社会服务策略视角下的出行链投资：出行链量化框架1：市场在定价什么？-260618

出行链行业研究中，我们持续跟踪产业的高频数据与季度经营数据。作为出行链分析师，每个季度都需要处理数十个甚至上百个信息维度。这些数据能否直接支持投资判断？其对研究的价值几何、价值何在，需要被定量地回答。
我们把这个大问题拆成三个递进的小问题。问题一：只用高频数据能不能获取收益？需求热度能否预告股价涨跌？高频数据之间是什么关系？问题二：经营数据能不能变成可交易的信号？——把“谁的生意更强”算出来，能否转化为“超配/低配”的择时指令并经得起回测？问题三：若不能交易，这些数据对本职研究值多少？——提前读景气、给相对推荐提供量化的锚，这些“研究价值”同样需要被定量评估。
从结论来看：问题一的答案基本是否定的；问题二的答案是“统计显著、但不可交易”；真正的价值在问题三——而且我们在回答问题三的过程中，得到了本篇最重要的增量结论：市场给酒店股定价时，看的是“房价（定价权）”而不是“入住率”。

本篇用到两类数据。第一类是公开行情：Wind全历史周K线（后复权），覆盖出行链22只个股与20家景区公司；为了把样本拉到足够长，酒店与OTA同时使用美股长历史（携程约22年、华住约16年）。第二类是经营数据：四家上市酒店集团（华住/锦江/首旅/亚朵）自2009年以来的季度RevPAR/ADR/OCC（公告口径），以及酒店之家按城市线级mathcaltimes档次拆分的行业RevPAR/ADR/OCC周度数据（2019年起，无公司维度）；周度的航空数据来自航班管家、飞常准。

我们首先定义全文用到的一些概念。信号（signal）是一个在t期就能算出来的数字，用来预判“接下来谁强谁弱”，例如“华住RevPAR同比−锦江RevPAR同比”。信息系数（IC）衡量信号的预测力，定义为信号与未来收益的相关系数：
其中S为t期可见的信号，R为t期到_mathrmt+k期的（相对）收益。mathrmIC=0意味着信号纯属随机、毫无预测力；经验上，能稳定保持在0.1以上的信号已属很强。
IC在本篇里区分两个口径，默认报告RankIC。普通IC（Pearson相关）保留幅度信息，但容易被少数极端值左右；RankIC（Spearman秩相关）先把信号与收益各自换成排名再算相关，只问“信号排序能否预测收益排序”，对极端值稳健。本篇的基础数据多是几十个季度的小样本、且含2020-2022极端波动，普通IC易被个别极端季度撑起或压制，故全文默认使用RankIC，并在关键表格中并列给出普通IC作对照；两个口径明显分歧时会在正文专门说明。
期数记号k全文统一：bfk=0表示信号与收益同属一季（“本季”），_mathrmk=+1表示用下一季的指标对照本季收益（“下季”），mathrmk=-1表示用上季信号，依此类推；周频场景下mathrmk以周计。
回测（backtest）严格只用每个时点“当时已知”的信息，按既定规则模拟买卖，统计扣除交易成本后的累计收益。本篇所有回测均扣除单边20个基点（0.2%）的交易成本。夏普比率（Sharperatio）衡量收益的性价比：
直观理解：每承担一份波动，换来多少超额收益。大于1属于不错；为负说明承担了波动还录得亏损。
涉及统计推断时，我们报告t值——衡量“该规律非运气”的把握程度，经验法则是|t|＞2即统计显著。两类场景需要更诚实的标准误，本篇分别处理并在相应表格注明：其一，重叠样本——第4.3节联合回归的持有期收益跨季重叠，会人为放大显著性，标准误统一采用Newey-West（HAC）方法校正；其二，截面相关——第4.4节池化回归把四家公司堆进同一面板，同一季度内各家收益同涨同跌，t值按季度聚类校正。此外，对关键结论（第4.1节“预知下季”的IC、第4.2节背离回归的相关系数）另做块置换检验：把信号序列按时间块（每块4个季度）打乱数千次、收益序列保持不动，构造“本无规律”情形下统计量的分布，看真实值是否仍然极端，表中报作“置换p”。

