来源：市场资讯网上杠杆配资
（来源：MathInvestment）
引子：一个与美股完全相反的"日历效应"
如果你做过隔夜与日内收益分解（overnight-vs-intraday decomposition），大概率见过这样一个稳定的事实：在美股，把收益拆成"昨收到今开"的隔夜段和"今开到今收"的日内段，长期看隔夜段贡献了几乎全部的正收益，而日内段反而是负的。学界把这解释为持有夜间风险的补偿，相关证据非常扎实。
但把同样的拆分搬到A股，结论会整个翻过来：A股的隔夜段是显著为负的，日内段反而为正。换句话说，在美股"隔夜赚钱、白天亏钱"，在A股"隔夜亏钱、白天赚钱"。这个反转现象被称为"隔夜收益之谜"。
更耐人寻味的是第二个现象。把指数日内的累计收益曲线画出来，会发现A股几乎所有的"翻正"都集中在开盘后的极短窗口——09:30 到 10:00 这 30 分钟。开盘半小时里价格快速拉升，几乎完全抵消掉了隔夜的亏损，之后一整天大致走平。这个开盘瞬间的快速修复，可以单独称为"开盘收益之谜"。
图：CSI300指数日内累计收益曲线（从前收盘起算的10分钟移动平均），用于直观展示两个现象——开盘前的负隔夜收益，以及开盘后30分钟内迅速翻正的价格修复。
如果你是做择时、做隔夜因子、或者做开盘 alpha 的研究员，这两个现象会直接影响你的信号构造和回测口径。本文要讲的这套框架给出了一个统一解释：把"T+1"制度和信息不对称放在一起看，两个谜其实是同一个机制的两面。
下面我们从直觉、模型、推导、实证、策略一路讲清楚。
一、核心直觉：T+1 如何把"逆向选择"压到买方头上
先回顾两个微观结构里的基础概念。
逆向选择（adverse selection）指的是：当你作为流动性提供方（做市商或挂限价单的人）成交时，你的对手盘可能是掌握了私有信息的知情交易者。你赚的是噪音交易者的钱，亏的是知情交易者的钱。为了不在和知情者的博弈里系统性吃亏，你必须事先在报价里留出一块"逆向选择成本"——这正是买卖价差（bid-ask spread）的核心来源。
T+1 制度则是A股一个非常特殊的约束：当天买入的股票，当天不能卖出，必须等到下一个交易日；但卖出后当天再买回是不受限制的。注意这个不对称——它只约束买方，不约束卖方。
把这两件事叠起来，关键的逻辑链就出来了：
假设你今天开盘买入了一只股票。到了下午或者次日，突然来了一条利空。在没有 T+1 的市场里，你可以立刻平掉这个不想要的头寸止损。但在 T+1 下，你被锁住了，只能眼睁睁拿到下一天。也就是说，买方在坏消息来临时丧失了"立刻退出"的期权，而卖方没有这个困扰。
于是，对于在开盘做多的一方，和知情者博弈的潜在损失被系统性放大了——因为他无法在信息到来后及时调仓。理性的流动性提供方对此心知肚明，于是在开盘时会把买价（bid）压低，相当于要求一个折扣来补偿这份额外的逆向选择风险。这个折扣，文中称为"开盘折价"（opening discount）。
开盘折价让开盘价系统性低于股票的基本面价值，于是隔夜收益（前收盘到今开）为负。而随着交易日推进、强制持有期不断缩短，这个折扣逐渐消散，价格向基本面回归，于是日内收益为正。
再加一层：信息不对称越严重，买方暴露的逆向选择风险越大，需要的折扣越大，隔夜收益就越负。这就是后面所有实证的主线——用各种代理变量去衡量信息不对称，看隔夜收益是不是随之更负。
直觉讲完了，下面把它装进一个可以推导的模型。
二、模型设定：一个三期、带止损拐点的做市商模型
模型很轻量，目的是把上面的直觉变成可证明的命题。
2.1 时间线与参与者
考虑三期经济，：
称为"前收盘"，市场从 开始；
称为"今开"（open）；
称为"今收"（close）。
参与者有三类：一个代表性噪音交易者、一个风险中性的知情交易者、一群竞争性的流动性提供方（liquidity providers，下称 LP，可以理解为做市商或挂单方）。
