利好为何不涨？AI预测财报竞赛揭秘
今天（9月30日）的市场走得摇曳生姿，跌宕起伏。消息面上，前夜贴息政策重磅发布，理论上利好房地产板块。但相关板块却是低开下挫，一度大跌4.35%。好在先抑后扬，最终收涨0.91%。
很显然，我们要问，为何利好反而导致低开下挫？这就是所谓的利好兑现是利空吗？
这也是量化研究一直想解决的问题。当然，A 股的政策反应与美股的财报反应并非同一机制，本文只是借用"利好为何不涨"这个问题说事儿。
今天为你介绍 Optiver 与芝加哥大学研究者（Ralph & Bradford）合作的一个平台：explainingmarkets.ai。它正在做一场面向全球参赛者的公开竞赛：参赛者构建 AI 系统，预测股票对财报公告的反应，并在真实市场结果面前接受检验。
站在主办方一侧，平台的研究者还做了一组对照实验：用 OpenAI 的 GPT-6 Luna、Sol、Astra 三个模型，测试不同数据输入能让"AI 解释财报反应"的能力提升多少。
Ralph S. J. Koijen 和 Bradford (Lynch) Levy 都来自芝加哥大学布斯商学院。竞赛基于他们合著的工作论文《Assessing the Benefits of Optimized Agentic AI Systems for Asset Pricing》提出的基准，配有一套 SDK，供研究者在实时、样本外的标准下评估 AI 系统。
芝加哥大学是全球经济学人心中的麦加，是芝加哥学派发源地，芝加哥学派深刻塑造了现代经济学面貌。
/01 老问题：业绩超预期，股价为什么还跌？
每到财报季，交易员都会遇到这样的场面：一家公司的营收、利润、下季指引全部超出分析师预期，第二天股价却下跌。
英伟达就是典型。据 Explaining Markets 的博客，在 2026 年 8 月那次财报之前，英伟达已经连续四个季度在营收、EPS 和下季指引上全部超预期，但每一次都引发次日股价都下跌，平均超预期幅度约 4.8%。
这说明股价反映的不是"好消息"，而是"比预期更好的消息"。但预期到底是什么，很难量化，更难让 AI 去理解。
/02 Explaining Markets：一场面向全球的"AI 系统"竞赛
参赛流程分三步：
- 搭建并连接。 下载示例 Notebook，或使用官方基于 Modal 云平台的启动模板，搭好智能体并接入平台。官方称多数人 30 分钟内就能跑起来。
- 接收实时事件。 公司发布财报时，你的智能体会收到一份电话会议的要点摘要，并在预测截止时间前提交预测。
- 跟踪成绩。 每个预测都会与实际市场表现对比，成绩更新在公开排行榜上。
每个事件，智能体提交一个 0 到 1 之间的数，表示它预期这只股票的市场反应，在当季所有财报公告中处于什么百分位：0 最负面，0.5 居中，1 最正面。它考的是相对排序，而不是具体涨跌多少。每个事件以第一次有效提交为准，迟交、格式错误或越界都算漏报。漏报的事件会被主办方用你自己的平均预测补上，所以跳过并不划算。
平台用 R² 衡量预测与实际收益的吻合程度，可以理解为"预测能说明多大比例的收益差异"。排行榜对每个智能体给出三个数字：
- 仅用"盈利超预期"的基准 R²；
- 加上智能体预测后的完整模型 R²；
- 两者之差 ΔR²，即预测比"只看盈利超预期"多解释了多少。
季度榜按 ΔR² 排名，奖金排名则按全部计分事件上的 ΔR² 计算。评分逻辑全部公开在示例仓库里。
任何人都可以参加，包括学生、研究者、工程师和独立开发者，不需要金融背景，会 Python 即可。没有报名费，成本主要取决于调用哪些模型、调用多频繁，官方称 Koijen 和 Levy 论文的全部预算不到 10 美元。每个账户最多提交 5 个智能体，每个智能体最多 10 名队员。
前五名分享总共 7500 美元（2500、2000、1500、1000、500 美元），由 Optiver 出资，芝加哥大学发放。
/03 参赛者比的是什么？
所有参赛者拿到的官方材料是一样的：每个事件会通过平台接口推送，带有该事件的信息包，其中核心是电话会议的要点摘要。
规则没有限定模型和工具，也不限制你自行补充数据，前提是不得使用事件"知识截止时间"（knowledge_cutoff）之后的任何信息。这条限制覆盖数据收集、提示词、检索、外部搜索、人工调研和人工调整的全过程。截止时间之后的价格、成交量、期权数据等市场信号不能用，除非是官方接口提供的。违规者没有领奖资格，还可能被公开标注或移出榜单，获奖者可能被要求提供日志、时间戳等记录，甚至接受审计。
所以差异只能来自参赛者自己的方法：怎么设计提示词和推理流程，选什么模型，补什么截止时间之前的公开数据，以及怎么处理官方材料。前视偏差是这个基准最想避免的问题，也正是规则写得这么严的原因。参赛者不需要公开代码或提示词，只需提供一份高层级的方法说明。
