来源：市场资讯
（来源：XYQuantResearch）
投资要点
西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展 ，也有力地促进了社会与政治的大变革。在今天 ，西学东渐仍有其重要的现实意义。作为 A 股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前！
作为西学东渐——海外文献系列展示第一百八十六篇，本文推荐了Guido Baltussen, Zhi Da, Sten Lammers, Martin Martens的文章：Hedging Demand and Market Intraday Momentum。
本文系统性地研究了市场日内动量效应——即尾盘最后30分钟的收益率可以被当日早些时候的收益率正向预测这一现象。不同于此前文献仅关注少数股票ETF，本文将分析范围拓展至全球60多个期货品种、四大资产类别、近半个世纪的日内数据，证实了该效应的广泛性和持久性。更为重要的是，作者首次提供了直接的实证证据，将日内动量与Gamma对冲需求这一微观机制联系起来。通过S&P 500期权做市商的净Gamma敞口和杠杆ETF的再平衡数据，论文揭示了衍生品市场参与者的对冲行为如何在尾盘产生顺势交易压力，从而驱动了这一高度可预测的收益率模式。该研究为理解市场微观结构、日内交易策略设计以及衍生品市场的外溢效应提供了重要参考。
风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成， 在政策、市场环境发生变化时模型存在失效的风险。
1、引言
2020年2月末，随着新冠病毒在中国以外地区迅速蔓延，美国股市在一周内暴跌超过10%，市场波动率急剧飙升。据市场参与者反映，持有short Gamma头寸的交易者是加剧波动的重要推手。摩根大通估计，仅在该周前两个交易日，就有超过1000亿美元的股票抛售来自此类对冲活动。
Gamma衡量的是衍生品价格对标的资产价格变动的二阶敏感度。期权和杠杆ETF的做市商通常是这些产品的净空头，因此持有负Gamma敞口。为了保持Delta中性，当价格上涨时他们必须买入更多标的资产，当价格下跌时则必须卖出——即顺着市场方向交易。这种顺势对冲行为会加剧市场波动，并在日内产生动量效应。
类似的对冲策略历史悠久。例如，20世纪80年代风靡一时的组合保险策略(Portfolio Insurance)在美国市场的规模在1987年达到约700亿美元，被普遍认为是1987年10月19日股灾的推手之一，当天贡献了市场约24%的卖空成交量(Tosini, 1988)。近年来，目标波动率策略(如风险平价组合)、方差互换以及杠杆/反向ETF等产品也在执行类似的对冲交易。这些对冲活动都会产生市场日内动量效应。
本文全面研究了市场日内动量效应——即市场层面的日内时间序列动量——横跨所有主要资产类别，时间回溯至20世纪70年代。数据涵盖17个发达市场股票指数期货、16个政府债券期货、21个商品期货和8个外汇期货，样本区间从1974年12月至2020年5月。本文提供了市场日内动量“无处不在”的新证据，并发现Gamma对冲是其重要驱动力。
为便于讨论，作者将一个交易日定义为从t-1日收盘到t日收盘的24小时区间，并将其划分为五个时段：
隔夜时段(ON)：从收盘到开盘；开盘前半小时(FH)：开盘后30分钟；日中(M)：从FH结束到收盘前一小时；倒数第二个半小时(SLH)：收盘前60至30分钟；最后半小时(LH)：收盘前30分钟。前两个时段合称ONFH(= ON + FH)，前四个时段合称“当日剩余时段”ROD(= ON + FH + M + SLH)。ROD收益率(rROD)是本文的核心预测变量。