图：模型时间线示意图，展示从前收盘、今开成交、到今收信息披露及LP是否平仓的事件顺序。
2.2 关键设定一：带"止损拐点"的效用函数
LP 的效用函数是这篇文章里一个比较巧妙的设计：
其中 ，且 ，。初始财富和持仓都归一化到零，所以 。
这个函数的含义是：当财富 高于阈值 时，效用就是线性的（风险中性）；一旦跌破 ，效用斜率突然变陡，多亏一块钱的痛感被放大了 倍。 就是一个止损线， 衡量越线之后风险厌恶骤增的强度。
处出现的拐点（kink），低于该阈值后边际效用陡降。
这个拐点是整个机制的发动机：它让 LP 在财富接近止损线时对坏消息变得高度敏感，从而产生强烈的"调仓/平仓"动机。从工程角度看，这其实就是在刻画业界普遍存在的风控止损规则。文章也指出，结论只依赖效用函数的凹性，换成标准的对数效用（CRRA）
结论依然成立（附录里有数值验证），所以不必纠结于这个分段线性形式本身。
2.3 关键设定二：信息结构
资产的基本面价值 在 服从一个简单的二项分布：
也就是说， 取 0 或 1，各一半概率，先验期望是 0.5。
在 ，知情交易者观察到一个关于 的带噪私有信号 ：
这里 、、 相互独立。直观理解：有一半概率（）信号 直接等于真值 ，另一半概率信号纯粹是噪音。所以这是一个"半准确"的信号。到 ，信号 对所有人公开，信息不对称消失。
2.4 关键设定三：交易结构与 T+1 约束
时，LP 先挂出买价 和卖价 ，然后一个交易者到来。这个交易者有 的概率是知情者，有 的概率是噪音交易者。这里的 就是本文衡量信息不对称程度的核心参数—— 越大，市场里知情交易越多，信息越不对称。
噪音交易者买卖方向与价格无关，各以 概率买或卖；知情交易者则在均衡里"信号好就买、信号坏就卖"，即 时买、 时卖。
到 ，信号公开。 成交过的那个 LP（称为"成交 LP"）可能想根据新信息把头寸反向平掉，转给其他 LP。这正是风险分担（risk sharing）的需求。但 T+1 在这里咬人： 做了买入的 LP，在 不能卖出平仓；而做了卖出的一方，回补不受限制。
用一个动作变量 表示是否平仓，T+1 约束就写成一个硬约束：
即买方永远无法在 平仓，卖方则可以自由选择。这就是模型里"不对称"的全部来源。
三、均衡推导：开盘折价是怎么算出来的
这一节把核心公式过一遍。不追求每一步的细节，但把关键节点讲清楚，方便你理解为什么折价一定出现、为什么随 变大。
3.1 先解 t=2 的定价
信号已公开，没有信息不对称，LP 用零期望效用条件定价。对买价 和卖价 ：
用贝叶斯法则可以算出条件概率，例如：
把它代入定价方程，解出 的四个价格：
3.2 关键一步：成交 LP 的平仓行为
均衡里可以证明，成交 LP 的最优平仓动作是：
读法是这样：一个在 买了股票的 LP，当 看到坏信号（）时，本来想平仓（），因为坏消息把她的财富推向止损线 、风险厌恶骤升，急需把头寸转给别的 LP 分担风险。但 T+1 强制 ，让她平不掉——这就是福利损失的来源。卖方则没有这个问题。
3.3 有无 T+1 下的开盘买价
把信号在成交后的条件概率记为：
在卖出
在买入
在没有 T+1 的基准情形里，LP 按零期望效用条件解出买价 。在有 T+1 的情形里，由于买方被锁死 ，定价条件变成：
解出两个买价：
而由于 T+1 不限制回补，卖价不受影响：，。
3.4 命题一：开盘折价与负隔夜收益
命题（开盘折价）：在 T+1 下，LP 压低开盘买价，使期望成交价低于基本面价值，从而产生负的隔夜收益。
证明的核心很直观：因为 T+1 让买方在坏信号时无法平仓，买方头寸的期望效用比没有约束时更低，所以 LP 必须把买价压得更低才肯成交，即 。由于模型里买卖概率对称，期望成交价等于买卖价中点，于是：
开盘价期望低于收盘价期望，隔夜收益（定义为 ）平均为负。
随时间的轨迹，Panel B 展示期望价格路径，"开盘折价"即 与 在开盘时点的差值。
3.5 命题二：折价随信息不对称加深
