作者：老余捞鱼
原创不易，转载请标明出处及原作者。
写在前面的话：市场宽度衡量有多少股票真正参与上涨，是识别虚假突破的有效过滤器。今天就我通过解读学术论文并做个5天实验框架，来帮助大家看清少数股票撑起的指数背后的风险。
今天聊一个我觉得被严重低估的量化指标：市场宽度（Market Breadth）。它不太引人关注，没有”金叉””死叉”那种戏剧性，但能帮你过滤掉大多数假突破。
《经济建模》上有一篇论文，测了全球64个国家的市场宽度，发现宽度是股票未来回报的稳健预测因子。重点是：高宽度组合显著跑赢低宽度组合，而且控制了规模、动量、波动率、偏度、风格和趋势跟踪信号之后，这个效应还在。
用大白话说就是：有多少股票在涨，比指数涨多少更重要。
① 市场宽度是什么？
打个比方，市场宽度就像一场篝火晚会场中的那团篝火。
价格上涨是火焰窜得高，市场宽度则是周围有多少人真正在添柴。
如果只有一两个人拼命扇风，火苗再大，也很快会熄灭；只有大家一齐添柴，火焰才能烧得旺、烧得久。
学术定义是这样的：
市场宽度 = 上涨股票的平均数量 – 下跌股票的平均数量
宽度强劲的时候，上涨的股票多于下跌的股票。这种动量更”厚实”，因为风险被分散了，而不是都压在几只股票上。
② 为啥宽度能帮你避坑
以前我常遇到一种所谓的“突破”：指数明明冲过了阻力位，仔细一看，全场只有三四十只权重股股票在涨，另外四百多只纹丝不动。这叫什么？少数股票乔装打扮，假装自己就是整个市场。市场宽度，就是专门拆穿这种把戏的工具：它不只看“市场在涨”，更看“有多少股票在涨”。
论文还提到一个有趣的细节：宽度效应在套利受限的市场、上涨之后、集体主义社会里特别明显（论文说的，不是我专指哪个市场啊）。这正好支持了行为金融学的解释。
说白了：当聪明钱没法立刻纠错、而且大家已经乐观起来的时候，群体行为的影响力就来了。
③交易成本会吃掉你的利润
这是最容易被忽视、也是最致命的问题。
假设你发现了一个基于市场宽度的国家轮动策略，月度 gross edge 是 +0.30%（年化大概 3.6%）。听起来不错，对吧？
问题是，每次调仓的摩擦成本（价差+滑点+佣金）是 0.10% 入场加 0.10% 出场，等于 0.20%。
Net edge = 0.30% – 0.20% = 0.10%/月
依然为正，但突然之间，这变成了一个需要耐心的游戏，而不是多巴胺刺激的游戏。
然后你”优化”成每周调仓，一个月调 4 次：
月度成本 = 0.20% × 4 = 0.80%
Net edge = 0.30% – 0.80% = -0.50%/月
看见了没，策略直接变负的了。论文自己也强调了这点：频繁调仓的交易成本足以吃掉全部利润。
④ 五天实验：自己动手验证
给你一个一周内能跑完的简单协议（Nothing cleans up fuzzy thinking like a small, strict protocol）。第一步：选一个 universeA) 一个指数加其主要行业（宽基 vs 行业轮动）；B) 你能交易的几个国家 ETF（国家轮动）；C) 你个人关注的 30 到 60 只流动性好的股票。
第二步：选择你的宽度指标最简单的规则：每日宽度 = 当日上涨股票数 - 当日下跌股票数或者归一化：
宽度% = ((上涨 - 下跌) / 总数) × 100
第三步：每天记录一次
在同一时间（我是收盘后记），记下：总数、上涨数、下跌数、宽度、以及当天指数收益。
第四步：制定下周的唯一规则
第 5 天做一个决定：如果 5 天累计宽度为正，允许自己买入突破或加仓；如果为负，只减仓、对冲或持有现金。在同一时间（我是收盘后记），记下：总数、上涨数、下跌数、宽度、以及当天指数收益。
这是一个过滤器：它不告诉你买什么，但告诉你要不要开仓位。
⑤ 简单代码示例
import pandas as pdimport numpy as npdef calculate_breadth(close_prices: pd.DataFrame) -> pd.DataFrame: # 每日收益 ret = close_prices.pct_change().fillna(0) # 计数 up = (ret > 0).sum(axis=1) down = (ret < 0).sum(axis=1) total = close_prices.shape[1] # 宽度指标 breadth = up - down breadth_pct = 100.0 * (breadth / total) return pd.DataFrame({ 'up': up, 'down': down, 'breadth': breadth, 'breadth_pct': breadth_pct })⑥ 宽度比热点更可靠
做那些无聊的验证步骤：市场结构和机构行为会变。
加仓之前验证一下：当前流动性环境、你券商的执行质量、以及你的宽度 universe 有没有数据缺口。
我知道宽度不性感。没人会截图你的 Excel 配上”太牛了”。但宽度是为数不多同时做两件事的指标：
- 潜在的收益信号（论文的结论）；
- 叙事驱动交易的风险过滤器（我的亲身经验）。
最好的信号是那些扣完成本后还能赚钱的，而宽度能让你对参与度和换手率都保持诚实。宽度会滞后。宽度可以长时间“装丑”，比你的耐心持续更久。
观点总结
- 市场宽度是参与度仪表盘，不是预测机。
- 如果你的反弹是由少数股票驱动的，你的风险比图表显示的更高。
- 任何宽度策略都死在交易成本上，交易前先算账。
- 跑一次 5 天宽度实验，然后再决定你信什么规则。
- 仓位小一点，错了也感觉是学习，不会是灭顶之灾。
参考来源：Zaremba, A., Szyszka, A., Karathanasopoulos, A., Mikutowski, M. (2021). Herding for profits: Market breadth and the cross-section of global equity returns. Economic Modelling, 97, 348-364. DOI: 10.1016/j.econmod.20.04.006
风险提示：本文仅供参考，不构成投资建议。投资有风险，入市需谨慎。
版权声明：本文为原创内容，转载请注明出处。
Be First to Comment