作者首先证明了以下结论：rROD能够正向且显著地预测rLH，这一效应在所有主要资产类别和市场中均成立。该效应在1974年至2020年的整个样本期内稳健存在，且与Heston et al.(2010)发现的横截面日内收益率季节性截然不同。基于rROD的简单日内动量择时策略在各资产类别层面的年化夏普比率介于0.87至1.73之间。
值得注意的是，本文的结果与Gao et al.(2018)的发现有所不同。Gao et al.(2018)发现rONFH（隔夜加开盘前半小时收益率）能预测rLH，且rSLH也有预测力。虽然本文也确认了rONFH在其他市场和资产类别中的预测力，但rROD的预测力更强。第一，rROD拥有更高的样本外R2；第二，当rROD与rONFH符号相反时，rROD通常能更好地预测rLH。此外，rSLH的预测力并不能延伸到商品和外汇等其他资产类别，而rM对rLH的预测力反而比rSLH更强。综合来看，rROD正向且显著地预测rLH，这一模式更好地描述了“无处不在”的市场日内动量。
接下来，本文提供了两方面将对冲需求与市场日内动量联系起来的新实证证据。第一个证据基于S&P 500指数期权。期权做市商在持有负Gamma敞口时需要顺势交易来进行Delta对冲。做市商的净负Gamma敞口(NGE)越大，对冲交易的力度越大。利用NGE的直接代理变量，作者确认了当NGE为负时日内动量效应存在且更强，当NGE变得更负时效应增强。第二个证据基于杠杆ETF(LETF)。杠杆ETF旨在提供标的市场每日收益率的固定倍数。截至2009年2月底，Cheng and Madhavan(2010)估算，当市场波动1%(5%)时，LETF再平衡占收盘竞价成交量的16.8%(50.2%)。Shum et al.(2015)指出，由于收盘竞价订单存在填充风险，对冲可能在收盘前30分钟就已开始——这恰好与rROD预测rLH的设定吻合。作者发现，在截面和时间序列上，LETF的对冲需求与日内动量的强弱高度相关。
为什么对冲集中发生在尾盘？我们认为至少有五个原因。第一，Clewlow and Hodges(1997)证明，在存在部分固定交易成本时，最优策略是在大幅价格变动后仅部分对冲，这意味着额外的对冲需要推迟到之后。第二，尾盘流动性通常更好——日内U型成交量模式（图1）表明，开盘和收盘时的流动性最高，价差更低、市场深度更大，适合执行大额对冲交易。第三，Brock and Kleidon(1992)和Hong and Wang(2000)指出，隔夜流动性更低且价格风险更高，做市商有动力在收盘前完全平掉Delta敞口以防止隔夜风险。第四，隔夜持仓通常带来更高的资本需求和投资摩擦——例如BIS资本要求取决于收盘时的Delta，保证金要求对隔夜持仓通常更高，借贷费用和保证金利息一般只对隔夜持仓收取(Bogousslavsky, 2020)。第五，杠杆ETF等指数产品以每日收盘价为基准，做市商别无选择只能在收盘前对冲。
除了对冲需求之外，Gao et al.(2018)还讨论了另外两种可能的驱动因素：不频繁的组合再平衡和迟到的知情交易。在不频繁再平衡的解释下，部分机构投资者选择在开盘前半小时再平衡，另一部分选择在收盘前半小时再平衡，同方向的再平衡可以产生日内动量。在迟到知情交易的解释下，信息较晚获知的交易者在最后30分钟交易，因此相同的信息在开盘和收盘时段都被纳入价格，产生动量。这两种解释都依赖于强U型日内成交量模式。但rROD比rONFH更好地预测rLH这一事实表明，日中的收益率也很重要，对冲是日内动量的重要驱动力。
本文还进行了两项额外检验以区分对冲需求和知情交易。首先，在对冲假说下，rLH的可预测性反映的是暂时性价格压力，因此应在未来几天反转。相反，在知情交易假说下，信息被纳入价格后应产生永久性价格影响，不应反转。实证结果显示，在所有四个资产类别中，rLH在随后1至3天内出现反转，在股票、债券和商品市场中反转高度显著，与暂时性价格压力假说一致。
