外部数据能帮我们在好交易中做选择吗？

估值和事先排定的事件都没有给出可用的信号。评分和推荐都没有因此加入任何东西。

• 1.36 倍：在估值极低区间，随后 21 个交易日出现大幅上涨的频率是其他时候的 1.36 倍（12.1 % 对 8.9 % 的交易日；97.5 % 区间 0.62 至 2.44）。事先定好的规则要求至少 1.5 倍，并且区间整体高于 1。
• 30 次中的 8 次：2007 年以来，上证50 相互独立的大幅上涨中，有 8 次始于估值极低区间，而这个区间占全部交易日的 17 %。要在这个幅度上得出确定的结论，大约需要 114 次这样的行情，也就是大约再多 50 年的数据。
• 一次急涨：去掉 2024-09 的急涨，这个倍数从 1.36 降到 1.07。
• 三个月：1.84 倍：把期限拉长到 63 个交易日，认购一侧的倍数更大（98.75 % 区间 0.54 至 4.10），来自 13 次中的 4 次行情。最多只算“有迹象”；去掉 2024 年的急涨，它是 1.28。
• 认沽一侧只是“有迹象”：在估值极高区间，大幅下跌的频率是其他时候的 1.59 倍（0.76 至 6.91），只来自三次行情。按三个月算，连这一点也没有了：1.16，去掉一次行情后是 0.44。
• 11 类事件中 0 类：经过 84 项检验，没有发现事件前隐含波动率上升、事件后隐含波动率回落，也没有发现在事件之后不久到期的卖出期权亏得更多。
• 一个日期：在 2024-09-27（一个政治局会议日期）之后不久到期的卖出跨式，亏损约为权利金的 6 倍。去掉这一个日期，政治局会议的效应是 −16 个权利金百分点（−52 至 +18）。
• 只有一格通过，而且对卖方有利：在定期报告披露截止日，ETF 的实际波动小于隐含波动率所预期的（−0.52，区间 −0.73 至 −0.30）。这个结果很脆弱，也不需要提醒。
• 事先定好：两项研究都先写下了区间、结果指标、检验方法和通过标准，并在计算任何结果之前提交。

问题是什么

本站的评分只用期权数据给交易打分：胜率、收益 ÷ 压力亏损、扣除成本后的期望值，以及交易成本（见行权价溢价研究）。第二层可以用外部数据，在评分已经认为不错的交易中再做选择。本站作者提出了两个候选：

• 估值。 2024-09 的急涨是从很低的估值开始的，它让卖出认购的人亏了钱。指数很便宜的时候，卖出认购的亏损会不会扎堆出现？反过来，指数很贵的时候，卖出认沽的亏损会不会扎堆出现？
• 事先排定的事件。 在已知的事件（美联储议息决议、政治局会议、数据发布）之前，隐含波动率会不会上升，之后会不会回落？卖方是否应该避开在某个事件之后不久到期的期权？

这两个问题关心的都是一个期权存续期内（几周）的尾部，而不是几年的回报。每项研究都先写下规则，只保留在这些规则下站得住的结果。

第一部分：估值与大幅波动

设定。 六个指数：上证50、沪深300、中证500、中证1000、深证100 和创业板50。估值用一个综合百分位：市盈率、市净率、股息率，以及盈利收益率与 10 年期国债收益率之差，每项都放在 10 年的窗口里排名。第 t 天的百分位只用到第 t 天为止的数据（时点数据），不会混入之后的数据。

• 极低区间 = 综合百分位低于 0.10；极高区间 = 高于 0.90。这就是首页估值卡片上的“极低”和“极高”。
• 大幅波动 = 指数在随后 21 个交易日的涨跌超过它自身 σ 的 1.5 倍。价格检验中的 σ 是过去 42 天的已实现波动率；期权检验中的 σ 是 QVIX。10 Delta 认购的行权价大约在 1.28 σ 处，所以 1.5 σ 的上涨会明显越过它。
• 倍数 = 区间内出现大幅波动的频率 ÷ 区间外的频率。1 = 没有关系。
• 一次行情 = 间隔不到 21 个交易日的大幅波动日，只算一次。这才是真正的样本量：22,342 个指数日，但 2007 年以来上证50 只有 30 次大幅上涨和 39 次大幅下跌。