截至 9 月 30 日，Q3 赛季榜单前三名的完整模型 R² 为 26.5%、26.1%、26.0%，基准 R² 为 9.7%，ΔR² 分别为 0.168、0.164、0.162。该赛季计分期到 10 月 2 日才结束，这些仍是初步结果，要等资格和合规核验后才作数。
/04 实验之一：让 AI 读电话会议
除了比赛之外，主办方自己也在做数据实验，并据此决定往每一季的比赛中，增加新的数据源。这些新的数据源据信将提高参赛者模型的解释能力。
tip
某种程度上，你可以认为，通过这个竞赛，顶流基金和经济学家也给出了LLM 因子挖掘方向上他们的最新研究。建议读者不妨把这些研究用在其它竞赛上，比如 WorldQuant 排名赛上，也许可获得一些新的 Alpha。数字之外还有信息。主办方从电话会议中提取结构化事实，交给 OpenAI 的 Luna、Sol、Astra 三个模型，Luna 最小，Astra 最强。以英伟达为例，提取出的要点包括：
- 第二财季营收创纪录，为 960 亿美元；
- 下季营收指引为 1080 亿美元（±2%）；
- 毛利率因存储价格上涨而下调，第三季度约 74%，第四季度触底 71%–72%；
- 数据中心营收 890 亿美元，环比增长 18%；
- 中国数据中心算力收入仍不计入展望。
加入这些事实后，完整模型的 R² 从 10% 升到 21%–23%，翻了一倍多。
但主办方也指出：三个模型的成绩非常接近，推理强度从中等调到最高，对 Luna 也毫无帮助。主办方的解释是，股价只对新信息作出反应，而一条信息是否"新"，取决于市场事先预期了什么。"营收 960 亿美元"本身没有好坏之分：预期 920 亿，它是大惊喜；预期 950 亿，只是小幅超出。模型只看到"960 亿"，不知道预期，再聪明也难以判断。
/05 实验之二：财报前由智能体写一份研报
于是有了三季度的核心实验。2026 年第三季度，每次财报电话会之前，主办方都运行一个智能体任务：让 Claude Opus 5 在 Claude Code 环境中，运行 Anthropic 的财报预览技能（earnings preview skill）。
这个智能体只被告知公司名称、财季和发布时间，其余信息自己在公开网络上查找，产出一份标准化的前瞻研报，内容包括一致预期与公司指引、本季最关键的指标、牛/基/熊三种情景及对应的股价反应，以及市场仓位与情绪。546 个竞赛事件中，有 542 个生成了研报。
这种让 AI 写研报，然后以此作为输入的方法，也是我们可以借鉴的。以下以英伟达财报事件为例，看看AI 研报的几个核心事实和观点。
案例：英伟达财报事件
财报于 2026 年 8 月 26 日美东时间收盘后发布。研报写成时，股价约 212.51 美元，市值约 5.24 万亿美元，距 52 周高点（236.54 美元）约低 10%。
区分"卖方共识"和"买方门槛"
| 指标 | 公司指引 | 卖方共识 | 买方/耳语 |
|---|---|---|---|
| 营收 | 910 亿美元 ±2% | 919–923 亿美元 | 940–950 亿美元 |
| 非 GAAP EPS | — | 2.08–2.09 美元 | 约 2.15 美元以上 |
| 数据中心营收 | — | 约 857 亿美元 | 高 800 亿美元档 |
| 毛利率 | 约 75% | 约 75% | ≥75%，不受 Rubin 爬坡稀释 |
| 下季营收指引 | — | 1038–1041 亿美元 | 1050 亿美元以上 |
这张表正是此前模型缺少的东西。研报明确写道：超过 920 亿美元只是"入场券"，真正有区分度的是 950 亿美元以上。
关键博弈点
研报认为最重要的只有一个数字：下季营收指引。1050 亿美元是多头分界线，1030 亿美元是失望线。它还称，最近四次股价反应是由指引相对买方门槛的高低驱动的，而不是本季超预期的幅度。
这正好对应开头那个"连续四次超预期却下跌"的现象：超的是卖方的数字，没超过买方的。
情景与概率
| 情景 | 概率 | 下季指引 | 关键驱动 | 预期股价反应 |
|---|---|---|---|---|
| 牛 | 约 25% | ≥1060–1080 亿美元 | Rubin 提前、毛利率守住 75%、中国重新计入指引 | +6% 至 +11% |
| 基 | 约 50% | 1040–1055 亿美元 | 常规小幅超预期，毛利率约 75% | −3% 至 +3% |
| 熊 | 约 25% | ≤1030 亿美元 | 指引仅符合预期，毛利率滑向约 73.5% | −8% 至 −13% |