其次，S&P 500标的市场在16:00收盘（期权和杠杆ETF的结算时点），但S&P 500期货在16:15才结算，且16:00至16:15期间交易量很大，流动性充足，知情交易者完全可以在此期间交易。然而，作者发现rROD的预测力并不延伸到16:00之后的期货收益率，这与对冲需求渠道完全一致（对冲需求在16:00标的收盘时终止），而难以被知情交易所解释。
2、数据来源与描述性统计
为考察日内动量效应，作者收集了全球最大、流动性最好的股票指数、政府债券、商品和外汇期货的逐笔成交数据，来源为Tick Data LLC。
2.1
期货合约与交易时间
数据涵盖62个期货品种：17个发达市场股票指数期货（北美6个、欧洲8个、亚太3个）；16个政府债券期货（北美6个、欧洲7个、亚太3个）；21个商品期货（金属5个、能源4个、软商品12个）；8个外汇期货。样本区间从1974年12月至2020年5月。
作者从逐笔数据中提取一分钟频率的开盘价、收盘价和成交量（成交量数据从2003年起可得）。对于每个品种，取最活跃合约（通常为最近月合约），并在次月合约日成交量超过当月时进行展期。数据过滤依据Barndorff-Nielsen et al.(2008)的日内数据处理标准流程：(i)剔除非正价格的观测；(ii)剔除非交易日；(iii)剔除提前收盘的交易日（如阵亡将士纪念日）；(iv)剔除日总成交量低于100张的交易日。这一处理确保样本由正常交易日组成。
确定ON、FH、M、SLH和LH的交易时间方法如下。对于股票指数期货，取标的现货市场的正常交易时间——例如S&P E-Mini取09:30至16:00（与S&P 500的交易时间一致），这是因为期货是衍生品，预期其行为与标的一致，且大部分成交量发生在标的交易时间内。对于债券期货，由于政府债券通常是场外交易，没有明确的交易时间，因此根据成交量分布图确定“开盘”和“收盘”时间，以成交量的突然增加作为参考，通常对应期货的常规开盘时间和每日结算时间。外汇期货均在美国上市，成交量高峰出现在8:21和15:00，分别对应期权公开喊价交易时间的开盘和结算时间。商品期货在连续交易引入前取实际交易时间，引入后根据成交量分布确定。表1列出了所有期货品种的代码和交易时间。
2.2
日内收益率的划分
本文计算了每个期货品种或指数的各子时段收益率。买入价为t-1日收盘价(Pc,t-1)本文计算了每个期货品种或指数的各子时段收益率。买入价为t-1日收盘价(Pc,t-1)，rONFH为从前日收盘到今日开盘后30分钟的收益率：，为从前日收盘到今日开盘后30分钟的收益率：
此后每隔半小时计算收益率直至收盘。核心预测变量rROD为从前日收盘到今日收盘前30分钟的收益率：
为考察各子时段的单独预测力，还计算日中收益率和倒数第二个半小时收益率：
关键的逻辑是：rROD = rONFH + rM + rSLH，即“当日剩余时段”包含了收盘前30分钟之前的所有收益率。如果Gamma对冲者需要在尾盘根据全天的累计价格变动来对冲，那么rROD应该是比rONFH更好的预测变量。所有交易时间之外的观测均被剔除。例如德国期货通常在08:00至22:00交易，但作者将交易时间调整为08:00至17:15，rONFH按前日17:15的收盘价和今日08:30的价格计算。
对于每个资产类别，本文构建了多个分组。股票指数和债券期货按地理区域分组（美国、欧洲、亚太）。商品期货因不具有国家属性，按品类分组（金属、能源、软商品）。
图1展示了四类资产在日内各时段的平均成交量占比（2003年7月至2020年5月）。所有资产类别都呈现出明显的U型日内成交量模式——开盘和收盘时段的成交量最高。由于日中时段(M)的长度大于30分钟，其成交量已按分钟标准化后乘以30，使各时段可比。该U型模式意味着在开盘和收盘时流动性最好，这为对冲活动集中在尾盘提供了流动性条件，也与知情交易和再平衡主要在高流动性时段进行的理论一致(Admati and Pfleiderer, 1988)。