在动用任何统计检验之前，我们把出行链上能拿到的指标两两放到一张图里，看谁和谁是真的“同涨同跌”。如果两条线真的高度相关，叠在一起应该几乎完全同向。我们把11只代表性个股的股价，与7项高频基本面指标（民航客运量、机票价格——含油与扣油两个口径（含油=旅客实付价、扣油=剔除燃油附加费后的裸票价，详见2.3节末）、跨境机票价格，以及酒店之家行业RevPAR/入住率/房价）放进同一张周频相关矩阵，2023年以来、剔除极端波动段，逐对计算相关系数。
本章所有基本面同比均采用\“节假日事件对齐\“口径计算。出行链需求高度依赖法定节假日，而春节、清明、端午、中秋等农历节日在公历上逐年漂移（春节可在1月下旬至2月中旬之间摆动近一个月），若直接以\“去年同一公历周\“（即简单52周同比）为基准，会把今年的春节周错配到去年的非春节周，使同比被节假日错期严重污染、虚高或虚低。为剔除这一干扰，我们对每个观测周先判断其是否落入某一节假日的影响窗口（春节pm25天、国庆pm10天、五一pm8天，清明/端午/中秋各pm7天）：若落入，则以\“去年同一节日、相同天数偏移\“对应的那一周为同比基准（例如\“今年春节前3天\“对应\“去年春节前3天\“）；若不在任何窗口内，则退回常规口径，以去年同期（-364天，恰为52周、保持星期对齐）为基准。该方法覆盖春节、清明、端午、中秋、五一、国庆六个法定节假日。
我们把相关性区分两个口径，避免“假同向”。P代表股价指标（个股周收盘、后复权），X代表基本面指标的周度读数（客运量、行业RevPAR等），下标为周序号——t是本周、t−1是上周、mathrmt^-52是52周前（即一年前的同一周）。
口径一是趋势口径：两边都取“和一年前比”的涨幅，看的是“长期方向像不像”：
r为股价的52周收益率——本周股价比一年前同期贵多少，与“股价同比增速”是同一件事；g为基本面指标的同比增速——本周读数比去年同周高多少。ρ趋即两条同比曲线的相关系数，衡量长期方向像不像。
口径二是平稳口径：把两边都换成“和上一周比”的变化（差分），相当于把共同的大趋势扣掉，看的是“去掉一起涨的大背景后，真实的同期共动还剩多少”：
Δp为当周股价涨跌幅；Deltamathrmg为基本面同比曲线“本周比上周”抬升或回落的幅度（一阶差分）。同一对指标、同一段样本，仅因口径不同：以华住股价times行业RevPAR为例，rho趋=+0.39（表面相关），rho稳=+0.07（同期几乎无关）。
前者宽松、后者严格——经济一复苏，几乎所有东西的同比都一起往上，趋势口径下什么和什么都“表面相关”，这并不能说明它们之间存在专属的联系。
先看真正“完全同向”的是哪几组：强相关的，普遍是“同源”的一对。第一类是同板块的股票收益率——酒店三家（华住/锦江/首旅）、OTA两家（携程/同程）、航空两家（国航/春秋）彼此之间，即便在最严格的平稳口径下相关仍高达0.4sim0.8，这是“板块beta^nu，同涨同跌是因为被同一批资金、同一个板块逻辑驱动。第二类是基本面指标内部：行业RevPAR与入住率、房价的相关高达0.9上下，因为RevPAR本就≈入住率times房价、是会计恒等式，必然同向。这些“强相关”没有任何信息增量：它们要么是同一批资金在交易、要么是同一个公式拆出来的，本来就该同向。

