巴菲特效应：
同样是"买入"，名人买入股价会多涨吗？
链接：https://arxiv.org/abs/2610.17231 ｜ PDF
阅读状态：已通读全文 PDF（含正文与网络附录）。本页所有数字均摘自论文正文表格或附录表；凡是本页自行重算的结果标 本页重算，凡是用模拟数据画的图标 示意 · 模拟数据。
注意：这是尚未经同行评审的工作论文。
要点摘要
- 研究问题：同样是一次“新建仓”披露，由有名的基金经理披露，比由同类但无名的经理披露，股价会不会多涨一截？作者称这部分为“巴菲特效应”。（①）
- 设计：24 只知名主观选股基金，各用最优指派匹配 1 只无名对照基金，共 32,785 个新建仓与清仓事件（2000–2025）；用事件研究 + 双重差分（买入/清仓 × 知名/对照）估计“披露溢价”。（②③）
- 发现：整体有溢价，而且不反转；效应集中在知名度 \(z \ge 1\) 的五位经理（巴菲特、伊坎、伯里、阿克曼、佩尔茨），全设定下“高知名度 − 对照”的 CAR[0,1] 为 +1.422%，CAR[0,5] 为 +2.309%。（④）
- 推断：高知名度效应只由 5 个处理单位识别；改用少聚类的野聚类自助法（WCR），CAR[0,30] 的 \(p\) 值从分析性的 0.016 变为 0.148——同一个系数，推断方法不同，结论可以不同。（⑤）
- 机制：高知名度买入披露后，散户交易笔数显著增加（[0,1] +15.12 个对数点），单笔规模无显著变化，与“注意力”机制最一致。（⑥）
- 注意：这是尚未经同行评审的工作论文；主效应由 5 位经理驱动，有效样本很小。（⑦）
编者据本文正文整理；数字与结论详见下文各节。
① 背景：一个流传已久的"传说"
华尔街一直有个说法：伯克希尔·哈撒韦一披露买了什么，追随者就蜂拥而入，股价因为"巴菲特买了"而上涨。这到底是传说，还是可以被数据检验的规律？
美国规定大型机构投资者每季度通过 13F 表格向 SEC 披露持仓。13F 是公开的，所以任何人都能"抄作业"。已有研究发现，抄普通基金的作业在长期也能赚到超额收益。那么问题来了：
注意这个定义里藏着统计学最核心的概念：反事实。我们看不到"巴菲特买入但巴菲特不出名"的平行世界，只能找一个"其他方面相似、只是不出名"的对照组来近似它。整篇论文的设计都围绕着如何把这个对照做得可信。
作者提出了三种可能的机制，并分别推导出它们在数据中应留下的不同"指纹"——这是一个非常好的"用可证伪预测区分理论"的例子：
机制1：注意力（触达更多人）
信息相同，但名人的披露被更多人看到 \(\to\) 交易笔数增加；信息越稀缺的股票效应越大；不应反转。机制2：可信度（更有说服力）
每个看到的人更相信名人 \(\to\) 单笔交易规模变大，笔数未必变。机制3：盲目模仿（羊群）
与信息无关的跟风 \(\to\) 大盘股、小盘股都应出现；最关键：价格应该反转。统计启示
价格数据本身无法区分三种机制（三者都预测"涨"）。需要引入额外的可观测结果（笔数、单笔规模、长期是否反转）才能识别。这正是"识别（identification）"的含义：找到一种数据，让不同的解释给出不同的预言。② 数据：从 215 个名字到 32,785 个事件
样本是怎样一步步筛出来的
"主观选股型"的硬性筛选标准：至少 12 期季度申报；最近一次申报在样本结束前 8 个季度内；平均每期多头持仓 \(\le 100\) 只；平均每季度"新建仓+清仓"事件 \(\le 20\) 个。被筛掉的例子包括 Renaissance（量化）、Citadel 与 Bridgewater（多策略/宏观）、BlackRock（资产管理）、Duquesne（已转为家族办公室）。
"知名度"怎么量化？—— 投资者知名度指数
作者用两个指标：经理维基百科页面 2015–2025 年的平均月浏览量，以及 ProQuest 新闻库 2000–2025 年的提及总次数。两者都严重右偏（巴菲特月浏览 323,969，最低的 Rosenwald 只有 437），所以先取自然对数，再在 24 只基金内标准化为 \(z\) 分数，最后取平均（再标准化为均值 0、标准差 1）。两个分量的相关：Spearman 0.832，Pearson 0.854。
红色：\(z \ge 1\) 的"高知名度"五人组（巴菲特、伊坎、伯里、阿克曼、佩尔茨）。切换到"原值"能直观看到为什么要取对数——巴菲特一根柱子把其余人压成了一条线。
右偏数据的对数变换与 \(z\) 分数标准化
大白话巴菲特的浏览量比最低的人高出好几个数量级。直接平均的话，巴菲特一个人就能把平均数拽走。取对数相当于只看"差了几个数量级"：从 1 千到 1 万，和从 1 万到 10 万，算作同样大的一步。\(z\) 分数则像把不同科目的考试成绩都换算成"比全班平均高几个标准差"，这样单位完全不同的两个指标才能放在一起比、一起加。
当变量跨越好几个数量级（437 到 323,969），直接平均会被极端值主导。取对数把"乘法差异"变成"加法差异"（\(\ln(ab) = \ln a + \ln b\)），再做 \(z\) 标准化 \(z_i = \tfrac{x_i - \bar{x}}{s}\) 让两个量纲完全不同的指标（浏览量、新闻条数）可以相加。