3、市场日内动量效应
3.1
基准回归结果
本节展示市场日内动量效应在四类资产中的稳健存在性。
作者考虑三种回归设定来预测最后半小时收益率rLH。第一种仅用rONFH作为预测变量，对应Gao et al.(2018)的设定：
第二种同时使用三个子时段收益率作为预测变量：
第三种将三个子时段收益率合并为rROD作为单一预测变量：
同时计算样本外R2来衡量预测力。正的样本外R2意味着模型比递归历史均值提供更好的预测。对于每个市场，使用至少500个观测（约两年数据）的扩展窗口进行预测，样本外R2的显著性通过Clark and West(2007)检验判断。
表2展示了按资产类别汇总（pooled）的回归结果，Panel A至D分别对应股票、债券、商品和外汇期货。t统计量使用考虑时间和市场双向聚类的标准误计算(Cameron et al., 2011)。
对于股票指数期货（Panel A），第(1)列确认了rONFH在更大样本中的预测力，系数4.86，t值6.52。第(2)列的多预测变量回归中，rONFH仍高度显著(t=6.46)，rSLH次之(t=4.82)，有趣的是日中收益率rM合并后也显著预测rLH(t=4.43)——这意味着全天所有时段的收益率都有预测力。第(3)列中，将所有子时段合并为rROD，产生了最强的预测力：t值7.29，样本外R2为2.88%。相比之下，rONFH的样本外R2为负值(-1.71%)，意味着rONFH在样本外反而不如历史均值。rROD的样本外R2也高于三个子时段分别使用的情况(2.22%)。
Panel B至D在债券、商品和外汇期货市场中展示了类似的模式。rONFH总是正向且显著地预测rLH，但rROD通常具有更强的预测力。在几乎所有资产类别中，rROD拥有最高的t值和最高的样本外R2。唯一的例外是外汇期货市场(Panel D)，rONFH的t值和R2略高于rROD，这可能与外汇市场U型日内成交量模式不够明显有关——图1(d)显示外汇市场开盘时段主导，之后成交量下降。
论文附录B(Table B1-B4)展示各个期货品种的个体回归结果。以股票指数期货为例(Table B1)，17个品种中有14个的rROD样本外R2为正且显著，10个品种中rROD的样本外R2高于rONFH。债券期货中11/16的样本外R2为正且显著，rROD在13/16中优于rONFH。商品和外汇期货的结果稍弱，但仍有约40%-50%的品种展现出正且显著的样本外R2。附录C使用现货指数（而非期货）重复了分析，结果高度一致。
基于上述跨资产、跨市场、扩展样本期的证据，可以得出结论：rROD正向且显著地预测rLH，这一稳健模式更好地描述了“无处不在”的市场日内动量。
3.2
与rONFH的“赛马”检验
全天所有时段的收益率都对预测rLH有贡献，这暗示了一种新的驱动机制：做市商的对冲需求。如果做市商希望在收盘前（即LH时段）对冲其敞口，且其敞口方向通常与当天收益率的方向相反（或者他们持有短Gamma），那么他们的对冲活动会推动rLH与rROD同向，产生市场日内动量。在这一对冲假说下，rLH应该由rROD（而非仅rONFH）来最好地预测。
为直接检验这一推断，作者估计了同时包含rROD和rONFH的回归方程，并分别在二者同号、异号以及不做条件划分的全样本中进行。注意rROD和rONFH只有在|rM + rSLH| > |rONFH|时才可能异号。
表3的结果清晰地支持了rROD的主导地位。当rROD和rONFH同号时，rROD在t值和R2上都是更好的预测变量。当二者异号时，rROD仍然正向且高度显著，而rONFH的系数甚至变为负值（在股票、债券和商品市场中），但统计上不显著。外汇市场是唯一的例外，两个变量在异号情况下都为正但不显著。