我们基本面分析师通常有最朴素的假设：航班执飞、酒店入住率高企，对应股票应该上涨；或者反过来，需求过热说明景气见顶，应该下跌。
那么股价和基本面指标之间，到底相不相关？
趋势口径下表面上有点相似：股价块与基本面块的跨块平均相关约0.27，毕竟经济好的时候股价同比和基本面同比会一起抬头。但只要把那个共同的大趋势扣掉（平稳口径），跨块平均相关立刻回落至约0.08。也就是说，“股价同比和基本面同比一起涨”这件事，几乎全部是“大家一起被经济周期带着走”；
T为两边共享的大趋势（如经济复苏），u、mathrmv为股价与基本面各自的特有波动。
只要两边都含同一个上行的T，哪怕mathrmu与mathbfV毫不相干，分子分母都会被mathrmVar(mathrmT)占满、ρ趋被系统性推高至1——“表面相关”全是大趋势的功劳。周度差分（平稳口径）正是把缓慢变化的T扣成近似常数，只剩u、v的真共动——这才算得上“专属联系”。
指标定义行资产板块=成分股等权周收益（Wind周K收盘、后复权）：酒店=华住(179.HK)+锦江(600754)+首旅(600258)；OTA=携程(9961.HK)+同程(0780.HK)；航空=国航(0753.HK)+春秋(601021)；免税=中免（1880.HK)；景区=峨眉山（000888)+宋城（300144)列景气指标：民航客运量=国内民航客运量（万人次/周）同比；国内票价（含油)=旅客实付平均票价（含燃油附加费）同比；国内票价(扣油)=剔除燃油附加费后的平均票价同比：酒店行业ReyPAR/入住率=酒店之家行业口径全档次同比（无公司维度）两个口径：①趋势=股价取52周收益（股价同比、景气取同比，问“长期方向像不像”；②平稳=股价取当周收益、景气取同比的周变化（△同比），问“扣掉一起涨的大背景后还剩多少”样本：周频2023年起、剔除疫情极端段，逐对Pearson相关（n170周）；格内=板块聚合后的相关，底部均值=11只个股×7项景气指标逐对|相关|平均
最后看市场近期最关心的油价，油价与航空股收益显著负相关（布油times国航趋势-0.32、春秋−0.52），油一涨航空就承压；而油价与酒店基本面只是弱负相关（趋势−0.34、且平稳口径approx0），与酒店股更几乎不相关。这说明油价对酒店从来不是“成本端”的事，而是“二阶需求传导”：油价大幅上涨机票变贵出行需求减少酒店入住率走弱，再叠加出行链板块情绪联动。
这给后面两章定了基调：指望“需求热度高股价该涨”这类跨“股价times基本面”的同期相关来获取收益，从相关结构上就先天不足——能带来收益的相关性得是“别人还没反应、景气却已先动”的领先关系，而不是这里看到的同期共动。
从“相关”到“预测”。同期相关（相关系数ρ）只回答“什么和什么在同一周一起动”，而“一起动”既不等于谁能预告谁，也不等于能带来收益。要判断“能不能用景气信号去预测股价方向”，必须从“同期相关ρ”换成“领先预测IC（信息系数，定义见1.3节）”。
我们以航班量、酒店订房等需求指标的同比增速为信号，对9只出行链股票逐一计算IC。以民航客运量、机票价格、行业RevPAR三个基本面同比为信号，对9只出行链个股与等权篮子逐一计算RankIC（周度收益尖峰厚尾，普通IC易被个别极端周左右，故此处用Rank口径），预测期k从0周扫到8周。全表最大的|IC|不过0.18，绝大多数格子在pm0.1以内，也不存在“k越远预测力越强”的领先结构——需求热度的信息含量基本归零。
需求的“绝对热度”和股价，本就分属相关结构里互不相关的两块，mathrmICapprox0只是一个局部特写。真正的教训是——绝对景气水平不含可交易的领先信息。