命题（信息不对称）：开盘折价随信息不对称程度 单调递增。
直觉是： 越大，买方在 成交后越可能陷入"想平却平不掉"的境地（ 但被强制 ），T+1 带来的福利损失越大，于是 LP 要求的补偿性折扣越大。
随 的变化，Panel B 展示开盘折价 随 单调上升。
3.6 两个可检验的预测
模型最终落到两个干净的、可拿去回测的预测：
预测一：在 T+1 下，隔夜收益平均为负。
预测二：隔夜收益随信息不对称程度上升而下降（更负）。
接下来全部的实证都是在检验这两条。
四、实证检验：用四类代理变量打信息不对称
4.1 数据与变量
样本是 2017–2022 年全部A股，日频数据来自 CSMAR 与 Ricequant，剔除上市不足 180 天、ST/*ST、长期停牌后复牌、以及日内成交少于 5 笔的"僵尸"样本，所有变量在 1% 和 99% 分位 winsorize。最终每个变量超过 400 万个观测。
两个被解释变量是：
隔夜收益
开盘收益 ：09:30–10:00 这 30 分钟的收益
描述统计直接印证了两个谜：隔夜收益均值约 （负），开盘收益均值约 （正）。
信息不对称用四个标准代理变量（这是本文方法论最实用的部分，可直接套用到自己的因子里）：
市值 ：小盘股信息更不对称；
元股证券:ygzq.hk
分析师覆盖 / 研报数 ：覆盖越少越不对称；
盈余公告临近度 ：公告前信息不对称升高；
控制变量包括历史波动率 （20日）、、账面市值比 、成交量 、Amihud 非流动性指标。
4.2 市场环境分组：下跌与高波动期隔夜更负
第一刀很简单：把全样本按月度指数涨跌、以及月度波动率高低分组，看隔夜收益。
分组
全样本
指数下跌
指数上涨
低波动
中波动
高波动
-0.092***
-0.135***
-0.062***
-0.061***
-0.083***
-0.133***
0.050***
0.079***
0.030*
0.131***
读法：全样本隔夜收益 -0.09% 且高度显著，谜成立。更关键的是，隔夜收益在指数下跌期（-0.135%）和高波动期（-0.133%）显著更负——而这两种环境恰恰是逆向选择风险最高的时候，与机制吻合。注意即便在指数上涨月份，隔夜收益依然为负，说明这是个相当稳健的结构性现象，而不是单纯的下跌行情副产品。
4.3 规模与分析师覆盖：横截面单调性
按市值分三组，隔夜收益呈现单调性：小盘 -0.099%，中盘 -0.097%，大盘 -0.072%，Small-minus-Big 差值显著为负。小盘股信息不对称更严重，隔夜收益更负，与预测二一致。
一个对因子研究者有意思的副产品：A股的规模溢价在隔夜段和日内段是分裂的——小盘股虽然 close-to-close 收益更高，但隔夜段被显著拖累，部分抵消了规模溢价的整体幅度。如果你在做规模因子，这意味着把收益拆到隔夜/日内两段，信号特征会很不一样。
回归层面，作者跑的是带个股与日期双向固定效应、双向聚类标准误的面板回归：
分析师覆盖版本则是：
主要结果： 和 的系数都显著为正——市值越大、覆盖越多（即信息越对称），隔夜收益越高（越不负），方向完全符合预测二。把 换成 结论不变。
表：规模与分析师覆盖的回归结果，展示 、 系数显著为正， 系数显著为负，以及信息不对称与波动率交互项的符号。
这里还埋了一个对"不确定性 vs 信息不对称"两条路径的辨析（后面第六节再展开）：波动率 单独进回归时系数显著为负，但它的解释力（）低于分析师覆盖单独的 0.277，且二者交互项显著为正，说明信息不对称捕捉了波动率之外的增量变异，二者是互补而非替代关系。
4.4 盈余公告事件研究：信息披露前后的对称翻转
第三个代理变量是盈余公告临近度。公告前信息不对称升高，所以预测隔夜收益在公告前应该更负。
图：盈余公告前后的事件研究图。Panel A 为隔夜收益、Panel B 为开盘收益，横轴为相对公告日（t=0）的天数。隔夜收益随公告临近而下探、公告后立刻回归正常；开盘收益则呈相反形态。