在全样本中（不做条件划分），rROD在股票、债券和商品期货市场中始终显著，而rONFH变得不显著。这进一步支持了负Gamma对冲假说——rROD更能反映做市商需要在尾盘对冲的全天累计Delta变动。
3.3
日内季节性的稳健性
Heston et al.(2010)发现了个股收益率的显著日内季节性——某只股票在某个半小时时段的收益率能正向预测其在随后若干天（最多40天）同一时段的收益率。他们将此归因于系统性交易和机构资金流。市场日内动量与这种日内季节性有何关系？
作者在回归中加入了前一日最后半小时的收益率rLH,t−1作为控制变量（表4）。令人意外的是，rLH,t−1在股票期货中的系数为负且显著（而非正向），这表明个股层面的日内季节性在汇总到市场层面后不再存在。一种可能的解释是，个股效应是横截面的，主要忽略市场整体运动，而市场日内动量是时间序列效应。
更重要的是，rROD的系数在加入rLH,t−1后几乎不变——表4中rROD的系数与表2中高度一致。作者还确认了即使加入5至40个滞后期的rLH，结果依然相似（未报告以节省篇幅）。因此，市场日内动量与横截面的日内季节性是截然不同的现象，进一步支持了只有当日收益率才重要的负Gamma对冲渠道。
3.4
子样本结果
作者将样本分为1974-1999和2000-2020两个子样本期，分别检验日内动量效应的稳定性。表5报告了两个子样本的回归结果。
在两个子样本中，除rONFH外，rM和rSLH也对rLH有预测力，因此rROD通常比rONFH具有更高的调整R2。附录D的“赛马”检验也确认了在两个时期中rROD都是更优的预测变量，特别是在二者符号相反时。这说明不同历史时期一直存在需要顺势对冲的市场参与者——例如组合保险在第一个子样本期间非常流行，期权活动自第一个子样本末大幅增长，杠杆ETF则从2006年开始迅速扩张(Cheng and Madhavan, 2010)。
3.5
经济显著性：交易策略
为评估日内动量的经济显著性，作者构建了择时策略。策略逻辑非常简单：如果预测信号r(可以是rONFH或rROD)为正，则在最后半小时做多(赚取rLH)；如果r为零或负，则做空(赚取-rLH)。还考虑了第三种策略η(rONFH, rROD)：仅在两个信号同号时交易，异号时不交易。
表6展示了相应策略表现。对于每个资产类别，使用1/N等权组合将各期货品种合并为一个组合。基于rROD的择时策略在所有资产类别中都产生了正的年化收益率和很高的夏普比率：股票6.86%(夏普1.73)、债券2.16%(夏普1.62)、商品4.34%(夏普1.42)、外汇0.85%(夏普0.87)。每日胜率在53%至56%之间，即成功率虽不高但长期稳定获利。rROD策略在所有资产类别（外汇除外）中的平均收益和夏普比率都高于rONFH策略。当要求rONFH和rROD同号才交易的策略η(rONFH,rROD)，则在胜率上最高（56%-61%），因为减少了信号矛盾时的交易，但也牺牲了部分年化收益。
两个基准策略的表现也列在表6中：“始终做多”策略（始终在最后半小时持多头）的夏普比率远低于择时策略（股票0.11、债券0.34、商品-0.19、外汇0.43）；“买入并持有”策略（在样本期初买入持有至样本结束）则代表了整个交易日的被动敞口。
图2展示了rROD择时策略与“始终做多”基准策略的累计收益率对比。可以清晰地看到，基于rROD的条件做多/做空策略持续跑赢被动策略。这种超额表现在整个样本期内基本保持一致，表现为稳步向上的实线。特别值得注意的是，在样本最后四个月（2020年2月至5月，新冠疫情冲击期），股票资产类别的日内动量策略表现尤为突出——与论文开头引用的对冲活动激增报道相呼应。
需要指出的是，以上策略结果未扣除交易成本。由于日内动量策略需要频繁换仓，扣费后对许多投资者可能不可直接获利。但这并不意味着市场日内动量不可利用。事实上，在S&P 500期货等最流动的市场中，高级投资者的交易成本可低至一个tick，在此成本假设下策略仍有正的净夏普比率。此外，日内动量也可通过降低换手率的方式间接利用——例如通过优化已计划交易的执行时机来获取额外收益。