事先定好的规则。 两个假设（认购：估值极低 → 大幅上涨更多；认沽：估值极高 → 大幅下跌更多），每个都用 97.5 % 的区间（对两个假设做 Bonferroni 校正）。只有六项检查全部通过，这一侧才算站得住。有迹象 = 倍数至少 1.5，且第 3、4、6 项通过，但有区间不满足。区间用以 12 个月为一块的移动块 bootstrap（自助法）得到，因为估值区间往往持续好几年。

• 认购：没有可用信号。 方向和作者的猜想一致：17 种切分中有 16 种大于 1。但幅度低于 1.5 的门槛，而且没有一个主要区间能排除“没有关系”。
• 多出来的部分在尾部，不在中间。 在估值极低区间，21 天涨跌的平均值是 +0.75 %，但中位数是 −0.35 %。
• 估值极低区间里卖出认购，平均盈亏是权利金的 −2.75 倍，其他时候是 +0.12（用 QVIX 定价的合成 25 Delta 认购，2015 年起）。但这些交易中 65 % 来自 2024 年：这是一次急涨。
• 认沽：有迹象。 估值极高区间很少见（占上证50 交易日的 6 %）。上证50 在这个区间开始的三次大跌，两次在 2007 年的顶部，一次在 2021-02。三次行情上的 1.6 倍左右，和偶然无法区分；要确定，大约需要 1,000 次行情。

第一部分补充：把 21 天换成三个月

看完第一部分后，本站作者希望看更长的期限：估值的作用应该比较慢，21 天之内可能还看不出来。这个期限是在看到 21 天的结果之后才选的。 所以补充研究先写下自己的规则，并在计算任何三个月的结果之前提交。区间和六项检查都不变，只改了三处：

• 期限： 由 63 个交易日（约三个月）做结论。42 天只作对比，不做结论。大幅波动仍然是超过 1.5 σ，只是现在按 63 天计算。
• 重叠： 一个三个月的窗口和相邻的窗口重叠三个月。所以间隔不到 63 个交易日的大幅波动算一次行情；“每次去掉一个”的检查在行情两边各去掉 63 天；bootstrap 的块长是 14 个月。
• 更严的区间： 两侧 × 两个可以做结论的期限（21 天和 63 天）一共四项检验，所以主要区间用 98.75 %，而不是 97.5 %。

区间：21 天为 97.5 %，42 天和 63 天为 98.75 %。

• 点估计和作者的直觉一致。 认购一侧的倍数随期限变长而变大：1.36 → 1.61 → 1.84。按 63 天算，估值极低区间的交易日之后出现大幅上涨的比例是 19.6 %，其他交易日是 10.7 %。
• 但样本变少了。 窗口越长，越多的日子合并成一次行情：上证50 相互独立的大幅上涨从 30 次 → 20 次 → 13 次（六个指数合在一起是 17 次）。要在这个幅度上得出确定的结论，大约需要 76 次行情，也就是大约再多 90 年的数据。
• 一部分是整体上移，不是尾部。 按 63 天算，估值极低区间涨跌的中位数是 +0.78 %（中间区间 +0.12 %）；按 21 天算是 −0.35 %。
• 仍然是那一次急涨。 去掉 2024-07 → 09 这次行情，63 天的倍数从 1.84 降到 1.28。
• 认沽一侧连“有迹象”也没有了。 去掉 2007-10 → 2008-08 这次行情，认沽的倍数是 0.44。
• 结论： 认购“有迹象”，认沽“没有可用信号”。两侧都站不住，所以本站什么都不改。
• 合成的三个月期权用 QVIX 定价，而 QVIX 是 30 天的指数，所以它们的盈亏比 21 天时更粗略。这里没有在真实波动率微笑上做检查：历史每日隐含波动率曲面没有三个月的合约。

第二部分：事先排定的事件

设定。 一份整理过的事件日历（政策会议、美联储议息决议、数据发布、到期日）给出了 11 类有日期历史的事件：ETF 期权到期日（第四个星期三）、中金所交割日和美国期权到期日（第三个星期五）、国家统计局 PMI 和财新 PMI、LPR（2019-08 起）、美国非农就业（NFP）、上市公司定期报告披露截止日（4/30、8/31、10/31）、国庆后第一个交易日、美联储议息决议（FOMC）和讨论经济工作的政治局会议。FOMC 的日期根据美联储自己的网页补到了 2015 年（79 次例行决议）。美国的事件落在下一个 A 股交易日；中国的事件落在当天或之后的第一个交易日。

