「趋势动物」思路的学术谱系

研究日期：2026-08-18

结论

「趋势动物」公开框架不是学术上的全新范式。把品牌化表达拆开后，它最接近四类成熟研究的组合：

趋势温度的方向部分：时间序列动量、移动平均和区间突破；
趋势温度的状态部分：连续趋势分数或隐含市场状态的离散化；
趋势相对强度：横截面动量，即在同一时点买强、卖弱；
仓位与风控：波动率管理、顺势加减仓，以及趋势策略的期权式收益结构。

这种对应关系说明相关思想在学术与系统交易中早已存在，但不能证明博主直接借鉴了某篇论文。目前能确认的直接来源只有：博主公开说“趋势相对强度”源于 William O’Neil 并针对楼市改良；其他论文只能判为概念上的学术前身或平行研究。[1][2]

一、最核心的拆解：他把两种动量放到了一起

1. 时间序列动量：这个资产自己是否已经形成趋势？

Moskowitz、Ooi、Pedersen 将过去收益预测同一资产未来收益称为 time-series momentum。论文在58个股指、外汇、商品与债券期货中发现，过去1至12个月收益存在延续，随后在更长周期部分反转；样本明确包含 COMEX 黄金。[4]

这与“趋势温度负责择时”高度相似：先判断黄金自己处于上升、下降或中性趋势，而不是先与其他资产比较。相似的是问题定义，不代表温度算法等于论文中的12个月符号函数。

更早的 Brock、Lakonishok、LeBaron 已系统检验移动平均与交易区间突破，并使用bootstrap比较随机游走、AR和GARCH等零模型。[14] 这对应“等趋势确认后再交易”的技术实现传统。

2. 横截面动量：在可选资产中谁更强？

Levy 早在1967年就以 Relative Strength as a Criterion for Investment Selection 为题，把“相对强弱用于投资选择”带入《Journal of Finance》；但公开页面只有可核验的书目信息，没有摘要或可读取全文，因此不能把二手资料常见的周期、公式和收益数字归给原文。[19]

Jegadeesh、Titman 1993年记录了买入过去赢家、卖出过去输家的横截面策略，在股票中形成3至12个月持有期的显著正收益。[3] 其2001年后续研究发现动量利润在1990年代仍然存在，降低了原结果只是数据挖掘的疑虑；长期反转与行为模型相符，但作者要求谨慎解释。[20]

Asness、Moskowitz、Pedersen 又在八类市场和资产中发现价值与动量溢价具有共同的全球结构；其动量信号使用过去12个月收益、跳过最近1个月，并按横截面名次连续赋权。[5]

这与“趋势相对强度负责选筹”高度相似：在同一时点，把城市、板块、股票、商品或其他标的排序，优先选择强者。Miffre、Rallis 在31个商品期货中检验横截面动量，样本明确包含100盎司黄金期货。[16]

3. 学术上这两者不能混为一谈

Goyal、Jegadeesh 专门比较 time-series 与 cross-sectional 策略：前者会产生随时间变化的净多头风险暴露，后者通常是横截面零净投资的多空排序；在异质的国际资产类别中，经尺度调整的横截面策略显著优于相似尺度的时间序列策略。[6]

因此，“趋势温度 + 相对强度”可理解为一个清晰的两阶段结构：

先用时间序列信号回答要不要参与，再用横截面信号回答参与谁。

这可能是趋势动物公开框架中最有学术依据、也最值得单独验证的部分。

二、“冻寒凉平温热沸”最接近什么研究？

1. 最接近的是状态/机制转换，而不是某个公认七级指标

Hamilton 1989年提出 Markov regime-switching 方法：时间序列参数由不可直接观测的离散状态决定，再根据数据推断每个状态的概率；其经典应用是正增长与负增长机制的切换。[7]

Maheu、McCurdy 进一步用持续时间相关的状态转换识别股市牛市和熊市。[8]

所以，把连续行情概括成“冷—中性—热”一类状态，在统计学上并不新鲜；它属于状态空间、机制转换或隐马尔可夫建模的广泛思路。

但有三个重要差别：

学术模型通常从数据估计状态及转移概率，而不是先命名七个等级；
两状态或少数状态常见，没有学术上的标准七级“冻寒凉平温热沸”；
状态标签不等于可交易规则，还需要明确输入、估计窗口、转移机制和执行时点。

因此，七个名称更像产品表达和交互设计；其底层可能来自连续分数分箱、规则状态机或概率状态模型，但公开证据不足以确认是哪一种。

三、为什么趋势可能延续？学术解释不是“趋势永远有效”

Hong、Stein 的模型包含“新闻观察者”和“动量交易者”：信息在市场中逐步扩散，导致价格短期反应不足，趋势追随者因而可能获利；但简单追涨也可能把长期价格推向过度反应。[9] Hong、Lim、Stein 随后的经验研究发现：越过最小市值组后，动量利润随公司规模下降；控制规模后，分析师覆盖越少，动量越强，而且该关系对过去输家更明显，符合负面信息传播较慢的解释。[22]

Barberis、Shleifer、Vishny 从投资者信念更新偏差构造了可同时产生反应不足与过度反应的情绪模型。[10] Daniel、Hirshleifer、Subrahmanyam 则用对私人信息精度的过度自信与偏差自我归因，解释短期正自相关、盈余漂移及长期反转。[21]