4、对冲需求的实证证据
4.1
期权做市商的Gamma对冲需求
期权做市商的对冲需求取决于其净Gamma敞口。众所周知，机构投资者买入指数看跌期权作为组合保护(Bollen and Whaley, 2004)。类似地，Garleanu et al.(2008)发现终端用户在S&P 500指数期权上持有净多头，尤其在虚值看跌期权上有大量净头寸。由于这些交易没有天然的对手方，做市商必须承接这一不平衡。同时，指数看涨期权通常被市场参与者卖出（例如通过备兑看涨策略）。因此，期权做市商通常处于净短（指数）看跌期权和净多看涨期权的状态，总体上往往净短Gamma。
当净Gamma为负时，做市商需要顺势交易（涨买跌卖）来维持Delta中性，这正是日内动量的微观基础。反之，如果做市商的净Gamma为正（例如市场持续上涨导致看涨期权Gamma上升），他们需要逆势交易，可能抵消甚至逆转日内动量效应。因此，如果对冲需求是日内动量的关键驱动力，那么在做市商不是净短Gamma的时期，日内动量应基本不存在，而当他们的净短Gamma越大时效应越强。
本文利用OptionMetrics的S&P 500指数期权数据，构建了做市商净负Gamma敞口(NGE)指标。具体假设为：(i)所有已交易期权由Delta对冲者撮合；(ii)看涨期权由投资者卖出、做市商买入；(iii)看跌期权由投资者买入、做市商卖出；(iv)做市商精确对冲Delta。对于每个看涨期权，NGE = Γ × OI × 100 × P；对于每个看跌期权，NGE = Γ × OI × (-100) × P。所有期权的NGE加总后除以S&P 500的总市值，得到标准化的NGE指标。OptionMetrics数据覆盖1996年至2017年，SqueezeMetrics数据将样本延伸至2020年5月。
图3展示了1996年至2020年间的NGE时间序列。在此期间，共有2930个交易日NGE为负，3158个为正。NGE平均为正的可能原因包括：做市商净短看跌且多看涨的头寸在市场持续上涨时导致看涨Gamma上升；此外，本文数据仅限于上市期权（OptionMetrics），缺少大量OTC期权头寸的信息。
表7展示了条件回归结果。当NGE为负时（即做市商需要顺势对冲），rROD对rLH的预测系数为6.63%（系数已乘以100），t值高达4.78，R2为3.58%。而当NGE为正时，预测系数仅为0.82%，t值为1.03，统计上不显著，R2仅0.05%。这提供了对冲需求假说的有力支持：日内动量仅在期权做市商需要顺势对冲时显著存在。当他们的对冲方向与市场相反时（净正Gamma），其逆势交易似乎完全抵消了来自再平衡和信息交易的日内动量。未报告的分析表明，使用rONFH或rM作为预测变量时结论类似。
表8进一步在回归框架中将NGE纳入分析，加入NGE本身和NGE与rROD的交互项。第(2)列中，当NGE≤0时的虚拟变量与rROD的交互项系数为5.05，高度显著(t=3.04)，确认日内动量在NGE为负时更强。第(3)列使用连续的NGE值，NGE × rROD的交互系数为-123.04(t=-3.42)，表明NGE越负日内动量越强。第(4)至(5)列为差分回归（加入rROD单独项以排除共同时间趋势），结果依然稳健。未报告的稳健性检验确认，仅使用看跌期权（不含看涨期权）的结论也一致。
4.2
杠杆ETF的对冲需求
杠杆ETF(LETF)提供了另一个直接的对冲需求证据。需要注意的是，动态对冲需求的直接数据通常不可获得或含有很大噪音，跨资产类别的期权数据也有限。而LETF数据公开且通常准确。LETF旨在提供标的指数每日收益率的固定倍数——有多头/超级ETF（通常提供2倍或3倍日收益率）和反向/空头ETF（提供-1倍或-2倍日收益率）。两种类型的ETF都需要每日按市场方向进行再平衡：上涨日多头ETF需增加敞口、空头ETF需平空头；下跌日则相反。