注意：\(z\) 分数是相对于这 24 人计算的（\(\bar{x}\)、\(s\) 都来自这 24 人）。"\(z \ge 1\)"的含义是"在这个样本里高于均值 1 个标准差"，换一个样本，同一个人的 \(z\) 就会变。
Pearson 与 Spearman 相关
大白话两位评委给同一批选手打分，一位习惯打高分，一位习惯打低分。只要两人排出的名次差不多，Spearman 就高；Pearson 则更挑剔，要求分数大致落在一条直线上，而且一个特别离谱的分数就能把它带偏。
Pearson 衡量线性关系，对极端值敏感：\[r = \frac{\sum_i (x_i-\bar x)(y_i-\bar y)}{\sqrt{\sum_i (x_i-\bar x)^2}\,\sqrt{\sum_i (y_i-\bar y)^2}}\]Spearman 是对秩（排名）求 Pearson，\(\rho_s = r\big(\operatorname{rank}(x),\operatorname{rank}(y)\big)\)，衡量单调关系，对极端值稳健。论文中两者都很高（0.854 / 0.832），说明"维基热度"和"新闻热度"给出的排名基本一致，合成指数的两个成分互相印证（一种聚合效度）。
对照组：找"不出名的双胞胎"
每只知名基金按组合规模、集中度、存续年限三项特征，用最优指派（optimal assignment）匹配一只从未进入维基名单的主观选股基金，使两组总距离最小。匹配后检验平衡性：
| 特征 | Welch \(t\) 检验 \(p\) 值（原始尺度） | 标准化均值差 SMD |
|---|---|---|
| 组合规模（SMD 按对数尺度） | 0.42 | \(+0.09\) |
| 集中度（每期持仓数；SMD 按对数尺度） | 0.55 | \(-0.11\) |
| 存续年限 | 0.12 | \(+0.46\) |
| 换手率（约 9 vs 7 次/季度；非匹配变量，样本外检查） | 0.91 | \(+0.03\) |
来源：附录表 IA.XI。组合规模与集中度的 SMD 在对数尺度上计算，Welch 检验在原始尺度上进行；换手率不是匹配变量，作为样本外检查报告。集中度中位数：知名组每期 19 只持仓，对照组 21 只。
匹配后的平衡性：为什么看 SMD 而不只看 \(p\) 值
大白话匹配就是给每位知名经理找一个"各方面条件相近的普通同行"。配得好不好，要看两组到底差多少（SMD，以标准差为单位），而不是看检验"显不显著"。每组只有二十几只基金时，检验就像一把刻度很粗的尺子：量不出差别，不代表两样东西一样长。
每组只有 24 只基金，样本量很小时 \(t\) 检验检验力很低，"不显著"不等于"平衡"。SMD 与样本量无关，常用经验阈值是 \(|\mathrm{SMD}| \lt 0.1\)（严格）或 \(\lt 0.25\)。按这个标准，存续年限的 \(\mathrm{SMD} = 0.46\) 其实不算平衡，尽管 \(p = 0.12\) "不显著"——论文自己也承认这是匹配最差的一项，并在回归中加入基金年龄等控制变量。
Welch \(t\) 检验不假设两组方差相等，是两独立样本均值比较的默认安全选择：\[t = \frac{\bar x_T - \bar x_C}{\sqrt{s_T^2/n_T + s_C^2/n_C}}\]
③ 方法：事件研究 + 双重差分
一次披露的时间线
事件研究法：异常收益 AR 与累计异常收益 CAR
大白话想知道"消息让股价多涨了多少"，得先回答"没有这条消息时它本来会涨多少"。做法是：先用事件之前的数据，学会这只股票平时怎样跟着几股"大盘风向"一起涨跌；再用学到的关系预测事件期间的"正常收益"。实际收益减去这个预测，就是异常收益 AR；把几天的 AR 加起来，就是累计异常收益 CAR。下面是严格写法。
"异常"= 实际收益 − 模型预测的"正常"收益。\(\hat\beta\) 来自事件前的估计窗口，这是典型的样本外预测：如果用了事件窗口本身来估计 \(\beta\)，事件效应会被模型"吸收"掉。
论文同时报告三种基准：Carhart 四因子（主结果）、市场调整（\(R_{it} - R_{m,t}\)）、市场模型（单因子回归）。三者结果相近（见⑤），说明结论不依赖于"正常收益"模型的选择。
此外，所有 CAR 在 1% 和 99% 分位缩尾（winsorize）：\(\tilde x_i = \min\{\max(x_i, q_{0.01}),\, q_{0.99}\}\)，把极端值"压"到分位点上而非删除，以降低厚尾对均值的影响。
模拟（Python/NumPy 预先生成 5 组随机数 \(\times\) 31 个效应值）：200 只股票，日异常收益独立服从 \(\mathcal{N}(0,\,1\%^2)\)，在第 0–2 天加入设定的跳升（每天 \(+\delta/3\)）。浅色线是单只股票的 CAR，深色线是平均 CAR。请观察：单只股票的 CAR 几乎看不出信号，平均之后才浮现——这就是事件研究依赖"大样本平均 + 中心极限定理"的原因（平均 CAR 的标准差约为单只的 \(1/\sqrt{200}\)）。拖动滑块把效应设为 0，看看纯噪声的平均 CAR 能漂多远。
核心估计量：双重差分（DiD）交互项
论文每张表报告的都是同一个系数，作者称之为"披露溢价"。
