收益状态行为画像（Return‑State Behavior Profile）
研究工具 · 投资组合风险诊断
市场下跌时，一条收益序列是跟着下跌、保持平稳，还是反向上涨？每个结论背后有多少个月的数据？
这套可复用的诊断流程按基准收益的明确规则划分历史月份，报告各状态下的条件收益、下行贝塔和尾部月份收益，并标明每个数字背后的月份数，帮助研究员讨论策略过去的风险暴露与稳健性，而不只依赖夏普比率这类单一汇总指标。
输入 带日期的月度策略收益与基准收益，注明是扣除交易成本后的净收益还是扣除前的毛收益（现金收益可选）。因子、信号和股票特征都不直接输入。目前只在本存档上验证，其他收益序列属于计划中的扩展。
分析 按基准收益的明确规则，把各月归入从常态到尾部、可相互重叠的五种市场状态，再逐一计算各状态的收益、下行贝塔和胜率（正收益月份占比）。
输出 各市场状态的划分规则、阈值与月数；条件收益与下行贝塔，附 95% 置信区间；小样本提示。以雷达图、数值表和 CSV 给出。
历史示例与局限
- 存档
- 基于股票特征信号的美国股票多空回测，出自作者存档的白皮书（题名中有“状态感知”字样，但组合规则本身不随市场状态切换）。
- 数据
- 2007 年 4 月至 2025 年 11 月的月度数据（共 224 个月）；诊断结果在构建网站时由存档记录计算。
- 成本
- 已扣除调仓时计提的买卖价差成本代理（平均每月 0.73 个百分点）；未对融券与融资成本和市场冲击建模。
- 样本
- 默认状态定义下各状态的月数：常态 178、强势上涨 23、修复 50、下行 23、尾部 12；各状态相互重叠。尾部结果只建立在 12 个月上，只描述这段历史样本，不代表未来下跌行情中受到保护的概率。
- 结果
- 在 23 个下行月份（基准月收益不高于 −5.88%）中，策略净收益序列的下行贝塔为 0.20（95% 置信区间 −0.47 至 0.87），平均月收益为 2.28%（0.62% 至 3.94%）；在 12 个尾部月份中，平均月收益为 2.72%（−0.09% 至 5.53%），其中 9 个月为正。在这段历史中，它平均而言没有随市场下跌。但这些区间没有计入配置筛选的影响，而且前后两个半样本的下行表现明显不同：这只是对这段历史的描述，不能当作可以依赖的对冲。
- 选择
- 这一配置是在更早的研究中从多个方案里选出的，其信号载荷的估计样本也可能与回测期重叠：回测带有选择偏差，也不应被当作样本外结果。
- 性质
- 存档回测：不是实际交易，未经审计，也不预测收益。可复用的是这套流程，而不是“这个策略比别的策略好”。完整证据与局限
能回答什么问题
这份画像不止给出一个平均数或比率：它说明一条收益序列是在什么时候取得这些收益的，以及每个数字背后有多少证据。它帮助投资组合经理或研究员提出这些问题：
- 风险暴露是否不对称？把下行贝塔（连同其区间）和下行期收益，与常态期收益（Carry）及全部月份的参照值对照来看。
- 看似突出的尾部特征，是否只建立在很少的观测上？尾部状态只有 12 个月；其中 9 个月收益为正（75%），这一比例的 95% 置信区间为 42.8% 至 94.5%。
- 这段记录主要靠修复期、常态期，还是少数极端月份？把五项收益类指标连同 n 并排阅读。
- 诊断结论对状态定义有多敏感？切换到五分位或更深的修复阈值，看哪些轴发生变化。
- 划出一部分资金（sleeve）配置策略后，组合的变化有多少来自策略本身，有多少只是因为少持了股票？把“代理 + 5% 策略”与“代理 + 5% 现金（参照）”对照（10% 一组同理）：两者的资金都按比例划出，股票比例都降到 57% 或 54%。这些都是描述性的混合序列，不是配置建议。
它不预测收益，不估计容量，也不能说明一个策略下次会以同样方式表现。
输入
分析器只读取带日期的收益；因子、信号和股票特征都不直接输入。
其他收益序列的输入约定（计划中的扩展）。下表列出一条新序列需要提供的字段。本例的读取程序读的是存档自己的列（strategy_ret、gross_ret、equity_market、cash 及各混合序列）和固定的 224 个月样本，只在这份存档上验证过。
