研究报告 · 2026-04-06
Money Temperature
由英文原文自动翻译。 阅读英文原文 →
一、为何标准工具会失效
2022年的两次结构性冲击打破了持续十余年的固有假设。大多数投资者依赖的工具,是为一个已不复存在的世界所设计的。
诱因一:零利率时代的终结
十余年间,零利率环境是几乎所有投资组合决策背后那个看不见的常数。债券收益率虽低,却能在股票下跌时可靠地上涨——60/40组合的承诺得以兑现。美联储2022年的政策转向,在数月之内摧毁了这一假设。
标普500指数当年下跌超过18%的同时,TLT跌幅超过30%。60/40组合遭遇了数十年来最严重的回撤——并非理念本身有误,而是因为其结构性前提(股票与债券之间的负相关)已不复存在。大多数投资者直到损失造成之后才有所察觉。
诱因二:人工智能的崛起
ChatGPT(2022年11月)及其后的人工智能浪潮,重新洗牌了整个科技板块。此前的赢家——SaaS、金融科技、云原生纯粹标的——变成了输家。新的赢家——半导体、基础设施、超大规模云厂商——则爆发式增长。“七巨头”(Magnificent 7)拉动标普500指数走高,但该指数的等权重版本讲述了另一个故事。
指数收益与个股收益之间的分化程度,达到了多年来的高点。仅关注大盘指数的人,都错过了一个事实:市场表层之下正在经历一场巨大的结构性转型。
标准工具箱的问题
一位典型的资深投资者手头有哪些工具?RSI、MACD、随机指标(Stochastic)、布林带、ADX、CCI、威廉指标(Williams %R)、OBV——这是一整套在TradingView、Barchart或任何券商平台上都能找到的技术指标武器库。
问题在于:其中大多数指标只是用不同方式说着同一件事。
RSI与随机指标都在衡量动量以及超买超卖状态。MACD与均线交叉都在衡量趋势强度。布林带与ATR都在衡量波动率。CCI与威廉指标本质上是同一概念的变体。二十种工具,实际上却只对应三四个维度:趋势、动量、波动率、成交量。
而且它们都存在三个根本性的局限:
彭博终端(Bloomberg Terminal)可以做到这一切——年费2.5万美元,专为机构交易台设计,而非面向经验丰富的散户投资者或精品顾问机构。
问题不是“QQQ是否超买”,而是“QQQ为何超买——是因为整个市场都在过热(系统性),还是因为科技股正在与其他板块脱钩(分化)?”答案决定了是卖出、持有,还是加仓——而标准工具甚至无法提出这个问题。
- QQQ上的RSI、MACD、随机指标
- 全都显示“超买”——同一信号重复三次
- 无法同时观察GLD、TLT、BTC
- 无法追踪标的对之间的关系
- 向后看:只展示已经发生的事
- 每个标的5个正交维度
- 跨资产配对价差揭示分化
- 协整关系追踪关系是否仍然有效
- Cascade Tracker监测多米诺序列
- 向前看:正在酝酿下一步走势的条件
二、架构:两大支柱,三个层级
Money Temperature将专有评分模型与机构级分析方法相结合——通过每日自动生成、附带叙述性解读的仪表盘,使其变得触手可及。
支柱一:Temperature Model
Temperature Model是从第一性原理出发,通过分析黄金价格行为与参与者分层而开发的,它在五个维度上为每个标的给出0至100的评分。核心论点是:
该模型按照“痛苦阈值”将市场参与者映射到不同均线上:20日均线代表热钱(日内交易者、期权交易者),50日均线代表趋势跟随者(CTA、动量型ETF),200日均线代表战略底部(央行、主权财富基金、养老金)。温度读数量化了当前价格在这一体系中所处的位置、移动速度,以及结构的脆弱程度。
五个维度,一个综合评分
读数高于80意味着某标的处于“沸腾”状态——各维度均处于极端。50至79之间为“温热”——健康的趋势并有支撑。20至49之间为“转凉”——动量正在减弱。低于20为“冰冻”——抛售或筑底阶段。