先说直观先别看公式，用一句话说：名人"买入比清仓多涨的那一截"，再减去普通经理"买入比清仓多涨的那一截"。这就是"双重差分"（DiD）：做两次减法。为什么要减两次，见知识点 5。
写成公式：
双重差分与交互项的解读
大白话两次减法，各去掉一种干扰。第一次在同一位经理身上减："他买入后的反应"减"他清仓后的反应"，去掉"他挑的股票本来就爱涨"。第二次在名人和普通人之间减："名人的差值"减"普通经理的差值"，去掉"谁披露都会引起的反应"。两次减法之后剩下的，才算在"出名"头上。
第一重差分"买入 − 清仓"在同一只基金内部做对比，消掉"这只基金的股票本来就爱涨"之类的基金特质；第二重差分"知名 − 对照"消掉"任何主观选股基金的披露都会引起的普遍反应"。剩下的 \(\beta\) 才是"知名度"的增量。
注意这里的 DiD 不是常见的"处理前/处理后 \(\times\) 处理组/对照组"，而是"买入/清仓 \(\times\) 知名/无名"——DiD 的本质是交互项，两个维度可以是任何能各自消除一类混杂的对比。
逐步加控制变量（表 III 从第 1 列到第 6 列）：如果系数随控制变量增加而基本稳定，说明可观测的混杂不太可能驱动结果——这是检验"遗漏变量偏误"敏感性的常用做法（但无法排除不可观测的混杂）。
聚类稳健标准误：真正的样本量是多少？
大白话好比做民调访问了近 3 万人，但这些人其实来自几十个村子，同村的人意见高度相似。真正独立的信息远没有 3 万份那么多，更接近"有多少个村子"。这里的"村子"就是基金经理。
表面上有近 3 万个事件，但同一位经理的多次披露彼此相关（相同的选股风格、相同的追随者）。标准误按经理聚类，聚类数 \(G = 48\)（高知名度对比时只有 29 个聚类，其中处理组仅 5 个）。
严格地说，聚类稳健方差是 \(\widehat{V}_{\text{CR}} = (X^\top X)^{-1}\Big(\sum_{g=1}^{G} X_g^\top \hat u_g \hat u_g^\top X_g\Big)(X^\top X)^{-1}\)。它的可靠性靠的是"聚类够多"：渐近理论要求聚类数 \(G \to \infty\)，而不是观测数 \(N \to \infty\)。处理组只有 5 个聚类时，这把尺子会"量短"：常规聚类标准误往往低估不确定性，于是太容易拒绝原假设、宣称显著。这就是论文第⑤部分要用野聚类自助法的原因。
④ 发现：效应集中在"最有名的那几个人"
发现1：整体有溢价，而且不反转
知名组 vs 对照组（表 III）。未加控制的原始估计：CAR[0,1] +0.253%（\(p = 0.026\)），[0,3] +0.357%（\(p = 0.017\)），[0,5] +0.422%（\(p = 0.033\)），一直到 [0,20] 仍为 +0.780%（\(p = 0.049\)）；[0,30] 为 +0.490%（\(p = 0.320\)），不再显著但仍为正。加入全部控制和固定效应后，[0,1] 降到 +0.200%（\(p = 0.159\)，不显著），但 [0,3] +0.341%（\(p = 0.043\)）、[0,5] +0.499%（\(p = 0.031\)）仍显著。披露前 [−10,−1] 为 −0.431%（\(p = 0.244\)），没有提前上涨。
值得注意的是这些回归的 \(R^2\) 只有 0.001–0.011：单个事件的收益几乎完全是噪声，但样本量大时系数仍可能被估计得足够精确——\(R^2\) 低 \(\neq\) 效应不存在。（也要注意"足够精确"并非处处成立：全设定下 [0,1] 的 \(p = 0.159\)。）
发现2：知名度梯度——不是线性，而是"拐点"
每个点是一只知名基金：横轴为知名度 \(z\)（表 I），纵轴为该基金新建仓事件的平均四因子 CAR（%，附录表 IA.III，未作对照组差分），点的大小 \(\propto\) 买入事件数。这对应论文图 2，但回归线是本页用 24 个点（Python/NumPy 计算）做的简单 OLS \(\overline{\mathrm{CAR}}_j = \beta_0 + \beta_1 z_j + e_j\)，不等于论文表 IV 中带控制变量、按事件回归的系数（论文：每增加 1 个标准差知名度，CAR[0,1] +0.373%，\(p = 0.005\)；CAR[0,5] +0.427%，\(p = 0.047\)）。
论文把知名组按中位数一分为二，再按 \(z \ge 1\) 切出"高知名度"五人组（全设定，表 VI）：
区间按论文计算 \(p\) 值的方式取 \(t_{G-1}\) 临界值：全部知名 − 对照 \(G = 48\)，\(t_{47,0.975} = 2.01\)；上半 − 对照 \(G = 36\)，\(t_{35,0.975} = 2.03\)；高知名度 − 对照 \(G = 29\)，\(t_{28,0.975} = 2.05\)（例如 [0,30]：\(2.319/0.905 = 2.56\)，\(t_{28}\) 给出 \(p = 0.016\)，与论文一致，而正态近似会给出 0.010）。这仍是分析性区间，处理组只有 5 个聚类时可能偏窄，请对照第⑤节的 WCR \(p\) 值。
| 对比（全设定，%） | [0,1] | [0,3] | [0,5] | [0,10] | [0,20] | [0,30] | [−10,−1] |
