利率、通胀与估值重定价

在多数市场讨论里，价格波动常被解释为“情绪变化”。这种说法并不完全错误，但在跨周期观察中，更稳定的解释框架是：资产价格等于未来现金流在当前贴现率下的折现结果，而贴现率由无风险利率、通胀预期和风险溢价共同决定。当三者同时变化时，市场会出现看似突然、实则可追溯的估值重定价。2021 到 2023 年的全球资产表现就是典型样本：通胀超预期上行，美联储快速加息，长期资产估值压缩，成长风格先跌后分化，现金流更确定、负债结构更稳的资产相对抗跌。

把这个过程放到可量化语言里，可以更清楚地理解“为什么同样是上涨 10%，有的上涨更脆弱”。在 QuantLib 的定价体系中，贴现曲线每上移一点，远期现金流现值都会按久期被放大影响，这就是 2022 年美股高估值板块回撤更深的重要原因之一。QuantLib 不是只给衍生品工程师使用的库，它也提醒研究者：利率是一条曲线，不是一个数字。对应到股票框架，十年期国债收益率从低位抬升时，远端盈利占比高的公司通常比成熟现金流公司更敏感，这类差异在纳指与价值风格指数的相对强弱里反复出现。

通胀变量的作用常被简化成“通胀高=市场差”，这种表达过于粗糙。更准确的说法是：通胀上行阶段，企业利润率能否把成本转嫁到终端价格，决定了盈利对估值压缩的缓冲能力。2021 年部分能源与资源板块在高通胀背景下反而走强，本质是利润表的名义增速和现金流修复对冲了贴现端压力；而依赖长期预期、当期利润不强的板块在同一时期更脆弱。这个现象可以在 vectorbt 的分组回测中做成对照：把行业分成“当期现金流强”和“预期现金流强”两组，观察利率上行窗口下的收益差。vectorbt

通胀与利率之外，风险溢价的变化也经常被忽略。风险溢价不是一个稳定参数，它会在信用收缩、地缘冲突、政策不确定性阶段抬升。抬升后即便无风险利率不变，权益资产的合理估值中枢也可能下移。研究层面可以把风险溢价变化近似映射到波动率和信用利差，再结合 quantstats 对策略回撤结构做拆解：是估值压缩导致，还是盈利预期下调导致，抑或流动性冲击导致。仅看收益率曲线会遗漏关键因果路径。quantstats

如果把这个框架移到 A 股、港股和美股对比，会看到制度差异下的共同规律。美股长期资金和回购机制更成熟，估值修复往往先体现在龙头资产；港股在美元流动性环境变化时，对全球风险偏好更敏感；A 股内部则常出现“政策预期—盈利兑现—估值重估”分阶段演化。2020 年疫情冲击后全球宽松，风险资产普涨；2022 年紧缩主导，估值整体承压；2023 年部分科技资产在盈利预期修复中走强。这类跨市场对照，不是为了找“哪个市场一定更好”，而是帮助理解同一宏观变量在不同制度里的传导速度和衰减路径。

实践上，利率与通胀框架可以落到三条交易前检查规则。第一，任何基于长期增长叙事的仓位，都要做利率敏感性压力测试；第二，观察通胀不只看总量数据，还要看企业能否转嫁成本；第三，评估仓位时把“风险溢价突然上升”作为独立情景，不与盈利下修混为一谈。backtesting.py 适合先做小样本、低复杂度验证，确认逻辑后再迁移到事件驱动框架，避免在未经验证的前提下过早工程化。backtesting.py

很多交易争议来自把“宏观判断”直接当成“交易动作”。宏观变量给的是方向概率，不是成交价格。真正可执行的流程是：先做宏观场景分层，再做资产暴露映射，最后做执行约束和回撤上限。把这三步串起来，市场波动就不再只是噪声，而是可以被解释和管理的结构变化。

文中提到的交易时段和制度差异，可结合交易所官方页面核对，例如 NYSE Trading Hours 与 Nasdaq Trading Schedule。

市场切片补充

把规则放进具体时间段更容易检验。例如 2020 年一季度的风险冲击阶段、2022 年的全球紧缩阶段、2023 年的结构修复阶段，价格反应、成交深度和风险偏好都不相同。若把这三个阶段混在一起求平均，很多结论会被稀释；若分阶段评估，同一套方法在不同环境中的边界会更清楚。

在执行层面，可以把“阶段识别”写入日常流程：先确认当前处于扩张、收缩还是修复，再决定仓位上限、下单时段和止损阈值。这样做不是为了追求完美预测，而是为了避免在不适配环境里重仓。跨市场核验时，建议直接对照 NYSE 时段、Nasdaq 日历、HKEX 时段 与 CFTC 术语 做参数确认。

复盘框架

每篇笔记都可落到同一套复盘问题：第一，当前结论依赖的前提是否仍成立；第二，若波动率提升一个等级，仓位和执行规则是否需要同步调整；第三，若成交成本抬升，策略是否仍具备正期望。把复盘问题固定下来，知识会从“记住观点”转为“可持续迭代的决策系统”。