权论证（Dominance） • 逆向归纳法（Backward Induction） • 主动偏见（Active Bias） 从中提炼出的12个决策铁律，让普通人也能像高手一样思考。 这堂课听完，你看世界的方式都不一样了

波动率交易真的比方向性交易更容易吗？ 英文期权圈的大佬 @KrisAbdelmessih 针对标普 500（以下用 SPY 代替）的波动率和收益率写过一篇文章，大意是波动率比收益率的变动要稳定得多，90%的置信区间要窄得多，因此基于波动率的决策会更可靠（比如用波动率来计算策略回撤，以控制仓位比例）。 那我们现在来看看这个说法在 BTC 这种波动更大的资产上是否成立？我们用过去 4 年的数据同时计算 SPY 和 BTC 的收益率和波动率的区间和 90%置信区间（实际历史观测中 90% 落点的范围）。 计算结果如下图所示： - SPY 的收益区间比波动率区间宽 4.77 倍（90% 置信区间为 3.85 倍），这比 Kris 的文章中给出的 2 倍差距更大，但结论无疑是成立的。 - BTC 的收益区间比波动率区间宽 9.39 倍（90% 置信区间为 8.26 倍），在每个口径下都比 SPY 大一倍。 如果单独看波动率，BTC 的绝对水平比 SPY 高得多（中位数 50% vs 13%），但波动率自身的“波动”并没有等比例放大： - BTC 在 41% 到 74% 之间，最高 / 最低约 1.82 倍 - SPY 在 11% 到 24% 之间，最高 / 最低约 2.20 倍 换句话说，BTC 波动率水平更高，但围绕自身水平的不确定性并不比 SPY 更夸张。波动率比收益率更容易判断这件事，在 BTC 上同样成立。 上面数据说的是统计层面的可预测性，但 Kris 也强调了好预测 ≠ 好赚钱，因为大家都知道波动率好预测，交易对手的估值也是八九不离十，博弈归根结底还是看对手水平。SPX 期权市场是全球机构密度最高的股指期权市场，相对而言 BTC 期权市场给散户留了更多空间 😁

想學期權(Options)最好的管道是什麼? 如果你真心想紮實地學，那麼最好的管道就是透過金融工程科系的教科書。 底下我推薦兩本: 【Options, Futures, and Other Derivatives】 【Fundamentals of Futures and Options Markets】 這兩本是給大學生上課用的教科書，寫得淺顯易懂而且是從非常基本的學理開始出發，我覺得是很棒的兩本書。

马克思根本不在乎无产阶级的幸福。 他真正想要的，是资产阶级的不幸。 这是哲学家伯特兰·罗素对马克思主义的致命定性。 有人问罗素，拒绝了马克思，我们该拿什么当指路明灯。 罗素没有抛出任何新的救世理论。 他只给出了一个警告：这个世界最大的麻烦，就是教条地迷信某种观点。 哪怕是他罗素自己的哲学，他也劝你保留几分怀疑。 理性的人从不百分百确信自己掌握了真理。 但罗素给所有理论划定了一条硬性底线。 一种哲学如果想给人类带来好结果，它的底色必须是善意。 这正是马克思那套理论最可怕的地方。 整个马克思主义的驱动力，是纯粹的仇恨。 它披着追求平等的华丽外衣。 骨子里却在煽动撕裂社会的巨大恶意。 这种教唆一部分人去恨另一部分人的逻辑，在后来的历史中制造了无数血腥的灾难。 依靠恨意建立的乌托邦，地基里填满了白骨。 用仇恨做燃料的社会机器，永远不可能产出繁荣。 靠挑动阶级对立来运作的共产模式，从第一天起就注定走向崩溃。 把人群生生撕裂，纯粹是为了方便极权机器集中权力。 善意建造秩序，仇恨只负责摧毁。

