第28章 价格发现实证研究设计：数据清洗、事件研究、回归分析、稳健性检验

做价格发现研究，说白了就是跟数据较劲。我做了这么多年量化，最深的体会是：80%的时间花在数据清洗上，15%的时间在跑模型，5%的时间在写报告。这一章，我就把实证研究的完整流程拆开揉碎了讲给你听。

28.1 数据清洗：别让垃圾数据毁了你的研究

我记得刚入行那会儿，拿到一批高频数据就急着跑回归。结果R²高达0.99，兴奋得不行。后来发现——数据里混着未来信息。嗯，这种坑我踩过不止一次。

28.1.1 常见的数据污染问题

• 前视偏差：用未来数据回填历史。比如用收盘价计算当日指标，但收盘价在盘中是未知的
• 幸存者偏差：只保留当前还在交易的标的。退市的、被收购的全被剔除了
• 时间戳错位：不同数据源的时间基准不一致。我遇到过某交易所的毫秒级时间戳和另一家的微秒级对不上
• 异常值：比如某只股票突然涨了1000倍，其实是除权除息没处理

28.1.2 清洗流程示例

我个人习惯用Python做数据清洗。下面这个流程，我用了好几年，基本没出过大问题：

# 伪代码示例：数据清洗流水线
def clean_market_data(df):
    # 1. 去重
    df = df.drop_duplicates(subset=['symbol', 'timestamp'])
    
    # 2. 时间对齐
    df = df.set_index('timestamp').resample('1min').last()
    
    # 3. 异常值处理
    df['return'] = df['close'].pct_change()
    df = df[df['return'].between(-0.1, 0.1)]  # 剔除涨跌幅超过10%的
    
    # 4. 填充缺失值
    df = df.fillna(method='ffill').fillna(method='bfill')
    
    # 5. 剔除交易量异常的
    df = df[df['volume'] > 0]
    
    return df

28.2 事件研究：捕捉价格对信息的反应

事件研究是价格发现的核心工具。你想知道某个消息出来之后，价格是怎么反应的？用事件研究就对了。

28.2.1 事件窗口设计

我一般把事件窗口分成三段：

为什么会这样设计？因为太短的窗口可能捕捉不到完整的价格发现过程，太长的窗口又会混入其他噪音。我个人习惯用[-20, +20]作为标准窗口，如果是高频数据，可以缩到[-60min, +60min]。

28.2.2 异常收益率的计算

计算异常收益率，说白了就是「实际收益率 - 预期收益率」。预期收益率怎么算？最常用的有三种模型：

1. 市场模型：用CAPM回归，R_it = α + βR_mt + ε_it
2. 市场调整模型：直接用市场收益率作为预期收益率
3. 均值调整模型：用估计窗口的平均收益率作为预期收益率

28.3 回归分析：量化价格发现的驱动因素

事件研究告诉你「有没有异常收益」，回归分析告诉你「为什么会有」。这两者结合起来，才能讲好一个完整的故事。

28.3.1 核心回归模型

我常用的回归框架是这样的：

# 截面回归：解释累计异常收益率(CAR)
CAR_i = β₀ + β₁*Size_i + β₂*Turnover_i + β₃*Volatility_i + ε_i

# 时间序列回归：解释价格发现贡献度
ΔPrice_t = α + β₁*OrderFlow_t + β₂*NewsSentiment_t + ε_t

你想想看，如果β₁显著为正，说明大市值股票的价格发现效率更高。如果β₂显著为负，说明高换手率的股票反而价格发现更慢——这听起来反直觉，但我在A股市场确实观察到过这种现象。

28.3.2 内生性问题的处理

做回归最怕什么？内生性。比如你发现「新闻情绪」和「价格变化」正相关，但到底是新闻影响了价格，还是价格变化影响了新闻的报道？

我一般用两种方法处理：

• 工具变量法：用同行业其他公司的新闻情绪作为工具变量
• 格兰杰因果检验：先检验时间上的先后顺序

28.4 稳健性检验：别让你的结论一碰就碎

做实证研究，最怕的是「换个样本、换个时间、换个方法，结论就没了」。稳健性检验就是用来验证你的结论是不是真的靠谱。

28.4.1 常见的稳健性检验方法

28.4.2 一个完整的稳健性检验流程

我个人习惯按这个顺序做：

1. 基础回归：用最标准的方法跑一遍
2. 剔除极端值：去掉上下1%的样本，看结果是否稳健
3. 换窗口：把事件窗口从[-20,+20]改成[-10,+10]和[-30,+30]
4. 换模型：从市场模型换成市场调整模型
5. 聚类标准误：按行业和年份双聚类
6. 安慰剂检验：随机生成事件日，看是否还能得到显著结果

28.5 知识体系总览

下面这张图，是我做价格发现实证研究的心法总结。你照着这个框架走，基本不会跑偏：

这个框架我用了好几年，每次做实证研究都按这个流程走。你刚开始做的时候，可能会觉得步骤太多、太繁琐。但相信我——跳过任何一步，都可能让你的结论变成废纸。