| 字段 | 是否必需 | 格式 | 本例 |
|---|---|---|---|
date |
必需 | 每月一行，按时间排序、不重复、连续 | 2007 年 4 月至 2025 年 11 月，224 个月 |
strategy_return |
必需 | 小数形式的月收益，注明净收益还是毛收益 | 扣除买卖价差成本代理后的净收益（调仓时按每只股票估计的单边买卖价差成本乘以其权重变化计提；平均每月 0.73 个百分点）；另提供毛收益序列 |
benchmark_return |
必需 | 月份与频率相同；市场状态只由它决定 | 美国股票市场收益（CRSP 市值加权；Fama–French Mkt-RF 加 RF） |
cash_return |
可选 | 只在需要时使用 | 一个月期美国国债（RF），用于 60/40 股票–现金代理组合 |
| 元数据 | 必需 | 来源、币种、成本口径、最近更新日期、是否允许公开 | 美元；存档白皮书数据表；数据不公开，本页只展示汇总统计 |
分析步骤
- 读取 读入带日期的月度收益，把收益序列与基准逐月对齐。
- 校验 月份排序、不重复、连续；无缺失值；小数单位；核对会计恒等式（例如 60/40 代理 = 0.6 × 股票 + 0.4 × 现金）。任何一项不通过，构建即停止。
- 配置 选择状态定义（分位数阈值、尾部阈值、修复回撤阈值）。样本窗口为存档全样本：半样本窗口的部分单元未通过数据管线的披露筛查，因此不予公布。
- 计算 基准回撤与市场状态；八项状态条件指标；各状态的观测数。
- 比较 在相同月份、相同状态下比较收益序列与基准；标准化得分只用于雷达图。
- 解读 / 导出 雷达图、原始数值表、定义与小样本提示；汇总统计可导出为 CSV。
交互演示
下面每个控件都在若干结果之间切换，这些结果由经过测试的数据管线在构建网站时根据存档记录算出：7 条收益序列（四条来自存档，三条由公开的市场收益和国库券收益构建）× 3 种状态定义，共 21 组。只提供全样本：若公开半样本结果，可以从公开的汇总统计反推出私有收益序列的个别月份，数据管线的披露筛查会拒绝这类结果。不上传任何数据，浏览器只负责画图，不做估计。默认视图（策略净收益序列、十分位且尾部 5%、全样本）与存档雷达数据表的差异小于 1 × 10⁻⁸。
输出
参考输出：默认视图。由生成图表的同一条数据管线在构建时写出，不开 JavaScript 也能阅读。这是存档示例中一条序列的结果；其余 20 组请用上方控件切换。
| 指标 | 市场状态（月数） | 策略（扣除成本代理） | 95% 区间 | 美国股票基准 | 标准化得分：策略 / 基准 |
|---|---|---|---|---|---|
| 常态期收益 | 常态（178） | 1.26% | 0.71% 至 1.80% | 1.22% | 0.63 / 0.62 |
| 上行参与 | 强势上涨（23） | 2.46% | −0.57% 至 5.50% | 8.39% | 0.75 / 1.00‡ |
| 修复期收益 | 修复（50） | 1.55% | 0.02% 至 3.09% | 5.18% | 0.66 / 1.00‡ |
| 下行贝塔 | 下行（23） | 0.20 | −0.47 至 0.87 | 1.00§ | 0.65 / 0.25 |
| 下行期收益 | 下行（23） | 2.28% | 0.62% 至 3.94% | −8.27%§ | 0.73 / 0.00‡ |
| 下行期正收益频率 | 下行（23） | 17/23（73.9%） | 51.6% 至 89.8% | 0/23（0.0%）§ | 0.74 / 0.00 |
| 尾部期收益 | 尾部（12）† | 2.72% | −0.09% 至 5.53% | −9.85%§ | 0.77 / 0.00‡ |