这些研究与“不预测终点、等价格确认后顺势”的思路相容，但它们提供的是可能机制，不是保证：

趋势可以来自信息缓慢扩散、机构调整迟缓和行为偏差；
趋势交易者本身也会强化趋势并造成过冲；
延续最终可能反转，所以“沸”不等于继续上涨概率无限提高。

四、右侧进场、加仓与低胜率大盈亏比

1. 右侧确认

学术与实证文献中的移动平均、区间突破和时间序列动量都属于“价格先动、信号后确认”的滞后规则。[4][14] 这与右侧交易一致：放弃最低点，换取对趋势存在性的更多确认。

但文献并没有给出一个普遍定律，证明从“平→温→热”胜率必然单调上升。确认更晚通常也意味着入场更晚、剩余空间可能更小；具体权衡必须由同一市场、同一成本口径的样本外数据检验。

2. 顺势加仓

按趋势变强逐步增加仓位，可以对应连续信号映射和动态风险配置；但“1–2试仓、3–4加仓、热时全仓”是具体产品规则，不是某篇论文的标准结论。[2]

学术上更成熟、可复现的是根据预计波动率调整风险。Moreira、Muir 研究按预期方差倒数缩放风险敞口；Barroso、Santa-Clara 针对动量策略发现风险随时间高度变化，其样本中恒定波动率缩放把Sharpe从0.53提高到0.97、最大回撤从−96.69%改善到−45.20%，说明尾部风险显著下降但远未消失。[12][13]

Cederburg 等人的更大范围复核给这一结论降温：在103个股票策略中，波动率管理并未系统性胜过原策略；合理的实时样本外组合通常因结构不稳定而取得更低的确定性等价收益和Sharpe。其正面效果主要集中在动量相关策略，而不是通用保险。[23]

3. 低胜率、截断亏损、让利润奔跑

Fung、Hsieh 发现趋势跟随基金收益更像回望式跨式期权，而不是线性持有资产：频繁小损失换取少数大趋势中的凸性收益。[15] 这为“小亏、多次试错、抓住少数大行情”提供了比“胜率高”更合适的学术描述。

Hurst、Ooi、Pedersen 将趋势跟随历史扩展至1880年，报告时间序列动量在各十年平均收益为正，并在其定义的十大60/40组合危机中有八次表现良好。[17] 这支持跨市场、长期、分散寻找趋势，但不等于任一单品种黄金策略都能复现组合层面的结论。

五、不能只讲支持证据：这套思想有明确反例与争议

Daniel、Moskowitz 发现动量策略会发生罕见但持续的崩盘，尤其出现在市场大跌后的恐慌状态、高波动环境以及随后快速反弹时。[11]

Huang、Li、Wang、Zhou 对时间序列动量提出重要质疑：逐资产回归在样本内外都只有较弱证据，合并回归的显著性可能被高估；他们认为策略盈利与简单历史均值规则相近，不一定证明过去12个月收益本身具有强预测力。[18]

这意味着研究黄金时必须区分：

一个规则历史上赚钱；
过去收益真正预测未来收益；
收益来自长期风险溢价、净多头暴露、波动缩放或样本选择。

三者不是同一命题。

六、学术谱系图

价格趋势传统
├─ 移动平均 / 区间突破
│  └─ Brock et al. (1992)
├─ 同一资产趋势
│  └─ Time-Series Momentum
│     ├─ Moskowitz et al. (2012)
│     └─ Huang et al. (2020) 反思与质疑
└─ 连续趋势 → 离散状态
   └─ Hamilton (1989) regime switching
      └─ 牛熊状态识别：Maheu & McCurdy (2000)

相对强弱传统
├─ 股票赢家减输家：Jegadeesh & Titman (1993)
├─ 跨资产共同动量：Asness et al. (2013)
└─ 商品期货含黄金：Miffre & Rallis (2007)

行为解释
├─ 信息逐步扩散：Hong & Stein (1999)
└─ 反应不足 / 过度反应：Barberis et al. (1998)

风险与收益形状
├─ 趋势跟随的期权式凸性：Fung & Hsieh (2001)
├─ 动量崩盘：Daniel & Moskowitz (2016)
└─ 波动率管理：Barroso & Santa-Clara (2015)；Moreira & Muir (2017)

趋势动物的公开产品层
├─ 趋势温度：时间序列方向 + 状态化展示（具体内核未公开）
├─ 趋势相对强度：横截面排序（作者称源于 O’Neil，改良公式未公开）
└─ 试仓→加仓→全仓：规则化仓位状态机（非学术标准模板）

七、最终判断

最准确的说法不是“趋势动物原创了一种新算法”，也不是“它就是某篇论文的中文版”，而是：

它把已有几十年的趋势跟随、时间序列动量、横截面相对强度、状态分类和风险管理思想，包装成了易懂的温度语言与操作流程。真正可能体现其独创性的部分，是具体数据、特征工程、状态边界和产品化组合；而这些恰好没有公开。

对黄金量化最值得验证的不是猜测七级阈值，而是分别检验：

时间序列趋势是否成立；
黄金在贵金属、商品或大类资产中的相对强度是否有增量信息；
两阶段组合是否优于单独使用任一信号；
波动率缩放能否降低崩盘风险；
结论是否经得住换月、成本、样本外和参数稳定性检验。

Sources