隔夜新闻能否解释隔夜收益？
哥伦比亚商学院团队用 240万篇新闻 + 监督式主题模型，首次从 NLP 角度系统解释了美股30年来"隔夜赚全部、日内不赚钱"的谜题。
核心发现
两个独立通道同时驱动隔夜与日内收益的差异
新闻主题流行度的时间变化
隔夜和日内的新闻主题分布系统性不同，且随时间变化。约2/3的新闻在收盘后至次日开盘前发布，形成了天然的信息不对称。
市场反应的时段差异
同一主题在隔夜和日内引起的股价反应幅度和方向不同。市场对隔夜新闻的消化是缓慢且不完美的，存在可捕捉的定价偏差。
Branching LDA
用股票收益引导无监督主题学习，在信号和过拟合之间找到平衡
1. 启动10个采样器
独立运行10个 Gibbs 采样器，各自发现不同的主题结构
2. 淘汰低效模型
用样本外 R² 比较各模型解释收益的能力，保留最优者
3. 迭代多轮
以胜出者为种子重新启动10个采样器，重复多轮强化选择
传统LDA是无监督的，找到的主题可能跟市场无关；直接嵌入收益数据又导致灾难性过拟合。Branching LDA 用收益信号选择主题，但不让信号污染内部结构。
跨公司溢出效应
全文最精彩的发现：新闻主题关联的跨公司定价传导
如果公司A在某年因某个主题获得大量正面隔夜收益，那么次年同样暴露于该主题的公司B也会获得正面隔夜收益。这不是动量——公司B当年的隔夜收益可能是负的。
实证案例："合作/合资"主题溢出
关键排除：Nucor 2007年隔夜收益为 -13.85%，排除了动量效应的解释。两家公司唯一的共同点是共享新闻主题暴露。
主题暴露持久性
公司层面的年度主题暴露高度稳定，为策略提供了可预测性基础
| 新闻时段 | 年度自相关 ρ | 含义 |
|---|---|---|
| 全部新闻 | 0.94 | 今年被什么主题覆盖，明年大概率还是 |
| 日内新闻 | 0.90 | 日间新闻模式极稳定 |
| 隔夜新闻 | 0.79 | 隔夜新闻持久性稍低但仍然很强 |
样本外验证
严格的样本外测试证明结果稳健
完全样本外
仅用2010年之前的新闻训练主题模型，在2011-2022期间完全样本外预测。模拟真实投资者的可用信息。
样本内对比
用1996-2020全部新闻训练。在2011-2022期间表现与2010模型几乎一致，证明不存在过拟合。
机制对比
新闻效应 vs 文献中的其他解释
| 机制 | 描述 | 本文结论 |
|---|---|---|
| 新闻主题通道 | 新闻分布的时间变化 + 市场反应的时段差异 | ✓ 独立且重要的通道 |
| 流动性补偿 | 做市商为隔夜持仓风险索取溢价 | 补充而非替代 |
| Bid-ask bounce | 收盘价和开盘价的统计偏差 | 无法解释全部效应 |
| 机构交易模式 | 开盘/收盘集中交易造成的价格压力 | 部分解释但非主因 |
判断与延伸
论文质量评估与可落地的延伸方向
这篇论文质量很高——数据量大、方法新颖、样本外验证严格。Glasserman 和 Mamaysky 都是金融工程领域的重量级人物。
最值得关注的不是"新闻有用"这个结论（直觉上并不意外），而是他们量化了两个独立通道的相对贡献（新闻分布的时间变化 vs 市场反应的时段差异），以及发现了跨公司的新闻溢出效应——这暗示市场对隔夜新闻的消化是缓慢且不完美的，存在可被捕捉的定价偏差。
A股验证
中国市场有涨跌停限制、T+1、不同的新闻发布节奏，值得复制类似NLP框架验证是否存在类似现象
LLM 替代 LDA
GPT-4/Claude 在主题提取上可能优于 LDA，值得用现代方法重新验证核心发现
高频新闻交易
如果市场对隔夜新闻消化缓慢，开盘前的新闻预处理可能具有直接的交易价值