| 尾部期正收益频率 | 尾部（12）† | 9/12（75.0%） | 42.8% 至 94.5% | 0/12（0.0%）§ | 0.75 / 0.00 |
| 全部月份：平均月收益 | 全部月份（224） | 1.48% | 0.94% 至 2.03% | 0.98% | — |
| 全部月份：对基准的贝塔 | 全部月份（224） | 0.00 | −0.12 至 0.12 | 1.00 | — |
| 全部月份：正收益月份占比 | 全部月份（224） | 157/224（70.1%） | 63.6% 至 76.0% | 148/224（66.1%） | — |
| 市场状态 | 判定规则（由基准收益决定） | 月数 | 阈值 |
|---|---|---|---|
| 常态 | 基准月收益严格介于第 10 与第 90 百分位之间 | 178 | −5.88% … 6.26% |
| 强势上涨 | 基准月收益不低于第 90 百分位 | 23 | ≥ 6.26% |
| 修复 | 基准上月末回撤深于 −5%，本月回撤收窄且基准收益为正 | 50 | −5% 回撤 |
| 下行 | 基准月收益不高于第 10 百分位 | 23 | ≤ −5.88% |
| 尾部 | 基准月收益不高于第 5 百分位 | 12† | ≤ −7.86% |
† 月数少于 15：样本很小，只作描述，不作推断。‡ 得分被截断为 0 或 1（本视图 16 个得分中有 4 个），请比较原始数值。§ 由状态定义决定或限定：市场状态由基准定义，所以在这几行中基准的贝塔为 1，收益不高于（为负的）阈值，且没有正收益月份；这些只是参照点，不是比较输赢。示例策略为多空组合，基准为纯多头。
95% 区间假定各月相互独立，只作描述：均值和贝塔用 t 区间（贝塔用 OLS 标准误），正收益频率用 Clopper–Pearson 区间。状态之间的重叠和这一配置的筛选过程都未计入。区间很宽，说明历史数据无法把这个值确定下来。斜体行是全部月份的参照值，用来对照各状态的条件值。
状态可以重叠：尾部月份都属于下行月份；20 个强势上涨月份同时是修复月份。百分位按全部 224 个月的基准收益计算（事后划分，并非事前可交易的信号）。数据：存档回测（不是实际交易，未经审计），2007 年 4 月至 2025 年 11 月的月度数据；此表在构建网站时由数据管线生成。
指标定义。八项指标对收益序列计算，并在相同月份上对基准计算。
| 指标 | 状态 | 原始量 | 单位 | 标准化得分 |
|---|---|---|---|---|
| 常态期收益（Carry） | 常态 | 平均月收益 | 每月 % | clip((raw + 0.05) / 0.10, 0, 1) |
| 上行参与（Upside Participation） | 强势上涨 | 平均月收益 | 每月 % | 同上 |
| 修复期收益（Recovery） | 修复 | 平均月收益 | 每月 % | 同上 |
| 下行贝塔（Downside Beta） | 下行 | 对基准的 OLS 斜率，cov / var，ddof = 1 | 斜率 | clip(1 − (β + 0.5) / 2, 0, 1) |
| 下行期收益（Downside Reactivity） | 下行 | 平均月收益 | 每月 % | clip((raw + 0.05) / 0.10, 0, 1) |
| 下行期正收益频率（Downside Reliability） | 下行 | 收益为正的月份占比 | 占比 | 即占比本身 |
| 尾部期收益（Tail Reactivity） | 尾部 | 平均月收益 | 每月 % | clip((raw + 0.05) / 0.10, 0, 1) |
| 尾部期正收益频率（Tail Reliability） | 尾部 | 收益为正的月份占比 | 占比 | 即占比本身 |