|---|---|---|---|---|---|---|---|
| 全部知名 − 对照 | 0.200 | 0.341** | 0.499** | 0.684** | 0.772* | 0.435 | −0.431 |
| 上半 − 对照 | 0.485** | 0.691** | 0.869** | 1.022** | 1.056* | 0.983 | −0.183 |
| 下半 − 对照 | −0.054 | 0.033 | 0.182 | 0.377 | 0.525 | −0.052 | −0.672* |
| 高知名度 − 对照 | 1.422*** | 1.869*** | 2.309*** | 2.547*** | 3.091*** | 2.319** | 0.392 |
| 中等知名度 − 对照 | 0.088 | 0.201 | 0.331 | 0.504* | 0.544 | 0.252 | −0.530 |
| 高 − 中等 | 1.246*** | 1.456*** | 1.719** | 1.773** | 2.563** | 1.856** | 1.119 |
来源：论文表 VI。* \(p \lt .10\)，** \(p \lt .05\)，*** \(p \lt .01\)（分析性聚类稳健 \(p\) 值）。
拐点回归（表 VIII）：在 \(z = 1\) 处加入一个"额外斜率"项 \(\max(z-1,\,0)\times\mathrm{buy}\)。基础斜率幅度较小（[0,1] 每 SD +0.249%，\(p = 0.037\)），超过阈值后额外斜率 +0.827%（分析性 \(p = 0.014\)），[0,5] 额外斜率 +1.412%（\(p = 0.004\)）。高知名度基金面对的总斜率约 +1.075%（[0,1]）。
但这个尾部项完全由 5 只基金识别，论文在表 VIII 中同时报告了少聚类野自助法 \(p\) 值：[0,1] 的 WCU \(p = 0.003\)，WCR \(p = 0.133\)（仅"接近显著"）；[0,5] 的 WCR \(p = 0.032\)；[0,30] 的分析性与 WCR \(p\) 都是 0.419。同一个系数，推断方法不同，结论就不同——这是第⑤节主题的又一个现成例证。
分段线性（拐点）回归与"阈值是怎么来的"
大白话拐点回归像阶梯电价：用电量超过某一档以后，每度电的单价变高，但电费总额是连续增加的，不会在档位上突然跳一下。这里"用电量"是知名度 \(z\)，"档位"是 \(z = 1\)，"单价"是斜率。
它允许关系在 \(c\) 处"转弯"，但保持连续。
要警惕的是：阈值 \(c\) 是不是看了数据之后才选的？这就像"先开枪、后画靶"：如果先看散点图，发现前五名特别高，再把阈值放在 \(z = 1\)，那么常规 \(p\) 值会偏乐观。这叫数据窥探，也叫"分叉小径"。
论文表 XI 的阈值扫描（\(z \ge 0, 0.25, \ldots, 1.5\)）展示了效应对阈值的敏感性，但不能消除数据窥探，原因有二：
- 如果事后已经看到前五名特别高，"阈值越高、效应越大"本来就是意料之中的模式；
- 这个"越高越大"只在 [0,1]、[0,3] 单调成立。[0,30] 的序列是 0.983 \(\to\) 1.664 \(\to\) 1.384 \(\to\) 2.319 \(\to\) 2.457 \(\to\) 3.401，并不单调。
能部分回应数据窥探的，是第⑤节的随机化推断：它把"哪 5 只被选中"当作随机。阈值是否事前设定，论文没有说明。
发现3：抄作业组合——一个月最强，之后衰减，但不反转
组合在申报后第一个交易日买入所披露的新建仓股票，持有 \(H\) 个交易日；等权、每日再平衡；回归标准误为 HAC（5 阶滞后）。高知名度组 \(H=21\)：+9.8 bp/日（\(p \lt 0.001\)），\(H=63\)：+4.4（\(p=0.003\)），\(H=126\)：+1.4（\(p=0.164\)）；对照组在任何持有期都 \(\approx 0\)。多空（高知名度 − 对照）\(H=21\)：+10.4 bp/日，论文按 \(\times 252\) 折算约 +26%/年。高知名度组的清仓组合 \(\alpha\) 为统计上零（\(p = 0.288\)）。
日历时间组合、\(\alpha\) 与 HAC 标准误
大白话事件时间法把每次披露当成一份独立的答卷。可是很多披露挤在同一段时间，受同一阵市场风的影响，答卷之间相当于互相"抄"。日历时间法换个算法：每天把当时持有的股票装进一个篮子，只看这个篮子每天的收益，相关性就被装进篮子里了。\(\alpha\) 是篮子收益里几个因子都解释不了的那部分。
为什么还要做日历时间组合？事件时间法把发生在同一天的事件当作独立的，但 13F 申报集中在每季度截止日附近，多个事件的收益横截面相关，会低估标准误。把同一天的所有持仓合成一个组合，每天只有一个收益，横截面相关被"吸收进"组合收益里。
截距 \(\alpha\) 就是"因子解释不了的日均收益"。由于持仓重叠，\(\varepsilon_t\) 存在序列相关，所以用 Newey–West 型 HAC（异方差与自相关一致）标准误：\(\hat\Omega = \hat\Gamma_0 + \sum_{\ell=1}^{L}\big(1-\tfrac{\ell}{L+1}\big)(\hat\Gamma_\ell + \hat\Gamma_\ell^\top)\)，论文取 \(L = 5\)。