在六只 ETF 上，研究对每类事件测量了：

• 隐含波动率的进与出： QVIX 在事件前 5 个交易日、事件当天和事件后 3 个交易日的变化（2015 年起）；以及同一合约的近月和次月平值隐含波动率，取自历史每日隐含波动率曲面（2024 年起）。
• 已实现与隐含： 事件当天收益率的平方 ÷ 前一天隐含波动率所对应的日方差。1 = 当天的波动正好等于隐含的幅度。
• 在事件之后不久到期的卖出期权： 一个 30 天的卖出平值跨式（隐含波动率时机研究的样本），比较最后 5 个交易日包含事件的跨式和不包含事件的跨式。

基准是所有其他交易日，并按事件日的星期几和距上个交易日的间隔重新加权（美国非农和美国期权到期日落在星期一，FOMC 落在星期四）。不这样做，“星期一效应”就会看起来像事件效应。

事先定好的规则。 一个格子只有四项全部满足才算站得住：在全部 84 项检验上做 q = 0.10 的 Benjamini–Hochberg 校正后仍然显著；超过实质性门槛（单日为隐含波动率的 2 %，5 个交易日为 3 %，方差比为 0.25，跨式为 5 个权利金百分点）；前后两半日期的符号相同；至少 12 个事件日期。“有迹象”（原始 p 值低于 0.05 且超过门槛）只作记录，不算发现。区间来自按月分块的 bootstrap（3 个月一块，10,000 次抽样）。

事件减去匹配基准，95 % 区间，n = 不同事件日期的个数（QVIX / 曲面）：

¹ 一个日期（2024-09-27）；去掉它为 −16 [−52, +18]。² 原始 p 值低于 0.05，校正后不显著；各自来自一次冲击。³ 校正后 q = 0.109，略高于 0.10。⁴ 在事先定好的规则下站得住；见下文。

• 没有“事件前隐含波动率上升、事件后回落”。 FOMC 没有（事件当天 QVIX +1.1 %），政治局会议没有（+3.2 %：如果说有什么，会后隐含波动率是上升而不是回落），PMI、LPR、美国非农、到期日和披露截止日也都没有。近月和次月平值隐含波动率（每类月度事件约 33 个日期，FOMC 22 个）给出同样的结论。
• 没有“避开在某个事件之后不久到期的卖出期权”。 对于任何有至少 12 个日期的事件类型，最后 5 个交易日包含事件的跨式都没有明显更差。唯一大的数字，政治局会议的 −93 点，来自一个日期（见下一节）。
• 只有一格通过，而且无害。 在定期报告披露截止日，ETF 的实际波动小于隐含：只有隐含日方差的 0.40，匹配的日子是 0.92，n = 35，校正后 q = 0.008，前后两半符号相同。这不是五一假期前的平静（把节前交易日也匹配上，仍是 −0.51）。但它很脆弱：bootstrap 只能重复使用已有的 35 天。和随机抽取的匹配日相比，p = 0.009，在 84 项检验的校正下不通过。每个披露截止日同时也是国家统计局 PMI 日（月末最后一天），而其他 104 个月末平均约为 1.9：十二个月中有三个月偏平静，更像是偶然，而不是某种机制。平静的日子对卖方有利，所以也不需要提醒。

为什么一次冲击就能造出一个“效应”

两项研究里最大的数字，都来自同样的几周：2024-09-24 政策组合出台之后的那轮急涨。

• 估值。 第一批亏钱的认购卖出时（2024-08-26），六个指数中有五个在 0.00–0.08 之间，处在估值极低区间，所以这些卖出都算作“极低区间”的交易。极低区间的期权交易中 65 % 来自 2024 年。去掉 2024-08-26 → 09-27 这次行情（以及前后各 21 个交易日），认购的倍数从 1.36 降到 1.07。去掉任何其他一次行情，倍数都在 1.23 到 1.40 之间。
• 事件。 在 2024-09-27（一个政治局会议日期）之后不久到期的卖出跨式，亏损约为权利金的 6 倍。这一个日期就把政治局会议的跨式结果从 −16（−52 至 +18，p = 0.37）拉到 −93。那天 QVIX 上涨了 36.9 %；其他 14 个政治局会议日期平均约 +1 %。
• 事件研究里其他偏低的 p 值也是同样的情况：2025-04-07 的关税急跌和 2024-08-05 落在美国非农的星期一，2024-09-25 ETF 到期后的那一周，2026 年春节后的第一个交易日（2026-02-24）落在一个 LPR 日期上。这些都是事先无法排定的冲击，只是恰好落在一个排定的日期上。去掉它们，每个效应都会落到实质性门槛以下。