方法说明。市场状态只由基准决定，从不由被诊断的收益序列决定。分位数用所选窗口内的全部月份估计，因此是事后划分，不是事前可交易的信号。修复规则依据 2007 年 4 月以来的基准回撤判定，因此样本的第一个月也可能被划为修复月份。状态之间可以重叠：尾部月份都属于下行月份，许多强势上涨月份同时也是修复月份。上行参与在白皮书中称为 Positive Convexity（正凸性）；它是条件均值，并非数学意义上的凸性估计。同样，常态期收益（Carry）指常态月份的平均收益，并非通常意义上的套息收益（价格不变时可获得的收益）。市场状态由基准定义，所以基准的下行贝塔（1）、下行与尾部平均收益（低于阈值）和胜率（0）都由构造决定或限定。标准化是作者为把八项指标放进同一张图而设的展示刻度；得分为 0 或 1 往往是截断所致，与统计显著性无关，被截断的得分都有标注。区间：均值和贝塔用 t 区间（贝塔用 OLS 标准误），胜率（正收益频率）用 Clopper–Pearson 精确二项区间，均假定各月相互独立；状态之间的重叠和这一配置的筛选过程都未计入。工具名沿用规格中的英文名 Return-State Behavior Profile（美式拼写）。
输出约定。每组结果都包含指标名称、原始值、单位、标准误和 95% 区间、标准化得分及截断标记、基准数值是否由状态定义决定的标记、状态规则、n、日期范围、基准、标准化公式、数据来源和提示，另有一行全部月份的参照值；上方的 CSV 导出正好写出当前视图的这些字段。日期。数据区间（2007 年 4 月至 2025 年 11 月的月度回测数据）由存档决定；图表上方显示的构建日期，只是本站据此重新计算诊断结果的日期。
使用与迁移
诊断只是一条更长链条的最后一层。更换收益序列在本页范围之内；更换序列背后的因子或信号则不在。
- 分析另一个策略。按上文的输入格式，提供一条有使用许可的月度收益序列及其基准，再重新计算各项诊断。在本存档以外的序列上验证读取程序，属于计划中的扩展。
- 更换 alpha 因子或信号。须先重建信号和组合并重新回测。因子名称不能直接换进这套基于收益的分析：分析器看到的只是上游链条最终产生的收益。
- 模型是否带来增量。NA-IPCA 信号是否优于更简单的特征信号，是本页没有检验的假设。要检验它，需要在相同的组合规则和成本下另做一套上游回测（例如普通 IPCA 或单一特征信号），所有载荷只用检验期之前的数据估计，再在相同月份上用这套诊断逐个状态对照两条收益序列。
- 第 1 层 · 上游 因子或模型输入 计划中的扩展
- 第 1 层 · 上游 时点一致的信号
- 第 1 层 · 上游 组合权重、成本、调仓
- 第 1 → 2 层 · 接口 月度收益序列（+ 基准）
- 第 2 层 · 本页运行于此 收益状态诊断 已实现并测试
虚线框是本页不运行的上游研究。新的因子或信号改变的是第 1 层，必须先做新的回测（信号、权重、成本），才会有对应的收益序列；之后同一套诊断才适用。在固定的收益数据上加一个因子下拉菜单，只会给同样的数字换标签，所以本页不提供。
本例真实的上游链条（仅作说明，本页不重跑）：
- 153 个股票特征（JKP 特征库），每月做秩标准化。
- NA-IPCA alpha 载荷，由作者在更早的一项研究中估计：只有一组固定载荷，原样用于每个建仓月（2007 年 3 月至 2025 年 10 月）。本页没有记录其估计样本，它可能与回测期重叠。
- 信号：每只股票的得分等于其特征乘以这些载荷，s = z′Γα。
- 组合：每个建仓月对股票池中的全部股票排序；做多前 5%，做空后 5%，等权（多头约 +1，空头约 −1）。
- 每季度调仓，持有三个月。
- 月度毛收益，在调仓月扣除买卖价差成本代理（每只股票估计的单边买卖价差成本乘以其权重变化）：即本页诊断的净收益序列。
选择偏差提示。这一配置是作者在更早的一项策略筛选研究中，从多个候选方案（股票范围、尾部比例、持有期）里选出的最佳方案。因此它的回测带有选择偏差；本页的诊断只描述被选中的这条序列，并不校正这一筛选过程。又因为信号载荷是一组固定值，其估计样本可能与回测期重叠，这条序列也不应被当作样本外结果。
| 步骤 | 状态 |
|---|---|