回归用一个公告前 [-2, 0] 窗口的哑变量：
这篇文章一个很漂亮的识别设计在于利用了A股的"业绩预告"制度。部分公司在正式年报/季报前 1–3 个月会先发一个定性的业绩预告（预盈、预亏、减亏等），相当于把信息分两次、错峰释放，从而削弱了正式公告前的信息不对称。于是作者加了一个交互项：
其中 是"该公告之前是否发过业绩预告"的哑变量。结果非常干净：
全样本：公告前 3 天隔夜收益显著更低（差值约 -0.018，显著）；
无业绩预告的公告：负效应被放大到约 -0.04，是全样本的两倍多；
有业绩预告的公告：与非公告期没有显著差异。
也就是说，凡是被业绩预告"提前泄露"过信息的公告，公告前的隔夜折价效应基本消失。这是一个准自然实验式的证据——同样是临近公告，信息释放节奏不同，隔夜折价就不同，强烈支持"信息不对称驱动"而非其他混杂因素。
五、经济意义：这是不是一个能交易的 alpha？
到这里量化研究员最关心的问题来了：负隔夜收益能不能直接套利？
答案是：作为独立的每日策略，不能——这恰恰是 T+1 自己造成的。
最朴素的套利想法是"收盘卖出、开盘买回"（sell-at-close, buy-at-open），吃下隔夜的负收益。但 T+1 规定当天买入当天不能卖，所以你没法靠这个组合循环往复地做纯日内 round-trip。约束本身锁死了套利者，这也是为什么这个异象能长期存在。
不过对已有底仓的投资者，它是有真实价值的。因为你手里有往日累积的、可卖的份额（拥有日内卖出额度），又对买入没有限制，可以做"合成日内轮动"：
部分仓位轮动：收盘卖掉一半底仓，次日开盘买回等量，在部分仓位上吃到这个异象；
杠杆轮动：开盘用融资买入，收盘卖掉等量原始底仓（A股对融资买入的限制远松于融券）。
作者用三个简单策略做了全样本回测：收盘卖开盘买、收盘买开盘卖、买入持有基准。
图：经济意义回测图。Panel A 为三个策略的市值加权累计收益曲线，Panel B 为按信息不对称分五组的"收盘卖出+开盘买入"策略扣费后累计收益。
两个结论：
AI股票配资第一，买入持有基准的微弱负收益，几乎全部来自"开盘买、收盘卖"这一段（即你在最贵的时点买、在被折价的时点卖）。反过来的"收盘卖、开盘买"策略，扣掉交易成本后依然盈利。
第二，把股票按分析师覆盖（市值做 tie-breaker）分五组回测，策略收益随信息不对称单调变化：信息最不对称的 Group 1 累计收益最高，最对称的 Group 5 反而亏损。这等于在收益维度上又验证了一遍机制——折价的钱，本质上是逆向选择的风险溢价。
作者强调这不违反市场有效性：收益来自制度摩擦（T+1 锁死了连续套利）和风险补偿（开盘买入确实承担了逆向选择风险），而不是定价错误。对实盘来说，这意味着它更像一个"降低持仓成本"的执行优化工具，而不是一个可无限扩容的纯 alpha。
六、统一框架：开盘收益之谜其实是同一件事
回到开头的第二个谜：为什么修复集中在开盘 30 分钟？
本文的回答是：开盘折价源于信息不对称，而信息不对称在开盘那一刻最严重，随后随着交易迅速消散。
逻辑是这样：隔夜信息积累，使得开盘时信息最不对称；叠加开盘时的高交易量，造成逆向选择敞口在开盘瞬间达到峰值。随着开盘后的交易把隔夜信息逐步释放出来，不对称下降，所需折扣收缩，被压低的开盘价于是快速回归——这就是开盘 30 分钟的拉升。
6.1 用买卖价差度量日内逆向选择
作者用相对价差度量逆向选择强度：
按成交额加权的日内价差形态非常清楚：
时段
09:30–09:40
09:30–10:00
10:00–10:30
11:00–11:30
14:30–15:00
价差(%)
价差在 09:30–09:40 最高（约 0.51%），在开盘 30 分钟内迅速回落，10:00 之后基本走平。逆向选择成本的这个"开盘峰值+快速衰减"形态，正好对应价格的快速修复。
6.2 两个谜高度相关
