美股与港股联动框架

美股与港股经常被放在同一个“外资市场”标签下讨论，但两者联动并不等于同步。更准确的理解是：它们在全球流动性、利率、风险偏好和行业叙事上高度相关，在资金结构、监管安排、交易时段和市场深度上又存在显著差异。2020 年后，这种“高相关 + 不同步”特征愈发明显：美股在科技龙头和指数化资金推动下表现出较强的趋势延续，港股则在全球风险偏好、离岸美元流动性和本地行业结构之间反复再平衡。

先看联动来源。第一是全球利率与美元流动性。美债收益率抬升时，成长资产估值普遍承压，港股中的高估值板块往往同步受影响。第二是科技与平台经济叙事。美股龙头业绩与指引会影响全球风险资产定价，港股相关板块情绪经常被牵引。第三是风险事件传导。地缘冲突、信用风险、政策不确定性会通过风险溢价扩散到两地市场。

再看不同步的原因。美股指数权重高度集中，少数超大市值公司可以显著影响指数方向；港股行业分布和资金来源更分散，对单一叙事依赖度不同。港股还受到南向与外资双重资金行为影响，同一时期可能出现“指数偏弱、结构活跃”或“指数修复、成交不足”的错位。交易时段上，美股盘前盘后流动性与信息先行，港股次日消化时可能出现价格跳空和风格重排。

研究这种联动关系时，简单做相关系数不够。更有效的方法是做“状态相关”：在利率上行、风险偏好下降、波动率上升等状态下分别计算联动强度。vectorbt 可快速完成多状态切片回测，观察联动是否稳定；quantstats 可进一步拆解收益来源，判断是 beta 联动还是行业主题联动。vectorbt quantstats

市场规律上，有两个历史片段值得反复看。其一是 2022 年全球紧缩阶段，美股与港股均承压，但下跌节奏和修复力度并不一致，反映了资金结构差异。其二是 2023-2024 年科技主题回暖阶段，美股由少数龙头带动指数上行更明显，港股则呈现“主题交易与估值修复并存、但持续性受成交和预期约束”的特征。把这两个片段并列，有助于建立“相同宏观、不同路径”的认知。

实务上，做美股与港股组合时可采用三层框架。第一层是宏观层：用利率、美元指数、波动率指标判断大环境；第二层是结构层：比较两地指数的行业权重与盈利预期变化；第三层是执行层：按交易时段和流动性分配下单窗口，避免在薄弱时段重仓成交。Lean 的多市场日历和事件处理能力适合实现这种框架，alpacahq 与港股相关 API 可以承担执行接口层。Lean Alpaca API

风险控制方面，要把“相关性失效”作为独立场景。许多组合在平稳期相关性低、看上去分散良好，但在压力期相关性上升，导致回撤同步扩大。应对方式包括：限制同主题跨市场总暴露、设置跨市场对冲触发阈值、在高波动期降低组合杠杆。backtrader 或 backtesting.py 可以先做压力测试验证，再迁移到实盘框架。backtrader backtesting.py

交易规则与时段的核验建议直接对照官方页面，例如 HKEX 交易时段、NYSE 交易时段、Nasdaq 假期与时段。把这些规则固化到系统，比盘中记忆更可靠。

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”。