Cheng and Madhavan(2010)推导了LETF在第t日的再平衡需求为：NAVt−1 × (x2 - x) × rt，其中NAV为净资产值，x为杠杆倍数（如-2、-1、2、3），rt为标的日收益率。截至2009年2月底，LETF再平衡在市场波动1%(5%)时占收盘竞价成交量的16.8%(50.2%)。Shum et al.(2015)指出收盘竞价订单有填充风险，对冲可能在收盘前30分钟就开始，这恰好与rROD预测rLH的设定吻合。
作者定义了各指数上的LETF市场份额指标(IndexingLETF)：将各LETF的NAV乘以(x2 - x)后求和，再除以标的指数的总市值。如果LETF的对冲活动驱动市场日内动量，那么LETF份额更高的市场应有更强的日内动量。
图4先从截面角度检验这一关系。将2006-2020年间各市场的平均LETF份额与rROD回归系数的t统计量做散点图，可以看到在股票、债券和商品三类资产中都呈现出显著正相关的上升趋势线——LETF份额越大的市场日内动量越强。
表9在面板回归中进一步验证时间序列关系。回归中加入IndexingLETF及其与rROD的交互项，同时检验有无固定效应。在股票期货(Panel A)中，交互项系数显著为正(t=2.20)，且差分回归（排除共同时间趋势后）中交互项进一步增强(t=3.10)。在债券期货(Panel B)中，结果方向一致但差分回归中统计显著性较弱。总体而言，LETF的对冲需求在截面和时间序列上都驱动了日内动量模式的强弱。
4.3
日内对冲与尾盘对冲
在无摩擦的Black-Scholes世界中，对冲是连续进行的以确保Δ始终为零。但在存在交易成本时，最优策略是离散对冲。如果每次离散对冲都是完整的（即Δ回到零），那么对冲前的收益率不应预测对冲后的收益率(Leland, 1985)。然而，大幅价格变动是否会在日间触发部分对冲？
作者定义“跳跃”为某半小时时段的累计收益率（从前日收盘到该时段结束）超过该品种全样本日收益率分布的10%或90%分位数。使用5%/95%和2.5%/97.5%分位数的结论类似。
表10展示了跳跃后续收益率的预测回归。累计跳跃收益率能正向预测跳跃后的全部日内后续收益率(rPost jump)，在四类资产中均为正，在股票和商品市场中高度显著。将rPost jump分解为两部分：跳跃后到倒数第二个半小时的收益率(rPost jump to SLH)和最后半小时收益率(rLH)。对于商品和外汇，累计跳跃收益率显著预测rPost jump to SLH，这可以解读为大幅价格变动触发了日间的部分对冲。但更重要的是，在所有四类资产中，累计跳跃收益率仍然正向且显著地预测rLH，说明日间对冲是不完整的——仍有显著部分的对冲留到了尾盘。
4.4
价格压力与知情交易的区分
Gao et al.(2018)提出知情交易是日内动量的另一种可能解释：如果知情交易者在开盘和尾盘都基于相同信息交易，就会在两个时段产生同向收益率。对冲假说与知情交易假说在价格影响的持续性上有根本区别：对冲活动造成的是暂时性价格压力（没有新信息），应在对冲活动停止后反转；知情交易代表基本面信息的纳入（永久性价格影响），不应反转。
图5检验了市场日内动量是否持续到次日以后。从标准设定（rROD预测rLH）开始，逐步将因变量延长至收盘后的隔夜、次日开盘半小时、日中等，直至三天后的收盘。可以清晰地看到，rROD的预测系数在预测期超出当日LH后迅速减小并回归零。在外汇市场约1天即反转，股票和商品约2天，债券约3天。这一模式与暂时性价格压力假说完全一致。