| 对七条收益序列、三种状态定义的全样本诊断 | 已实现并测试 管线测试：输入校验、与存档的一致性（1 × 10⁻⁸ 以内）、状态计数、变体计数、区间与直接复算一致、截断标记、只输出汇总统计、披露筛查（任何月份都无法由公开的线性汇总统计精确解出；属启发式检查，并非隐私保证）、结果可复现 |
| 让另一条经过校验的月度收益序列和基准走同一套流程 | 计划中的扩展 上文已定义输入约定；尚未在其他策略上验证 |
| 更换收益序列背后的因子、信号或模型 | 计划中的扩展 必须先重建第 1 层并重新回测 |
| 在本站上传自己的收益数据 | 不提供：没有处理专有数据的安全机制 |
历史示例、证据与局限
存档研究示例
- 内容。作者存档白皮书（2026 年，题名“Regime-Aware Alpha Strategy”，但组合规则本身不随市场状态切换）中的一个基于 NA-IPCA 股票特征信号的美国股票多空回测：月度收益，2007 年 4 月至 2025 年 11 月，共 224 个月，已扣除买卖价差成本代理；同时提供毛收益序列和 60% 美国股票 + 40% 现金的代理组合。
- 性质。历史回测。不是实际交易，未经审计，也未从原始输入独立复现。成本代理在调仓时（约每三个月一次）按每只股票估计的单边买卖价差成本乘以其权重变化计提；它使全部 224 个月的平均月收益降低 0.73 个百分点，常态月份的平均收益从 1.91%（毛）降到 1.26%（净），因此结果对这一成本假设较敏感。没有对融券与融资成本和市场冲击建模；组合在整个股票池内等权，容量未经检验。该配置是在更早的研究中选出的，其信号载荷的估计样本也可能与回测期重叠（见上文提示）。
- 复现范围。本站数据管线（
pipeline/exhibits/return_state.py）根据存档月度记录重新计算全部八项指标，与存档的雷达数据表相差小于 1 × 10⁻⁸（最大差异约 2 × 10⁻¹⁵）；作者另行提供的复算脚本在同一文件上也通过。两者都只是对所提供数据的内部一致性检查，不是对回测或其输入的审计。 - 公开因子收益。存档文件中还有 Fama–French 多空因子收益（来自 Kenneth R. French Data Library：毛收益，未计成本）。与 2026 年 10 月 11 日下载的该数据库月度文件（F-F_Research_Data_5_Factors_2x3 与 F-F_Momentum_Factor，基于 2026 年 8 月的 CRSP 数据库）相比，这些列在部分月份存在差异，各因子的最大差异在 0.2 至 1.7 个百分点之间，很可能源于该数据库之后的修订，因此本页不把它们作为可选序列。市场收益和无风险收益两列与数据库完全一致。
- 局限。状态为事后划分且相互重叠；尾部只有 12 个月；区间假定各月相互独立，也未计入配置的筛选；展示刻度为自定义并带截断；只用一个基准；只有一个存档策略。跨时期稳定性：半样本结果不公开，因为它们可以用来反推私有序列的个别月份；作者的内部检查发现，前后两个半样本的下行表现差别很大，因此不应把全样本画像当作稳定的特征。
- 数据权利。月度收益序列不公开。本页及其 JSON 只包含汇总统计：各状态的月数、阈值、八项指标及其区间，以及一行全部月份的参照值。发布前，数据管线会做一项披露筛查：把公开的每个均值和贝塔分子视为关于私有月度收益的线性方程，把由区间隐含的每个平方和视为关于其平方的线性方程；只要任一月份在任一方程组中的杠杆值（该月在这些方程所张成空间上的投影矩阵对角元）达到作者自定的上限 0.75，就拒绝发布（本页最大值为 0.70；若等于 1，则该月可被精确解出）。这项筛查排除了仅凭这些线性方程和公开市场收益精确还原单个月份的可能，但没有考虑正收益月份计数、统计量的非线性组合、外部信息或对单月的近似推断，因此只是启发式的防护措施，并非隐私保证。基准与现金收益来自 Kenneth R. French Data Library（Mkt-RF 加 RF，基于 CRSP 构建），已注明出处；本页只发布由其计算的汇总统计，不转载该数据库的文件。