上一节用同期相关和领先IC两个方法，证明高频基本面数据无法显著传导到股价；那就把镜头从股价彻底移开，单看“基本面times基本面”——出行链上游的需求与成本，到底怎么流到酒店的经营指标上。需要说明：这一节看的是“基本面如何联动”、而非“股价信号”，它为后文判断相对强弱（第4章）打底。我们把三个驱动量（民航客运量、机票价格、布伦特油价）单拎出来，看它们各自与酒店基本面（酒店之家行业口径RevPAR/入住率/房价）的相关。
最干净的一条规律是：出行的“量”流向酒店的“住”，机票的“价”流向酒店的“价”。客运量与行业入住率（OCC）的同期相关高达cdot+0.40（平稳口径，全表最强的“驱动酒店”关系），但与房价（ADR）只有+0.09——出行的人多了酒店自然住得满，却不直接把房价抬上去；反过来，机票价格与酒店ADR相关+0.36、与operatornameRevPAR+0.39（含油口径，扣油口径为+0.35/+0.35、同样显著），机票涨价与酒店涨价是同步的，背后是同一股“旺季出行链定价能力”在共振——而且这股共振在剔除燃油附加费后依然存在，说明它是供需现象、不是油价同时推高两边成本的结果。
注：机票价格分含油（旅客实付总价，含燃油附加费）/扣油（剔除燃油附加费）两口径，定义见2.3节。
客运量管“住得满不满”（OCC），机票与酒店的价管“卖得贵不贵”（ADR），两者无关。另外这些关系几乎全部集中在同期（当周），把驱动量往前挪2~8周再去对酒店基本面，相关迅速衰减到0——也就是说机票基本面与酒店基本面是“同时发生”，并不存在“机票先动、酒店后动”可供提前埋伏的时间差。
如果拆分含油机票价格和扣油机票价格的影响：布油与附加费水平同期相关+0.68、把布油前移4周升至.+0.87，与“按上月油价、月度5日生效”的机制吻合。出乎直觉的是附加费涨上去后，裸票价反而下行——趋势口径下布油与含油票价相关approx0（+0.08）、与扣油票价却显著为负（-0.23textrm)）。需求约束封住了旅客实付总价的上限，油价抬高附加费、航司只能在裸票价上让利对冲，两股力量相抵，含油总价才与油价“表面无关”。
油价跳涨直接影响航空成本端、板块随之走弱，但要真正传导到酒店，必须先走通“出行变贵出行量下滑”——2026年4月以来的行情可以验证结论：油价跳涨后附加费从20元/段连升至5月下旬的170元/段，含油票价同比一度高达+23%，表观上像一轮强票价景气，但扣掉附加费后裸票价同比基本贴零、部分周转负——表观的“机票大涨”几乎全是燃油附加费，不是航司真实提价。且历史上油价对酒店基本面并无稳定的领先关系（各滞后期相关approx0）。所以判断这轮油价对酒店的杀伤，关键不是酒店成本，而是盯客运量—旦机票贵到压住出行人次，最先且同步反映出来的就是酒店入住率（客运量mathrmOcc=+0.40，全链同期最强、且无时滞）。

1）纯价格、绝对景气信号对股价既无同期相关、也无领先预测：股价cdottimes基本面的同期跨块相关扣掉共同趋势后仅约0.08，需求景气同比对个股的RankIC全样本不超过0.18、且分年符号相反。
2）唯一真实的结构在基本面内部——出行链“量住、价价”的产业链传导清晰可辨，但那是“基本面”层面的事实、是后文判断相对强弱（第4章）的底座，并不构成“只看股价就能获取收益”的信号。

上一章证明：纯价格、绝对景气信号都判断不了股价。但价格里还藏着另一类机会——不去判断单只股票的涨跌，而是交易两只“同质”股票之间的价差回归，这就是配对交易，一种确有部分有效的交易方法。直觉版解释是“醉汉遛狗”：狗（两只股票的价差）会四处乱跑，但绳子（两家生意的同质性）拴着它，跑得再远迟早回到主人身边。配对交易捕捉的就是“拽回来”这一收敛：价差被拉得异常开时，买入便宜的一只、卖出贵的一只，等待价差收敛。这件事在统计上的学名是协整（cointegration）：
其中P为A、B两只股票的周收盘价（取对数），ε为残差；配对成立要求ε平稳，用ADF检验判定（p值越小、“绳子存在”的把握越大）；价差偏离后的收敛速度用半衰期刻画：mathrmH=ln(0.5)/ln(rho)，ρ为残差AR(1)（一阶自回归）系数。
需要强调，协整的经济前提是“做几乎同一门生意”——只有收入结构高度同质，价差才有回归的理由；走势表面相似不构成证据。我们的检验流程是：对出行链全部股票做两两扫描，每一对依次通过协整检验、分时段稳定性检验（绳子是否一直存在）与可交易性评估（半衰期是否够短、历史机会是否足够多）。

把历史机会逐步计算：2017年以来，峨眉山-九华价差共出现11次“显著拉开后收敛”，其中10次成功，平均持有约16周、平均收益约5.2%，胜率91%。但2018年的一次失败亏损达16.6%（拉开后持续扩大26周）。簇内方向一致性可信，但重仓任何单独一对都暴露在尾部风险下。此外A股做空约束（融券券源少、成本高）决定了实务上只能做“超配便宜者/低配贵者”的相对倾斜，而非教科书式多空对冲。