表11直接检验了rLH对后续1至3天收益率的预测力。在所有四个市场中均观察到负向系数（均值回复）。在股票市场中，rLH对次日收益率的预测系数为-14.51(t=-1.70)，对两日后收益率的系数为-29.05(t=-3.16)。在债券市场中，三日后的反转高度显著(t=-2.21)。商品市场在三日后也显著反转。这些反转证据与来自对冲需求的暂时性价格压力假说完全一致。
最后一个区分检验利用了S&P 500市场的特殊制度安排。S&P 500标的市场在16:00收盘，此时大多数相关期权和杠杆ETF也进行结算。因此，做市商有强烈动力在16:00之前完成对冲。然而，S&P 500期货在16:15才结算，且16:00至16:15期间交易非常活跃——图6显示该时段的成交量很大，流动性充足，知情交易者完全可以在此期间交易。
表12检验了16:00收盘和16:15收盘两种设定下的收益率可预测性。Panel A（16:00收盘的现货指数）显示rROD强烈预测rLH（最后半小时、最后15分钟和最后5分钟的收益率均显著）。然而Panel B（16:15收盘的期货市场）显示，rROD的预测力仅存在于16:00之前的收益率，对16:00至16:15期间的期货收益率完全没有预测力（系数接近零，t值不显著）。这一证据与对冲需求渠道高度一致——做市商的对冲需求在16:00标的收盘时终止，16:00之后期货市场虽然流动性充足但日内动量消失——而这一模式难以被知情交易解释。
5、结论
本文使用1974年至2020年间60多个期货品种的日内价格数据，覆盖股票指数、债券、商品和外汇四大资产类别，发现了一个强劲的市场日内动量效应：收盘前30分钟的期货收益率(rLH)能被当日剩余时段的收益率(rROD)正向预测。该效应在统计和经济上均高度显著，择时策略的年化夏普比率在0.87至1.73之间。市场日内动量在不同市场和不同时间段内稳健存在，且在随后数日出现反转，同时与Heston et al.(2010)的日内季节性效应截然不同。
更重要的是，本文首次识别了驱动市场日内动量的核心经济力量——市场参与者因短Γ敞口产生的对冲需求。实证检验利用S&P 500期权做市商的净负Γ敞口和杠杆ETF的市场份额，在截面和时间序列上都将对冲需求与日内动量的强弱联系起来。收益率反转和16:00/16:15的自然实验进一步排除了知情交易的替代解释。
本文的发现表明，来自期权和杠杆ETF的对冲需求放大了价格变动，并在数天内影响市场收益率动态。多项近期研究也将指数化产品（如ETF）的兴起与一系列副作用联系起来，包括基本面冲击的放大(Hong et al., 2012)、过度联动(Barberis et al., 2005)、信息环境恶化(Israeli et al., 2017)、非基本面波动增加(Ben-David et al., 2018)以及短期价格反转(Baltussen et al., 2019)。日内Γ对冲需求效应可能是导致这些短期负向市场反转的原因之一。
矛盾的是，这些动态甚至可能导致杠杆（包括做空）ETF跑输其标的指数，因为其对冲交易造成的价格影响倾向于反转。同时，日内市场动态具有高度可预测性，主动型投资者可以通过在预期对冲流之前提供流动性或优化计划交易的执行时机来受益。
风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成， 在政策、市场环境发生变化时模型存在失效的风险。
注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《西学东渐——海外文献推荐系列之一百八十六》
对外发布时间：2026年4月8日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
分析师：
郑兆磊
SAC执业证书编号：S0190520080006
占康萍
SAC执业证书编号：S0190522070008
热门跟贴