年化的陷阱：\(10.4\ \text{bp} \times 252 \approx 26\%\) 是算术年化（复利年化应为 \((1+0.00104)^{252} - 1\)），还假设全年每天都有持仓、无交易成本；论文自己也指出组合平均只有约 10 只股票、只在申报季附近持仓、集中于小盘低流动性股票，实际可得收益会小得多。延迟一天建仓后，\(H=21\) 的 \(\alpha\) 降到 +4.9 bp/日（\(p = 0.064\)），\(H=63\) 为 +3.2（\(p = 0.029\)）。
⑤ 稳健性：只有 5 个处理单位，如何还能做推断？
这是这篇论文最值得在统计课上讲的部分。高知名度效应完全由 5 位经理识别。只有 5 个"样本"时，常规公式算出的 \(p\) 值很可能过于乐观，所以作者换了四种角度反复检验，相当于四套"压力测试"：
(a) 野聚类自助法（Wild Cluster Bootstrap）
| 高知名度 − 对照 | \(\hat\beta\) (%) | 分析性 \(p\) | WCR \(p\)（施加零假设） | WCU \(p\)（不施加） |
|---|---|---|---|---|
| CAR[0,1] | 1.422 | <0.001 | 0.011 | 0.002 |
| CAR[0,3] | 1.869 | <0.001 | 0.045 | 0.004 |
| CAR[0,5] | 2.309 | 0.002 | 0.071 | 0.001 |
| CAR[0,30] | 2.319 | 0.016 | 0.148 | 0.027 |
来源：表 IX Panel A。Webb 六点权重，\(B = 9{,}999\)。
野聚类自助法：WCR 与 WCU
大白话自助法的意思是"用手头的数据造出很多份平行数据，看估计值会怎样晃动"。"聚类"二字是说：每次给同一位经理的所有残差统一抽一个权重，像抛硬币或掷骰子决定乘以几，这样同一位经理的事件一起变，组内相关就保留下来了。WCR 造数据时先假定"效应为零"，相当于站在怀疑者的立场检验结果；WCU 不做这个假定。
做法：保留解释变量不动，把每个聚类的残差整体乘以一个随机权重，\(y^{*}_{g} = X_g\tilde\beta + v_g^{*}\,\tilde u_g\)（Rademacher 取 \(v_g^{*} = \pm 1\)；聚类很少时 \(\pm1\) 只有 \(2^G\) 种组合，所以用 Webb 六点分布 \(v_g^{*} \in \{\pm\sqrt{1/2}, \pm 1, \pm\sqrt{3/2}\}\)），生成"伪因变量"后重新估计，得到 \(t\) 统计量的自助分布。
- WCR（restricted）：在生成伪数据时施加零假设 \(\beta=0\)（\(\tilde\beta, \tilde u\) 来自受约束回归）。少聚类时检验水平更准确，通常更保守。
- WCU（unrestricted）：用无约束残差 \(\hat u\)。往往更"敢拒绝"。
请看上表：分析性 \(p\) 在 [0,30] 是 0.016，但 WCR 是 0.148——同一个系数，推断方法不同，结论可以从"显著"变成"不显著"。论文的表述是二者"夹住真相"。
(b) 随机化推断（置换检验）：一共 42,504 种贴标签方式
在 24 只知名基金内部，"哪 5 只是高知名度"的标签共有 \(\binom{24}{5} = \tfrac{24!}{5!\,19!} = 42{,}504\) 种。如果"知名度与反应无关"（尖锐零假设：不管贴不贴"高知名度"标签，每只基金的反应都一样），这些标签就可以随意互换，统计上叫"可交换"。论文穷举全部标签，得到高 vs 中等知名度差异的置换 \(p \lt 0.01\)（[0,1] 至 [0,20]），[0,30] 为 0.063。
统计量：\(T = \frac{1}{5}\sum_{j\in\mathcal{H}} \overline{\mathrm{CAR}}_j - \frac{1}{19}\sum_{j\notin\mathcal{H}} \overline{\mathrm{CAR}}_j\)，即被标为"高知名度"的 5 只基金（集合 \(\mathcal H\)）的平均 CAR 减去其余 19 只的平均 CAR（每只基金权重相同，使用附录表 IA.III 的基金均值，未做对照组差分与控制变量；由 Python 用 itertools.combinations 穷举）。这是论文检验的简化教学版，\(p\) 值与论文不会完全一致；但思想完全相同。
置换检验 / 随机化推断
大白话置换检验就是"洗牌"。如果知名度与股价反应毫无关系，那"哪 5 位被贴上高知名度标签"就和随手抽签没有区别。把所有可能的抽签结果都试一遍，看真实那一组的差距排在多靠前。如果它排在最前面的极少数里，就说明光凭运气很难抽出这么大的差距。