结论。 一个有几千个交易日的面板，并不等于几千个相互独立的样本。估值区间会持续好几年，一类事件只有 11 到 141 个日期。样本里的一次冲击，就能造出一个很大的平均值和一个看起来很窄的区间。所以两项研究都去数独立的行情次数，做“每次去掉一个”的检查，并对检验次数做校正。

这项研究让本站改了什么

什么都没改，这是有意的。 规则事先写明：只有“站得住”的结果才会变成提议，而且只作为推荐上的一条提示，从不改动评分。没有任何卖方能用的结果站得住。

• 卖出认购或卖出认沽的推荐上，没有估值提示。 建立在 1.36 倍、区间从 0.6 到 2.4 之上的提示，只是一个故事，不是规则。按三个月算，倍数是 1.84，但只有 13 次行情，区间从 0.54 到 4.10，仍然不是规则。
• 没有事件提示。 曾经考虑过在每个临近 FOMC 或政治局会议的推荐上加一条提示，后来否决了：它预测不了任何东西，而每个月大部分推荐都带一条提示，只会成为噪音。
• 2024 年让卖出认购亏钱的尾部，已经计入了价格。 每个卖出认购评分时用的压力情景，是标的上市以来最差的 10 日上涨，2024-09 的急涨就在这段历史里。评分通过“收益 ÷ 压力亏损”读到它。本文所有大的数字都来自事先无法排定的冲击，而应对这类冲击正是压力测试的任务。

什么时候再看

• 估值： 在下一次极端区间行情之后（综合百分位低于 0.10 或高于 0.90，随后出现 1.5 σ 的波动），或者在 2028 年。届时 21 天的检验和三个月的补充研究都重新运行。规则保持当初定下的样子。
• 事件： 当隐含波动率曲面积累到至少 12 个政治局会议日期时（大约 2027 年年中；现在是 9 个），或者日历里加入一类有日期历史的新事件时。

局限与注意事项

• 独立样本很少。 上证50 在估值极低区间开始的大涨：2011-12、2012-03、2012-11、2014-03、2014-06、2014-10、2022-10、2024-01。在估值极高区间开始的大跌：三次。政治局会议：15 个日期（曲面上 9 个）；披露截止日 35 个；国庆后第一个交易日 11 个（只作描述）。曲面上的结果只覆盖 2024 年起（33 个月）。
• 小的效应仍然可能藏着。 每次事件 1–2 % 隐含波动率的真实效应，在这些样本里看不出来。区间说明了还能藏多大的效应：在事件当天，FOMC 最多约 +3 %，政治局会议最多约 +9 %。
• 估值区间取决于指数和窗口。 10 年窗口跟随的是一个从 2007 年到 2024 年估值不断下移的市场，所以宽的“< 0.30”区间覆盖了 21–68 % 的交易日。创业板50 代替的是创业板ETF 实际跟踪的创业板指数。
• 2024 年以前的期权盈亏是合成的：用 QVIX 做 Black–Scholes 定价，远期价格设为等于现货。QVIX 包含偏斜，比平值隐含波动率高；真实的远期价格低于现货。这两点对认购和认沽的影响在每个区间都一样，所以不会造成区间之间的差别，但盈亏的水平只是近似值。在真实的波动率微笑上（2024 年起），符号是一致的：估值极低区间的卖出 25 Delta 认购为 −1.03 倍权利金，中间区间为 −0.15。
• QVIX 是 30 天固定期限的指数。 近月合约换月时（ETF 到期日）它会跳动，而且它不是本站卖出的那个行权价。2019-12 以前，所有 QVIX 数字都只有 50ETF。
• 事件会重叠。 中金所交割日和美国期权到期日都在第三个星期五；两个 PMI 在相邻的两天；每个披露截止日同时也是国家统计局 PMI 日。每类事件的基准里都包含其他事件。
• 有些检查是在看到结果之后做的，并且注明了：第二部分里与随机日比较的 p 值，以及“每次去掉一个”的解读。它们没有改变任何结论，只是解释了那些偏低的 p 值。
• 行情检验假设各次行情的起点相互独立。 估值区间和大幅波动都会在时间上扎堆，所以它的区间如果有偏差，也是偏窄，而它仍然包含 1。