巴菲特的 Alpha 到底来自哪里？ 2013 年 AQR 三位研究员 Frazzini、Kabiller、Pedersen（后面简称 FKP）写了一篇 《巴菲特的 Alpha》（论文在 2018 年更新了数据，本文以 2018 版为准)，把伯克希尔 13F 公开持仓 1980 - 2017 年的月度收益做多因子回归，得出的结论为： 巴菲特的业绩 ≈ 1.7 倍极低成本杠杆 × 由[价值 HML + 质量 QMJ + 低贝塔 BAB]三因子驱动的多头股票组合 HML 价值因子 HML 对应因子研究里的“价值投资”。 巴菲特的公开持仓里 HML 暴露是 0.25，说明他长期持续偏向“相对账面便宜”的股票。这和他公开宣称的价值投资哲学完全一致。我们可以用 VTV（Vanguard Value ETF）做近似复制，追踪 CRSP 大盘价值指数。 QMJ 质量因子 这个因子蕴含的思路是市场确实给了优质股更高的 P/B，但给得不够多，扣掉合理估值溢价之后，优质股仍然有超额收益。质量因子用四个维度（盈利、成长、安全、股东回报）的量化指标给每只股票打分，可以看做巴菲特的“护城河”概念的量化版。 巴菲特的公开持仓里 QMJ 暴露是 0.37，意味着他持续性地买入“合理价格的好公司”。我们可以用 QUAL（iShares MSCI USA Quality Factor ETF）做近似复制，按 ROE、盈利稳定性、低杠杆三个指标选股。 BAB 低贝塔因子 这个因子的逻辑是高贝塔（对市场敏感度高）的股票长期跑不赢它们承担的系统风险，低贝塔股票定价偏低。 巴菲特的公开持仓里 BAB 暴露是 0.19，意味着他持续性地偏向低贝塔的稳定公司。我们可以用 SPLV（Invesco S&P 500 Low Volatility ETF）做近似复制，追踪 S&P 500 里过去 12 个月波动率最低的 100 只股票（严格讲 SPLV 筛的是低波动率而不是低贝塔，但实证研究表明两者相关性约 0.9，所以实务上可以替代）。 样本外验证 FKP 框架其实也隐含了一个可证伪的预测：价值、质量、低贝塔因子表现不佳时，巴菲特的投资表现也应该不佳。 那我们也确实看到，2015-2020 年，价值因子陷入低谷，伯克希尔同期跑输标普 500 约 50 个百分点。巴菲特的业绩周期和他本人的状态无关（业绩一差就有人说他老了），和因子周期有关。 巴菲特的业绩为何难以被复制？ 上面说的是巴菲特选股（13F 公开持仓），不含杠杆。但伯克希尔整体股票收益还要叠加 1.7 倍杠杆。FKP 估算伯克希尔 1976-2017 年化超额收益 19%（超出国债收益的部分），拆分来看: - 纯市场收益（简单持有标普 500）：7.5% - 伯克希尔 13F 公开持仓（无杠杆）年化 12%，其中超出市场的 4.5%, 几乎全部来自 HML + QMJ + BAB 三因子暴露 - 伯克希尔全资子公司（无杠杆）年化 9.3%。全资子公司常年占伯克希尔股权约65%、公开持仓占 35%，加权的无杠杆收益约 10.25%（0.65 × 9.3 + 0.35 × 12.0 = 10.25%） - 1.7 倍杠杆（FKP 估算同期伯克希尔扣除现金后的资产/权益 ≈ 1.7）再把加权的无杠杆收益 10.25% 放大，总贡献约 1.7 × 10.25% ≈ 17%，剩下的 1.5-2% 来自融资成本低于国债即杠杆本身贡献了正收益 纯数字上讲，杠杆贡献（7%）是选股贡献（4.5%）的近两倍。 巴菲特杠杆的核心来源是保险浮存金，浮存金本质上是一笔非赎回、无保证金追缴的永续负债。FKP 估算浮存金年均成本约 1.72%，比同期美国短端国债利率低 3 个百分点以上；承保盈利的年份成本甚至为负。更重要的是这笔钱的供给稳定性和投资组合波动脱钩，只要承保业务本身正常运行，浮存金就持续存在。 但要把浮存金真正变成股票投资的弹药，还要跨过监管这一关。美国保险业的风险资本（RBC）规则对股票的资本占用远高于债券（财险公司每持有 1 块钱股票需要备 15% 的法定资本，每持有 1 块 钱投资级债券只要 0.3%，差 50 倍），大多数保险公司的法定净资本和浮存金的比例大约是0.3-0.5，刚够支撑业务和债券组合，一次熊市就可能打穿净资本，触发监管介入。 头部财险公司股票持仓通常个位数。伯克希尔特殊在于它的保险子公司法定资本极大（2025 年末美国保险子公司法定净资本 3330 亿美元），接近浮存金（1760 亿）的 2 倍，远超行业平均水平，这是巴菲特主动选择把保险业务当低成本长期资本来源的结果，再加上控股公司可以直接持股（这部分不受保险监管约束），伯克希尔因此能在保险子公司内和控股公司两个层面同时大比例持股，保险业务投资组合中股票占比接近一半。 1998-2000 年是最典型的例子：伯克希尔市值下跌 44%，同期市场上涨 32%，相对跑输 76 个百分点，投资端血流成河，但保险业务没有受到太多影响。巴菲特没有客户赎回的压力，得以坚持不参与互联网泡沫，熬到 2000 年 3 月泡沫破裂后的大反转。如果这 1.7 倍杠杆换成靠银行贷款或券商融资，那 1999 年大概率一代传奇就此落幕了。 时至今日，这个结构本质上还在，但杠杆倍数有所下降：2025 Q4 伯克希尔总资产 1.22 万亿、股东权益 7174 亿、浮存金 1760 亿，现金及短端国债约 3700 亿。按 FKP 定义的杠杆当前大概是 1.2 倍。杠杆下降源自近年来苹果减仓和营运现金积累，类现金资产占比从 2017 年的 17% 升到 30%。这是巴菲特晚年风格的一个变化，也是阿贝尔接班后继承的保守姿态。 其实像巴菲特这样保险公司做投资业务的并不稀奇，但是两个业务都做得这么好的，绝无仅有。通常保险业务好的公司投资受限于资本金约束，投资做得好的机构融资成本不低。那我们学巴菲特，如果只学选股那肯定是不够的，大家还是得学他多搞搞其他主业，而且这个主业的收入最好和投资表现无关。

伊万卡转发的励志视频 相当于全球几位首富在18分钟内给你上了一堂课！ 都是精华内容！