\(p\) 值 = 在所有可能的标签分配中，统计量"至少和观测值一样极端"的比例：\(p = \tfrac{1}{42{,}504}\sum_{\pi} \mathbf{1}\{T_\pi \ge T_{\text{obs}}\}\)。它不依赖正态性或大样本，只依赖"零假设下标签可交换"。上式是单侧 \(p\)；双侧版本把指示函数换成 \(\mathbf{1}\{|T_\pi| \ge |T_{\text{obs}}|\}\)。论文自己前后不一致：正文说读取"match or exceed"的比例（单侧），表 IX 注释却写"exact two-sided p"。本页图 6 两种都给出。
关键限制：可交换性必须合理。论文只在知名组内部置换，因为知名基金与对照基金来自不同的筛选流程，跨组置换并不满足可交换性。另一点：置换检验回答的是"这 24 只基金里，标签与反应是否相关"，推广到其他基金需要额外假设。
(c) 留一刀切（Jackknife）：是不是巴菲特一个人撑起来的？
去掉巴菲特后 [0,1] 仍有 +1.122%（1% 水平显著）；但去掉巴菲特或伯里后 [0,30] 不再显著。去掉伊坎反而让每个窗口的溢价都上升——附录表 IA.II 显示伊坎是五人中唯一自身没有正溢价的：[0,1] 为 +0.017%（\(p = 0.889\)），从 [0,3] 到 [0,30] 都显著为负（[0,5] 为 −0.758%，\(p = 0.002\)；[0,30] 为 −2.003%，\(p = 0.005\)）。表 X 只给出显著性星号、没有标准误，所以图 7 用实心/空心和星号标出显著性，而不画区间。
刀切法与影响点
大白话刀切法就是"挨个请人离场"：每次去掉一位经理，重算一遍，看结论变不变。如果去掉某一个人结论就塌了，说明结果主要靠他一个人撑着。
每次删掉一个观测单位（这里是一位经理）重新估计得 \(\hat\theta_{(-j)}\)，看估计值波动多大，可用来发现强影响点并估计方差：\(\widehat{\mathrm{Var}}_{\text{jack}} = \frac{n-1}{n}\sum_{j=1}^{n}\big(\hat\theta_{(-j)} - \bar\theta_{(\cdot)}\big)^2\)。当总共只有 5 个处理单位时，每个单位都可能是"杠杆点"。回到图 3 勾选"去掉巴菲特"，你会直观看到回归线斜率的变化。
(d) 其他检查
- 阈值扫描（表 XI）：\(z\ge 0\)（12只）+0.485%；\(z\ge 0.5\)（7只）+0.601%；\(z\ge 1\)（5只）+1.422%；\(z\ge 1.25\)（3只）+1.493%；只有巴菲特（\(z\ge 1.5\)）+1.865%（均为 [0,1]）。\(z\ge 0.75\) 与 \(z\ge 1\) 恰好是同一组 5 只（第六名 Tepper 的 \(z\) 是 0.74）。
- 换异常收益模型（表 XI）：[0,1] 四因子 1.422%、市场调整 1.505%、市场模型 1.476%。
- 剔除危机期（表 XII）：同时去掉 2008–09 与 2020 后，[0,5] 从 2.31% 升至 2.76%，[0,20] 从 3.09% 升至 4.07%。
- 实时知名度（Ⅴ.B）：静态指数用了全样本期信息（可能"用未来的名气给过去分组"）。改用申报日之前才可得的维基浏览量滚动指数（2016年起），[0,1] 为 +1.52%（\(p = 0.004\)），略低于同子样本静态分类的 +1.77%。
- 控制过往选股能力（附录 IA.3）：知名度与过往业绩相关（\(r = 0.47\)，\(p = 0.02\)）；加入业绩控制后即时溢价仍在，但 [0,30] 在 8 种定义中有 6 种不显著。
前视偏差（look-ahead bias）
大白话好比用今天的球星名单去评价十年前的选秀：后来成为球星的人，当年也许并不出名。用"事后才有的名气"给过去的事件分组，就可能把"因为业绩好、后来才出名"误当成"因为出名、所以股价涨"。
如果分组变量用到了事件发生之后才知道的信息（编者举例：伯里的大众知名度很大程度上来自 2015 年电影《大空头》，而全样本静态指数会把他更早的披露也归入"高知名度"），就可能把"因为业绩好后来才出名"误读为"因为出名所以股价涨"。滚动指数是标准的修正办法。
⑥ 机制：更多人在交易，而不是每个人买得更多
用 2015–2025 年 NYSE 逐笔交易数据（TAQ），按 Boehmer 等（2021）的"亚美分（sub-penny）报价法"识别散户交易，比较高知名度买入披露 vs 对照买入披露后的交易行为（相对于 [−15,−6] 基线，单位：对数点 \(\times 100 \approx \%\)，即 \(100\,[\ln y_{\text{事件窗}} - \ln y_{\text{基线}}]\)）。
散户交易笔数：[0,1] +15.12（\(p = 0.001\)），[0,3] +12.30（\(p = 0.002\)），[0,5] +8.98（\(p = 0.012\)），[0,10] +6.55（\(p = 0.080\)）。总笔数 [0,1] +7.24（\(p = 0.027\)）。平均单笔规模：[0,1] −1.37（\(p = 0.547\)），[0,5] +0.38（\(p = 0.813\)）——都不显著。论文提示该方法只能识别约三分之一的散户成交量，散户幅度应视为下界。
机制1 注意力