研报还写到，期权隐含波动约为 ±5.4% 至 ±5.9%（来自网络上的二手数据，与下文平台提供的官方统计不是同一来源）；半导体基金三周净流出约 63 亿美元；美银牛熊指标处于 9.5 的极端位置（偏向反向看多信号），说明市场情绪并不狂热。它的结论是：期权定价的波动幅度低于牛熊两种情景，如果对尾部结果有信心，期权定价算合理。
事后对照：大致落在牛市情景内
电话会实际披露的是：营收 960 亿美元，下季指引 1080 亿美元，数据中心营收 890 亿美元。股价在反应窗口内的市场调整后收益为 +8.1%。
- 营收 960 亿美元，落在牛市情景区间（950–970 亿美元）内，也高于买方耳语上沿。
- 下季指引 1080 亿美元，达到牛市情景的上沿，远超 1050 亿美元的多头线。
- 数据中心营收 890 亿美元，刚好达到牛市情景要求的 890 亿美元。
- 股价 +8.1%，落在牛市情景预期区间（+6% 至 +11%）内。
也有两处与研报设想不符：
- 毛利率。 研报把守住 75% 作为牛市条件，把滑向 73% 以下视为熊市信号。实际第三季度指引为 74%，第四季度还要降到 71%–72%，按研报自己的框架偏负面，但股价依然大涨。这说明市场更看重增长的量级，研报对毛利率的权重判断偏重。
- 中国。 研报把"中国重新计入指引"列为牛市条件之一，实际并未计入，牛市结果照样出现。
**这只是一个事后挑选的案例，不能证明研报有效，有效性要看下一节的整体 R²。**研报不是一份"准确预测"，而是给模型提供了一把尺子：有了"买方 950 亿美元、指引分界 1050 亿美元"这些预期数字，960 亿和 1080 亿才有了是否超预期的比较基准。
/06 主办方的验证：解释力提升到 30% 以上
有了研报作为额外上下文，主办方测试的每个模型表现都更好，排序也变得清晰：Astra 高于 Sol 高于 Luna。此前三个模型成绩接近的现象不再出现，这与博客"瓶颈在于缺少预期信息"的解释一致。
推理强度也开始发挥作用，尤其是对最小的模型：Luna 从中等强度的 24% 提高到最高强度的 29%，每 1000 个事件的成本不到 3 美元。GPT-6 Astra 在超高（xhigh）推理强度下，解释了超过 30% 的收益差异。
排行榜的正式排名看的是 ΔR²。博客里的 30% 是完整模型的 R²，对照约 10% 的基准，增量大约是 20 个百分点（这是我的换算，博客没有直接给出）。
与论文的对照。 网站首页引用的论文摘要称，最优的智能体系统把 R² 从约 8% 提高到接近 20%，那是在电话会议文本上提取信号并做优化的系统。本期博客的 30% 来自 2026 年第三季度的新数据和主办方的另一组测试。两者的样本和设置不同，不宜严格对比，也不宜与参赛榜单直接比较，但方向一致：好的上下文能显著提高解释力。
/07 下一步：加入期权市场数据
根据前面的研究，主办方将为 Q4的比赛注入新的数据：
从 2026 年 10 月 3 日起，平台会为有流动性期权的股票，附上三项来自期权市场的统计量，都在知识截止时间之前测得。研报也会从同一天起成为每个提交都会收到的数据，参赛者无需自己搭建研究流程。
- 隐含财报波动率： 用财报后前两个到期日的平值隐含波动率，按 Dubinsky 等人（2019）的期限结构法，把财报事件的跳动与日常波动拆分。
- 隐含绝对波动幅度： 市场预期的价格跳动幅度，只有大小，没有方向。
- 25-delta 偏斜： 25-delta 看涨期权的隐含波动率减去看跌期权的隐含波动率（Carr 和 Wu, 2007）。为负，说明下行保护定价更高。
以英伟达为例，它在历史数据中的期权统计是：
- 隐含财报波动率：6.36%
- 隐含绝对波动幅度：5.07%
- 25-delta 偏斜：−1.61 个波动率点
研报和期权统计都放在事件的 DisclosureBundle 中，通过 information_url 获取。两项都是可选项，没有就不会出现，所以代码要能优雅回退。不到一半的 Q3 事件有期权统计。这些新数据能带来多大提升，博客目前没有给出结果。
/08 结论
回到最初的问题：AI 能解释财报后股价的反应吗？
竞赛还在进行，到目前为止，仍有70%的差异无法解释。当然，理论上我们也不应该期待差异得到100%的解释。
Explaining Markets 目前给出的答案是：AI 已经能读懂一部分财报与股价的关系，而让它做到这一点的关键，不是更强的模型，而是让它知道市场事先预期了什么。
无论如何， Koijen和Levy在他们的工作论文和竞赛中，给出了新的方法。对量化人来说，受反身性影响，很少有永恒的 Alpha (但确实有，比如小市值)，寻找 Alpha 的过程，就是寻找新的信息和新的加工方法的过程。