一、市场异象导论：当市场不再“有效”
大家好，欢迎来到《市场异象因子挖掘与实证分析》的第一章。
先问大家一个问题：股票价格真的反映所有信息吗？
如果你去问一个金融学教授，他大概率会搬出有效市场假说（EMH），告诉你“市场永远是对的”。但如果你去问一个实战交易员，他可能会冷笑一声：“市场要是真有效，我早失业了。”
嗯，这就是我们这门课的起点。
1.1 什么是市场异象？
市场异象，说白了就是那些“不应该存在”的规律。
按照有效市场假说，股票价格应该随机游走，任何技术分析、基本面分析都无法持续获得超额收益。但现实中，我们却反复观察到一些“反常”现象：
- 一月份小盘股涨得比大盘股好（一月效应）
- 上周涨得好的股票，这周继续涨（动量效应）
- 市盈率低的股票长期跑赢市盈率高的（价值效应）
- 公司名字好听的股票，首日涨幅更高（名字效应——这个我当年看到论文时都笑了）
这些现象，就是市场异象。它们像一个个“bug”，挑战着有效市场假说的完美世界。
核心定义：市场异象是指那些在经典金融理论框架下无法解释、但持续存在的价格规律或交易策略。
1.2 有效市场假说 vs 市场异象：一场持续50年的战争
有效市场假说（EMH）有三个版本：
| 版本 | 含义 | 被异象打脸的程度 |
|---|---|---|
| 弱式有效 | 历史价格信息已反映在股价中 | 动量效应、反转效应直接打脸 |
| 半强式有效 | 所有公开信息已反映在股价中 | 盈余公告后漂移（PEAD）打脸 |
| 强式有效 | 所有信息（包括内幕）已反映 | 内幕交易者笑而不语 |
我个人习惯把这场争论看作“物理学 vs 玄学”的较量。EMH 是理想化的牛顿力学，而市场异象就是那些“测不准”的量子现象。
你想想看，如果市场真的完全有效，那巴菲特、西蒙斯这些人凭什么赚了几百亿？
我的经验：我在2018年做过一个回测，用最简单的“低市盈率+高股息”策略，在A股市场跑出了年化18%的超额收益。如果市场完全有效，这个策略应该早就失效了。但它没有。至少在我做那个项目时还没有。
1.3 为什么市场异象会存在？
原因其实不复杂，我总结为三点：
- 行为偏差：人不是理性的。过度自信、损失厌恶、羊群效应……这些心理偏误让投资者做出“非理性”决策。
- 市场摩擦：交易成本、卖空限制、信息不对称。这些现实因素阻碍了套利者去“纠正”错误定价。
- 风险补偿：有些异象其实不是“错误”，而是对某种系统性风险的补偿。比如小盘股的高收益，可能只是因为它们风险更高。
我曾经踩过一个坑：2019年我发现一个“周一效应”——周一的收益率显著低于其他交易日。我兴奋地写了个策略，结果实盘跑了三个月，亏得我怀疑人生。后来才发现，这个效应在2000年以后就基本消失了。
避坑指南：市场异象不是永恒的。很多异象在被发现后，会逐渐减弱甚至消失。这就是所谓的“数据挖掘偏差”或“过拟合”。你发现的异象，可能只是历史数据的巧合。
1.4 课程概览：我们要学什么？
这门课一共10章，我把它设计成一条从“发现异象”到“实战应用”的完整路径：
下面这张图，是我自己画的课程知识体系。你可以把它当作一张“藏宝图”：
1.5 学习路径：怎么学最有效？
我建议你按这个节奏来：
- 第1-3章：打基础。别急着写代码，先把概念理清楚。我见过太多人一上来就调包，结果连IC是什么都说不清楚。
- 第4-6章：动手做。跟着代码走一遍，把单因子测试跑通。这个阶段你会遇到各种坑——数据缺失、幸存者偏差、前视偏差……嗯，我都踩过。
- 第7-8章：深挖坑。统计检验和过拟合是区分“业余”和“专业”的分水岭。你发现的异象是真的，还是数据挖掘的产物？这一章会给你答案。
- 第9-10章：实战与前沿。用真实数据复现经典异象，然后看看学术界和业界正在往哪个方向走。
我的建议：每章学完后，花30分钟自己动手复现一下。代码我都是公开的，但你自己敲一遍，和直接复制粘贴，效果天差地别。
1.6 你需要准备什么？
技术栈方面，我们主要用Python：
- pandas：数据处理，绕不开
- numpy：数值计算
- statsmodels：统计检验
- matplotlib/seaborn：可视化
- alphalens：因子分析专用库（这个我强烈推荐）
如果你还没装环境，别慌。第2章我会手把手带你搭好。
好了，第一章就到这里。记住一句话：市场异象不是市场的bug，而是我们理解市场的窗口。
下一章，我们开始动手——从数据说起。
公众号:蓝海资料掘金营，微信deep3321