该评分是相对性的,而非预测性的。GLD读数为80意味着黄金在全部五个维度上都表现过热,而不意味着它即将反转。信号的价值在于交叉解读:当SPY与GLD读数均高于70,而TLT维持在30以下时,你所看到的正是某种特定的周期格局。
八个标的,四组战略配对
| 配对 | 标的 | 揭示的信息 |
|---|---|---|
| 风险 vs. 避险 | SPY − GLD | 风险偏好与避险情绪的对比 |
| 科技溢价 | QQQ − SPY | 科技板块的投机过度 |
| 去美元化 | BTC − GLD | 数字与实物通胀对冲的对比 |
| 久期轮动 | TLT − SPY | 债券与股票之间的轮动 |
揭示周期动态的,是配对标的之间的温度价差,而非单一读数。当价差达到极端水平(超过±25分)时,预示着结构性压力。
支柱二:机构级方法,触手可及
六种源自学术研究与机构量化实践的分析方法,每日运行于同一标的篮子之上。这些方法本身都写在教科书里、用于量化交易台——但从未有人将其打造成面向资深个人投资者或精品顾问机构的、每日更新且附带解读的仪表盘。
| 方法 | 衡量对象 | 来源 |
|---|---|---|
| Engle-Granger检验 | 两条时间序列是否具有稳定的长期关系? | 2003年诺贝尔奖 |
| 价差半衰期 | 拉伸后的配对多快回归均衡? | 对滞后价差的OLS回归 |
| Hurst指数 | 均值回归、随机游走,还是趋势延续? | Hurst 1951年(R/S方法) |
| 方差比(Variance Ratio) | 验证:方差是次线性还是线性变化? | Lo与MacKinlay 1988年 |
| 吸收率(Absorption Ratio) | 系统性脆弱度——市场是否在同步联动? | Kritzman 2011年(MIT斯隆商学院) |
| 价差Z分数 | 当前关系距离其正常状态有多远? | 标准统计学 |
三个应用层级
同一套分析流程适用于全部三个层级,唯一变化的是标的范围。
| 层级 | 标的 | 问题 |
|---|---|---|
| 宏观 | SPY、QQQ、TLT、UUP、GLD、BTC、VEU、EEM | “大局中正在发生什么?” |
| 板块/地区 | 11个SPDR板块ETF、15+国家ETF | “资金正轮动向何处?” |
| 主题 | IGV、SOXX、ARKK + Closelook指数 | “市场是否验证了我们的投资论点?” |
三、解读方法论:学术视角 vs. 投资者视角
工具箱中的每种方法都通过三次系统性的视角转换来呈现——从教科书的描述方式,转化为投资者真正可以使用的方式。
转换一:从快照到影片
教科书将每种方法视为某一时点的单次检验。Closelook的做法则是随时间追踪该数值。不是Hurst指数本身,而是Hurst指数的漂移;不是协整关系是否成立,而是p值是在上升还是下降;不是吸收率的水平,而是其变化速度。变化的斜率永远比水平值本身更具信息量。
转换二:从抽象到具名
PCA(主成分分析)输出的是“因子1、因子2”。Closelook则为其命名:央行、热钱、宏观对冲、通胀、珠宝需求。具名因子能够与现实世界的事件建立联系。“PC1载荷上升”就变成了“自中国政策决定以来,央行的买入变得更加积极”。
转换三:从“现状”到“未来”
教科书方法是描述性的:“协整关系成立”。Closelook通过组合叠加预测层:“协整关系目前仍然成立,但半衰期正在上升,Hurst指数正在转向——预计两到四周内出现破裂。”没有任何单一指标具备预测性,多个指标共同指向同一结论,本身就构成了预测。
逐一方法解析
协整关系 → “我的假设是否依然成立?”
教科书只做一次检验,给出是或否的答案。Closelook则将p值作为滚动序列持续追踪。p值在六周内从0.01升至0.07,能够在关系正式破裂之前,就显示出这段关系正在走向消亡。
Hurst指数 → “它会反弹回归,还是继续延续?”