自己复现

本页没有可下载的脚本。第一部分的估值历史来自付费数据，第二部分用到历史每日隐含波动率曲面和一份整理过的事件日历，这些都不是公开数据。下面列出公开的输入和完整的方法。

数据：

按规则推出的日期：ETF 期权到期日（第四个星期三）、中金所交割日和美国期权到期日（第三个星期五；美国的那个落在下一个 A 股交易日）、国家统计局 PMI（月末最后一天）、财新 PMI（第一个工作日）、LPR（20 日，2019-08-20 起）、美国非农（第一个星期五，落在下一个 A 股交易日）、定期报告披露截止日（4/30、8/31、10/31）和国庆后第一个交易日。遇到交易所节假日，都顺延到下一个交易日。

第一部分，估值与大幅波动：

1. 综合百分位。 四个指标，都调成“越高越贵”：市盈率（TTM）、市净率、10 年期国债收益率减去盈利收益率（100 ÷ 市盈率）、负的股息率。对每个指数和每一天 t，每个指标的百分位 = 截至 t 的 10 年（3,650 个日历日）内，小于或等于当天值的数据所占的比例；少于 750 行则记为缺失。t 之后的数据从不使用。综合百分位是四者的平均（四个都要有）。
2. 结果指标。 h = 21 个交易日，r = ln(S(t+h) ÷ S(t))，z = r ÷ (σ × √(h ÷ 252))。价格检验：σ = 过去 42 天的已实现波动率（均值取 0）。期权检验：σ = QVIX ÷ 100。大涨 = z 大于 1.5；大跌 = z 小于 −1.5。补充研究用 h = 42 和 63，期权的 T = h ÷ 252。
3. 合成的卖出 25 Delta 期权（2015 年起）：Black–Scholes，r = q = 0，T = 21 ÷ 252，σ = QVIX；行权价取 |Delta| = 0.25；持有 21 天；盈亏 = 权利金 − 到期价值，再除以权利金。
4. 倍数与区间。 倍数 = P(大涨 | 估值极低) ÷ P(大涨 | 其他)，六个指数合在一起（认沽：大跌、估值极高）。按起始月份做移动块 bootstrap，12 个月一块，2,000 次抽样。两个主检验用 97.5 %，其他用 95 %。补充研究在 63 天时用 14 个月一块，主检验用 98.75 %。
5. 行情。 同一个指数间隔不到 21 个交易日（补充研究为 63 个）的大幅波动日算一次行情；它的区间取第一天所在的区间。在上证50 上，有 N 次行情、其中 K 次在区间内、区间占交易日的比例为 π 时，在“没有关系”的假设下 K 服从 Binomial(N, π)：对 K ÷ N 求 Clopper–Pearson 区间，再换算成倍数。
6. 每次去掉一个。 对每一次包含区间内日子的全市场行情，去掉从它之前 21 个交易日到之后 21 个交易日的所有数据（所有指数），重新计算倍数。

第二部分，事件：

1. 指标，围绕事件当天 E，用收盘时的隐含波动率：事件前上升 100 × ln(IV(E−1) ÷ IV(E−6))；事件当天 100 × ln(IV(E) ÷ IV(E−1))；事件后 100 × ln(IV(E+3) ÷ IV(E))。方差比 = r(E)² ÷ (IV(E−1)² ÷ 252)。近月和次月平值隐含波动率的当天变化也一样计算，并跟踪同一个合约（近月 = 剩余至少 7 个日历日的最近月份）。
2. 跨式。 每天卖出一个 30 个日历日的平值跨式，用 QVIX 按交易日 ÷ 252 定价，持有到 30 天内的最后一个交易日。“在事件之后不久到期” = 它的最后 5 个交易日包含一个事件日期。
3. 单位。 每个指标先在同一天的几只 ETF 上取平均，所以一个事件日期就是一个观测。
4. 基准。 所有非事件交易日，按事件日期在（星期几，间隔类别：1 天、2–3 天、4 天及以上）上的分布重新加权。跨式不做匹配。
5. 检验。 超额 = 事件平均 − 基准。按日历月做移动块 bootstrap，3 个月一块，10,000 次抽样，每次抽样都重新计算基准。对所有至少有 12 个日期的格子（84 项检验）做 q = 0.10 的 Benjamini–Hochberg 校正，再加上实质性门槛、前后两半符号相同、n ≥ 12。