交易笔数显著增加；效应在小盘股（[0,1] 2.21% vs 大盘 1.10%，差异 \(p = 0.009\)）、低流动性股（2.09% vs 1.10%，\(p = 0.048\)）更大。与数据最一致
机制2 可信度
单笔规模、\(\ge\)5万美元大单占比均无显著变化。未找到证据
机制3 盲目模仿
散户确实在跟单，但价格不反转（日历组合 \(\alpha\) 从未转负），且溢价集中于信息稀缺股票。不能完全解释
作者结论
"注意力—信息纠缠"渠道：知名度把稀缺的注意力引向特定披露，而披露中的信息随后被计入价格。"一个显著、一个不显著" \(\neq\) "两者差异显著"
大白话两个人参加考试，一个刚好过线，一个差一点没过。"一个及格、一个不及格"只说明两人落在线的两侧，并不说明两人水平差很多。两组结果谁大谁小，要直接检验它们的差。
表 XIV 的分组检验里就有现成的例子。机构持股 [0,30]：持股低的股票溢价 3.830%（\(p \lt 0.01\)），持股高的 1.903%（不显著）——"一个显著、一个不显著"，但差异本身的 \(p = 0.778\)。市值 [0,10] 则反过来：小盘 2.934%（不显著），大盘 2.139%（\(p \lt 0.01\)），差异 \(p = 0.291\)。判断两组是否不同，必须直接检验差值 \(\hat\beta_1 - \hat\beta_2\)，其标准误为 \(\mathrm{SE}(\hat\beta_1-\hat\beta_2)=\sqrt{\mathrm{SE}_1^2+\mathrm{SE}_2^2-2\,\mathrm{Cov}(\hat\beta_1,\hat\beta_2)}\)，而不是比较两组各自的星号（Gelman & Stern, 2006）。这里 Cov 一般不为 0：两个子样本共享同一批经理聚类。
即使两组都显著也一样：机构持股 [0,10] 低持股 3.489%（\(p \lt 0.01\)）、高持股 2.108%（\(p \lt 0.10\)），看上去差很多，差异 \(p = 0.617\)。
同理，交易数据的分组结果中，作者如实报告了唯一显著的差异是反方向的（覆盖面广的股票散户交易更多，\(p = 0.046\)），并把整体证据表述为"谨慎地支持机制1"。
"不显著"能否当作"没有"？
大白话在昏暗的房间里没看到钥匙，不能断定钥匙不在房间里，要先问灯够不够亮。这里的"灯"就是置信区间的宽度：只有区间够窄，而且整个落在"小到无关紧要"的范围里，才能说"没有效应"。
机制2的证据是一组"不显著"。不能拒绝原假设 \(\neq\) 接受原假设。更严格的论证应看置信区间是否足够窄、足以排除有经济意义的效应（等价检验 / TOST 思路：同时检验 \(H_{0}^{(1)}: \theta \le -\Delta\) 与 \(H_{0}^{(2)}: \theta \ge \Delta\)，两者都拒绝才宣称 \(|\theta| \lt \Delta\)）。用表 XIII 的点估计和 \(p\) 值反推标准误（\(\mathrm{SE} = |\hat b|/z_{1-p/2}\)，正态近似），可以得到近似 95% CI（单位：对数点）：
| 指标（窗口） | 点估计 | 近似 95% CI |
|---|---|---|
| 平均单笔规模 [0,1] | −1.37 | [−5.8, 3.1] |
| 散户单笔规模 [0,3] | −2.59 | [−8.1, 2.9] |
| 散户单笔规模 [0,5] | −2.68 | [−7.2, 1.8] |
| 对照：总交易笔数 [0,1] | 7.24 | [0.8, 13.7] |
规模效应的区间宽到排除不了与笔数效应同量级（约 5–7 个对数点）的规模变化，在任何合理的 \(\Delta\) 下 TOST 都通不过。所以正确的结论是：现有精度不足以排除经济上有意义的规模效应——"未找到证据" \(\neq\) "证据表明没有"。图 8 现在画出了这些区间，可以直接看到。论文本身没有做等价检验。
⑦ 局限：读论文时应当保留的怀疑
作者自己承认的
- 有效样本很小：主效应由 5 位经理驱动（高知名度组 815 次新建仓，对照组 7,940 次）。
- 样本是"精心策展"的：两组都依赖作者设定的筛选规则与人工核验；作者在附录中不做人工剔除重新匹配，结果不变，但换一套筛选规则可能得到不同样本。
- 交易数据无法区分"多少人买"与"每人买多少"：需要账户级数据才能干净地区分注意力和可信度。
- 收益不等于可实现的策略收益：未扣交易成本，且集中在交易成本最高的小盘低流动性股票。
从统计角度值得追问的（本页编者提出，非论文观点）
- 多重比较：7 个窗口 \(\times\) 6 种设定 \(\times\) 多种对比 \(\times\) 多种分组，论文没有做多重检验校正。哪些结果是事先设定的主假设？
- 幸存者偏差：维基名单 2026 年 5 月获取，并要求基金"仍在活跃"——那些曾经出名、后来业绩崩溃而关门的经理不在样本里。
- 知名度是否外生？知名度与过往业绩相关（\(r = 0.47\)）。"出名"可能只是"选股能力强"的代理变量；附录加入业绩控制后长窗口效应大多不显著。
- 个体基金的噪声很大：附录表 IA.III 中 Li Lu 只有 18 次买入，[0,30] 平均 CAR 为 −3.84%；Mudrick 只有 32 次。小样本基金的均值在图 3 中会显得"离群"。