单一的Hurst数值是静态的。Closelook展示的是Hurst指数的漂移轨迹:上月是0.4,前一个月是0.45,如今是0.72?这不是噪音——而是价差性质发生了周期性转变。
吸收率 → “我今天还能信任自己的投资组合吗?”
AR的变化比其绝对水平更重要。AR通常在重大回撤发生前两到四周就开始上升(Kritzman 2011)——这并非因为相关性能够预测崩盘,而是因为机构交易者会先平仓对冲头寸(推高相关性),随后才卖出持仓(推动价格变化)。相关性上升本身就是对冲平仓的体现,抛售随之而来。
格兰杰因果检验 → “谁在主导,以及从何时开始?”
多数时候,格兰杰因果的方向是稳定的:SPY领先,GLD跟随。当方向发生反转——黄金突然转为领先——这是一个罕见但信号价值很高的事件。这意味着市场正在为某种尚未反映在股价中的信息定价。Closelook追踪的不是方向本身,而是方向的变化。
尾部依赖性 → “我的对冲在最需要时是否有效?”
皮尔逊相关系数是一种平均值,而平均值会说谎。普通交易日:SPY与GLD的相关性为−0.1(具有一定分散效果)。但在最糟糕的5%交易日中:相关性跃升至+0.4。对冲恰恰在最需要它的时候失效。这是2022年之后每一位60/40投资者都需要理解的核心洞见——唯有通过尾部分析才能看到,标准相关性分析永远无法揭示。
因子归因 → “谁在驱动价格,这种驱动力又在如何变化?”
这是双重转换:抽象因子(PC1、PC2)变成了具名的买家群体,静态也变成了动态——问题不再是“谁在驱动价格”,而是“驱动价格的主体正在如何变化”。因子份额的变化斜率,才是真正有价值的产出。
四、案例研究:黄金因子归因
一个完整的实例,展示了全部三种视角转换——以黄金作为动态买家群体追踪的原型。
五个具名买家群体
我们并不使用抽象的主成分,而是识别出实际驱动黄金价格行为的参与者群体:
| 群体 | 特征 | 时序 |
|---|---|---|
| 央行 | 缺乏弹性、具战略性、对价格不敏感 | 滞后(数月) |
| 热钱 | 波动大、弹性高、由动量驱动 | 领先(2–3周) |
| 宏观/危机 | 事件驱动、二元性 | 同步 |
| 通胀 | 缓慢趋势、稳定 | 稳定(低方差) |
| 珠宝/工业 | 季节性、对价格敏感 | 周期性(在高价位消失) |
周期阶段
使用时间滑块来浏览周期转换过程,观察央行主导地位如何随着热钱的接管而逐渐消退,以及随之出现的预警信号。
买家群体时序:领先、滞后、同步
并非所有买家群体的移动速度都相同。理解谁先行动正是预测优势所在——如果你能看到热钱在加速而央行在减速,那么在价格证实之前,周期已经在转变。
同样的框架也适用于半导体(资本开支周期 vs. 投机)、比特币(机构 vs. 散户 vs. ETF资金流),以及新兴市场(美元 vs. 套利交易 vs. 大宗商品需求)。
五、应用场景:三个层级下的13个投资者问题
每个问题都不是由单一方法回答,而是由三到五种相互印证或相互矛盾的方法组合来解答。方法之间达成一致,意味着高信念度;而不一致同样具有价值——诚实的答案就是“尚不明朗”。
| # | 投资者问题 | 层级 | 温度 | 价差 | Engle-Gr. | 半衰期 | Hurst | 方差比 | 吸收率 | Z分数 | Cascade | 格兰杰 | 相关性 | GARCH |
|---|
层级一:宏观周期
SPY/TLT的协整关系显示股债关系是否依然有效。半衰期显示偏离修正的速度。Hurst指数确认:均值回归(关系完好)还是趋势延续(关系正在消亡)。滚动相关性显示两者是重新反向运动,还是共同下跌。尾部依赖性回答核心问题:债券在崩盘中能提供保护,还是与股票一同崩盘?