如果开盘上涨真是折价修复，那么隔夜越负（折价越深）的股票，开盘应该涨得越多。作者按隔夜收益分五组：
分组
1
2
3
4
5
开盘收益随隔夜收益单调反向：隔夜最负的组开盘涨得最多，隔夜转正的组开盘反而跌。这个负相关说明两个谜共享一个驱动因子。再加上开盘收益本身也随信息不对称（小盘、低覆盖、临近公告）而上升，信息不对称就成了同时解释两个谜的统一框架。
值得一提的是盈余公告前后开盘收益的"反常翻转"（图6 Panel B）：公告前开盘收益为负、公告后转正。作者的解释是，公告造成的是一种持续到披露才解决的信息不对称，开盘 30 分钟内并不会消散，所以公告前开盘修复机制失灵；一旦公告披露，这种长期不对称消失，修复机制从 +1 日重新出现。这个细节反而进一步支持了框架。
七、扩展：极端信息不对称下的"反转"
这一节是作者的诚实之处，也是对量化研究员理解模型边界很重要的部分。
标准结论是"折价随 单调上升"，但当 极端大时，会冒出一个反向力量。借用 Easley 等人的思路，信息不对称对折价有两个相反效应：
逆向选择效应： 越大，LP 暴露给知情者越多，折价越大（标准方向）；
不确定性削减效应：LP 是在"观察到一笔成交"之后定价的。 越大，成交方向本身越能精确地透露基本面信息，反而降低了 LP 面临的不确定性。
形式化地，给定一笔买方成交后，基本面的条件方差是：
可以看到， 越大条件方差越小。在极限 时，基本面变得完全可观测，折价被彻底抹平。于是当不对称极端严重时，第二个效应可能压过第一个，折价反而随 上升而收窄。
的变化，Panel B 显示开盘折价先升后降，在 处出现拐点。
实证上，作者用二次项回归检验：
其中 取 或 。结果二次项系数显著为正、一次项为负，确实存在反转。
但作者很克制地指出：这个反转在经济上几乎可以忽略。加入二次项后 基本没动（0.279 → 0.280），二次项系数小于 0.004，远小于一次项；而且反转只发生在 极端的窄区间。所以核心结论不变——对绝大多数股票，隔夜收益随信息不对称上升而下降。这种"主结论 + 边界条件 + 边界条件的经济无关性"三段式，是一个值得借鉴的稳健性写法。
八、对量化研究员的几点启示
把这篇工作翻译成可操作的认知，大概有这么几条：
第一，做隔夜/日内分解时，A股和美股的符号是相反的，且这个相反有清晰的制度根源（T+1），不要套用美股的隔夜溢价直觉。
第二，信息不对称的四个代理变量——市值、分析师覆盖、研报数、盈余公告临近度——构造简单、数据可得，可以直接作为隔夜收益预测或风险调整的特征。横截面上它们与隔夜收益有稳健的单调关系。
第三，规模因子在隔夜段和日内段是分裂的，这对因子拆解和归因有直接含义。
第四，"收盘卖出+开盘买入"在已有底仓上做合成轮动是有正收益的，且随信息不对称单调，但受 T+1 限制无法做成独立的高频套利——更适合作为执行/降本工具而非扩容型 alpha。
第五，方法论上，利用业绩预告这种"信息错峰披露"制度来做准自然实验、用二次项检验机制反转并诚实评估其经济无关性，都是可以直接迁移到自己研究里的范式。
需要保留的是：本文的识别整体偏关联性（大量分组均值 + 固定效应面板），把 T+1 当作外生冲击的因果识别相对薄弱，主要靠制度论证（卖空在A股几乎不可得）排除替代解释。读的时候建议把它当成一个"机制解释 + 多角度交叉验证"的故事，而非干净的因果断言。
参考文献
Jiang网上杠杆配资, H., & Li, X. (2024). Adverse Selection and Overnight Returns: Information-Based Pricing Distortions Under China's "T+1" Trading. Working paper, School of Economics, Peking University.
合法证券配资服务网提示：本文来自互联网，不代表本网站观点。