- 13F 的信息可能已部分公开：大股东需通过 13D/13G 提前披露；作者在附录中剔除这部分后即时溢价仍在。
- 这是工作论文，尚未经过同行评审，数字可能在后续版本中变化。
⑧ 给学生的思考题
Q1（基础）为什么 CAR 要用"事件前"窗口估计因子载荷，而不能用包含事件日在内的全部数据？
提示：如果事件日的跳升进入了 \(\beta\) 的估计，"正常收益"会被抬高，异常收益被低估。思考这与机器学习中"训练集/测试集"分离的相似之处。
Q2（基础）用知识点 3 的公式解释：为什么 \(p = 0.12\) 的存续年限其实"不平衡"？如果样本量扩大到 240 对，同样的 \(\mathrm{SMD} = 0.46\) 对应的 \(p\) 值大约会怎样变化？
提示：每组 \(n\) 个单位时 \(t \approx \mathrm{SMD} \times \sqrt{n/2}\)。本例 \(n = 24\)：\(t \approx 0.46\sqrt{12} \approx 1.59\)，双侧 \(p \approx 0.12\)，与论文完全吻合。\(n\) 扩大 10 倍，\(t\) 约扩大 \(\sqrt{10} \approx 3.16\) 倍，即 \(t \approx 5.0\)，\(p\) 远小于 0.001——SMD 不变，"显著性"却完全变了。
Q3（DiD）写出"买入/清仓 \(\times\) 知名/对照"的 \(2\times 2\) 均值表，说明 \(\beta\) 等于哪四个格子的组合。如果某种市场情绪让"所有披露"的股票都上涨，它会被哪一重差分消掉？
提示：先差分"买入−清仓"，再差分"知名−对照"。思考：如果名人的"清仓"本身也会引起特殊反应（例如股价下跌更多），\(\beta\) 会被如何影响？论文有现成证据可以权衡：表 XIII Panel B 显示，名人清仓后散户交易笔数同样显著增加（[0,1] 为 +10.37，\(p = 0.010\)），说明"清仓"不是一个中性的基线；但高知名度组的清仓组合日历时间 \(\alpha\) 不显著（\(p = 0.288\)），又提示清仓没有带来明显的负向价格冲击。两方面合起来，\(\hat\beta\) 偏误的方向是什么？
Q4（推断）表 IX 中高知名度 vs 对照的 CAR[0,30]：分析性 \(p = 0.016\)、WCU \(p = 0.027\)、WCR \(p = 0.148\)。你会如何在论文中报告这个结果？为什么少聚类时 WCR 往往更可信？
提示：讨论第一类错误率、零假设下的残差构造、以及 Cameron, Gelbach & Miller (2008) 与 MacKinnon & Webb 的模拟结论。
Q5（动手）在图 6 中切换不同窗口，记录本页置换 \(p\) 值，与论文"[0,1]–[0,20] \(p \lt 0.01\)，[0,30] \(p=0.063\)"比较。差异来自哪里？
提示：本页用的是未经对照组差分、未加控制、每只基金等权的基金均值；论文用的是全设定回归系数。再想想：组均值差的置换分布的中心为什么恒为 0（无论零假设是否成立）？——对所有 5/19 划分取平均，两组均值都等于总均值。零假设成立与否，影响的是"观测值能否看作这个分布中的一次典型抽样"，而不是分布的中心；置换分布是以观测数据为条件构造的。
Q6（动手）在图 3 中勾选/取消"去掉巴菲特""去掉伊坎""按买入次数加权"，观察斜率和 \(R^2\) 的变化。哪个点是高杠杆点？哪个点是大残差点？二者有何区别？
提示：杠杆 \(h_{jj} = \frac{1}{n} + \frac{(z_j-\bar z)^2}{\sum_k (z_k-\bar z)^2}\) 取决于 \(z\) 偏离均值的程度，巴菲特 \(z = 2.33\) 远离其他点；残差取决于 \(y\) 偏离回归线的程度。联系 Cook 距离 \(D_j = \frac{e_j^2}{k\,s^2}\cdot\frac{h_{jj}}{(1-h_{jj})^2}\)（\(k\) 为回归参数个数，这里 \(k = 2\)）。
Q7（研究设计）如果你只想检验"机制3：盲目模仿"，理想数据是什么？能否设计一个"自然实验"（例如某位经理突然因电影或新闻而出名）？
提示：知名度的外生冲击 + 前后对比 = 又一个 DiD。思考伯里与电影《大空头》（2015）的例子，以及其局限（同时期他的业绩信息也在传播）。
Q8（批判）论文报告了 7 个窗口、6 种设定、6 种对比。如果全部是独立检验且原假设都成立，在 10% 水平下大约会出现多少个"星号"？这对你阅读表 III–VII 有何启示？
提示：期望个数 = 检验数 \(\times 0.1\)；但这些检验高度相关（[0,3] 包含 [0,1]），所以"独立"假设不成立——讨论相关检验下的多重比较（Bonferroni 过于保守，可考虑 Holm、Romano–Wolf）。
Q9（延伸 · 中国市场）A 股没有 13F，但有"基金季报前十大重仓股"和"龙虎榜"。如何借鉴本文设计检验"明星基金经理效应"？对照组怎么找？知名度怎么量化？
提示：可用财经媒体提及次数、雪球/天天基金关注人数构造指数；注意季报公布时间集中、涨跌停限制对 CAR 的影响。