事件关联套利

事件对象

{
  "event_type": "tariff | sanction | merger | litigation | regulation | policy",
  "surprise": -2 to 2,
  "duration": "one_day | multi_week | structural",
  "primary_assets": ["list"],
  "secondary_assets": ["list"],
  "factors": ["inflation", "growth", "liquidity", "regulatory"],
  "confidence": 0 to 1
}

市场里充斥着文本。GPT 式抽取的价值，不在于它能预测最终的价格反应，而在于它能把形式各异的文档标准化成一个统一的事件对象，而且快到足以供下游的排序、篮子构建和执行逻辑使用。

三类可交易的桶

• 联动延续： 那些还没有充分反应的二阶标的
• 过度反应的反向操作： 由低质量新闻标题推动、却不会持久影响现金流的行情
• 体制重新定价： 持续性的政策或监管转向，值得用较慢的多日再平衡去应对

大多数散户把所有事件交易混为一谈。这是个错误。关税新闻和 FDA 批准都算"新闻"，但它们的衰减曲线和执行要求完全不同。事件对象需要一个 持续时间字段 正是为了让组合知道该做反向、该加码，还是该缓慢建仓。

流程设计

1. 接入通讯社快讯、新闻稿、申报文件、讲话和会议记录。
2. 对文档做去重，避免同一个事件被重复计入。
3. 抽取事件类型、受影响主体、预期持续时间，以及可能的经济传导渠道。
4. 把这些主体映射到行业与因子敞口上。
5. 把市场的实际走势与模型隐含的走势作对比。
6. 交易滞后的那一篮子，或者对超调做反向操作。

若 duration = structural 且 confidence 高于 0.75：
    放慢节奏、减小规模、跨多日操作

若 duration = one_day 且 confidence 低于 0.55：
    寻找反向机会，而不是追涨杀跌

若二阶篮子尚未反应、而一阶篮子已经反应：
    交易这个时间差，并对冲市场 beta

实战手册

政策与监管冲击

相比个股交易，这类冲击对行业篮子和因子价差的影响往往更大。如果一条监管新闻改变了医保报销、资本金规则、出口限制或税务处理方式，一阶影响可能一目了然，但跨行业的传导要慢得多。

诉讼与司法裁决

这类事件对粗糙的文本系统来说很危险，因为法律上的细微差别至关重要。模型应当识别事件类型、可能的上诉路径、时点以及同业敞口，但后果重大的法律相关交易仍应保留人工复核。

地缘政治与贸易冲击

这类事件最适合做事件关联，因为首当其冲的标的往往瞬间反应，而供应商、替代品、货运商、区域 ETF 和与大宗商品挂钩的资产，反应则更慢、更不一致。

并购与公司行为

GPT 抽取能帮你识别交易告吹的风险、监管敏感度、融资路径，以及对同业的联动传导。它不该取代并购套利价差分析这类苦功夫，但可以改进初筛和同业映射。

执行与时点

事件 alpha 衰减很快，所以预设手册很重要。

• 即时窗口： 对事件分类，并梳理出一阶和二阶敞口
• 第一个小时： 判断这波走势是反应不足、反应适度，还是超调
• 第 1 天到第 5 天： 在二线标的或行业价差上，收割滞后的重新定价
• 数周尺度： 仅适用于持续时间已确认、且经济影响广泛的结构性事件

事件对象应当喂给一个篮子引擎，而不是变成一连串冲动的个股交易。

Big 风险

• 新闻重复： 同一个事件可能出现在多家通讯社，从而虚假地抬高置信度
• 法律细节： 诉讼和政策文本很微妙，请保留一层人工复核
• 拥挤主题： 显而易见的联动交易，在超大市值股上会被瞬间抢跑
• 成交方式： 事件 alpha 消散得很快，请选择流动性好的标的，并预先备好操作手册
• 持续时间错配： 对结构性事件做反向、或对单日事件加码，都是常见的错误