QQQ-SPY价差为负,同时SPY-GLD价差也为负,意味着科技股正在降温而黄金正在走热。格兰杰因果检验显示QQQ疲软是否先于黄金走强(因果方向),还是两者都在对同一个外部因素做出反应。领先-滞后互相关分析量化了这一关系:“黄金通常在QQQ走弱后3到5天内做出反应。”
吸收率高于60%意味着各标的正在同步联动——单一冲击会传导至一切。脆弱性维度显示哪些单个标的处于“成交量枯竭叠加布林带收窄”的状态。相关性热力图揭示高AR是由单一配对驱动,还是全面性的。GARCH则显示:低波动率会持续,还是会回归常态?
Cascade Tracker:哪些多米诺骨牌已经倒下?顺序本身就是信号——加密货币率先倒下,科技股紧随其后,大盘股票再之后。多组配对的半衰期同时上升,意味着各关系正在丧失弹性。Hurst指数从低于0.5漂移到高于0.5,意味着价差正从回归转为延续趋势。马尔可夫模型给出概率:“73%的熊市周期概率”。格兰杰因果方向的反转意味着“黄金已停止跟随股市转为领先——这种情况在过去三次周期转变之前都曾出现”。
GLD与BTC同时过热,而UUP转冷,预示着去美元化行为正在活跃。GLD/UUP协整关系破裂,意味着黄金与美元之间的反向关系已不再可靠——这是一次结构性破裂。CFTC数据显示,是商业机构(央行)在买入黄金,还是这纯粹是投机行为。
层级二:板块与区域轮动
层级三:主题 / Closelook指数
六、工具箱的扩展
目前所有已上线的方法都运行于来自单一数据源、每月20欧元的OHLCV数据之上。扩展路径中的前两个层级无需任何额外的数据支出。
| 方法 | 投资者问题 | 状态 |
|---|---|---|
| 五维温度评分 | 这个标的有多热? | 已上线 |
| 配对价差 + 周期 | 我们处于哪种周期? | 已上线 |
| Engle-Granger检验 | 这段关系是否依然有效? | 已上线 |
| 半衰期 + Hurst + 方差比 | 它会反弹回归,还是继续延续? | 已上线 |
| 吸收率 | 市场是否脆弱? | 已上线 |
| Cascade Tracker | 多米诺效应已经发展到什么程度? | 已上线 |
| 格兰杰因果检验 | 谁在领先谁? | 第一梯队 |
| 滚动相关性 | 我的分散化配置是否有效? | 第一梯队 |
| 领先-滞后分析 | 谁先行动,领先多少天? | 第一梯队 |
| Johansen检验(多元) | 系统整体是否协调运作? | 第一梯队 |
| 马尔可夫周期转换模型 | 当前熊市概率是多少? | 第二梯队 |
| GARCH | 这是暴风雨前的平静吗? | 第二梯队 |
| 卡尔曼滤波 | 这段关系正在如何实时演变? | 第二梯队 |
| 尾部依赖性 | 我的对冲在崩盘中是否有效? | 第二梯队 |
| CFTC COT数据整合 | 机构正在做什么? | 第三梯队 |
| VIX期限结构 | 市场是否正确地为恐慌定价? | 第三梯队 |
| 因子归因(PCA) | 谁在驱动价格? | 第三梯队 |
数据管道
整套系统运行于Cloudflare的边缘基础设施之上。一个Python进程每日拉取OHLCV数据,计算全部评分与协整检验,并将三个JSON文件写入R2存储。轻量级代理Worker通过CORS与缓存将数据提供给前端。没有数据库,没有服务器,除了一个定时任务外没有任何其他运动部件。
Money Temperature是一种研究信号,并非投资建议。过往的协整状态、温度读数与因子归因,并不能预测未来结果。Closelook Venture GmbH发布研究内容并维护参考投资组合。条款 · 隐私