这一章的数据口径发生了变化——无论是第二章的客流、航班、机票与酒店ADR量价同步，还是第三章股价配对套利，用的都是周度和日度的高频数据：高频跟踪胜在样本密、能比财报更早地捕捉景气的边际变化。但“景气到底能不能换成股票收益”这个问题，终归要落到上市公司正式披露的经营口径上，季度、低频的衡量酒店景气的核心指标RevPAR只在季报与经营数据公告里按季披露，一年仅四个观测点。于是从这一节起，分析频率从“周”降到“季”、数据来源也从高频跟踪切换到公司季度公告；
进一步拆分成三个问题：1）把每家公司每个季度的RevPAR同比（当季景气强弱）与它同一季的股价收益逐季对齐，看“景气更旺的季度、股价是不是也涨得更多”？2）如果我们知道了过去季度的RevPAR，可不可以预测未来的股价？3）更进一步的，假如我们能够预测下一个季度RevPAR，又会对股价的预测产生什么价值？
我们用“按RevPAR期数k的IC扫描”一次回答三个问题。
1）mathbfk2）mathbfkgeqmathbf0是预测未来——scriptstyle-mathbfk=0要到季末才大致知道本季RevPAR、k=+1/+2更得预知未来，问的是“哪怕赋予完美预知、理论上限有多高”。
先看现实层：唯一显著的是mathrmk=-1的负相关，锦江、首旅都RankIC在−0.33上下（前者1%、后者5%显著），即上一季景气越高、本季收益反而越弱（追着已实现的高景气买入、本季反而回撤），mathrmk=-2进一步收敛、不显著；能用的过去信息只有“上季景气”这一个变量，且方向是“反指”。
再看预测未来：预知本季（bfk=0）单票IC对三家都不显著，锦江it-0.14、首旅−0.21、华住+0.19，当季已实现的景气到季末基本被市场定价。
预知下季：（_mathrmk=+1）华住RankIC升到+0.27（mathrmp<0.05；普通mathrmIC+0.19，方向一致），+0.27是RankIC——把64个季度分别按“预知的下季RevPAR同比”与“本季（季初至季末）股价收益”排序，两组排名的相关系数为+0.27。它的交易含义是：若季初就知道下季景气的相对强弱，按强弱做多做空，方向正确的概率高于随机猜测（mathrmp<0.05）。但排序的解释力只有1C^2approx7%，其余九成以上的收益波动仍由信号之外的因素决定；何况这点相关剔除2020-2022后已不显著——这就是“统计显著”与“能转化为收益”之间的距离。而锦江、首旅在_mathrmk=+1已回到零附近。
注：每格为“普通IC/RankIC”（普通在前、Rank在后）；收益固定取第Q季季初至季末的股价收益，k为RevPAR相对该收益季的期数偏移、信号取第textstyle0+mathrmk季的RevPAR同比——scriptstylecdotk=-2/-1为前两季/上一季（已实现、当下即可用）的RevPAR，检验“用过去信息预测本季收益”；mathrmk=0为本季RevPAR（季末才大致可知）；mathrmk=+1/+2为未来季度RevPAR、需完美预知，“上帝视角/完美预知”仅指mathrmnablakgeqslant0这部分。*/**/***分别表示在10%/5%/1%水平显著。
注：信号mathbfequiv=上季RevPAR同比（季初已知）、反指=-−sign（信号−扩张窗口历史均值），满仓pm1、季初建仓持有至季末；年化为对数口径（季均值times4）、夏普underlineunderlinemathbfdeltapi=.季度均值div标准差timessqrt4；剔除2020cdot2022=2010cdot2019与2023年后两段合并（避开2020-2022极端波动）。各口径样本n：全样本约57（华住/锦江）/40（首旅），剔除2020-2022约45/28，2010-2019约32/15，2023-2026仅约13季——因分段样本有限，此处仅列年化与夏普、不作显著性检验。市场中性截面多空scriptstylecdot=每季多上季RevPAR最弱、空最强者；回测方法详见1.3节。
但它并不是一个可推广的策略：1）不外推——华住mathrmk=-1为+0.04（强者高景气延续、并不回吐），反指亏损，首旅也不成立，最干净的市场中性截面多空全样本夏普−0.26、为负（块置换mathrmp=0.69），可见这是锦江个股的特性、不是一条共有的因子；2）去掉2020-
2022跑不过最简单的买入持有基准——剔2020-2022/纯2010-2019口径下，锦江反指的夏普（0.48/0.33）反而低于“长期持有华住”（0.63/0.77）。所以_mathrmk<0这半边的诚实结论是：信号在锦江单票上可用，但没有一个能外推、剔2020-2022仍稳健、又跑赢长期超配华住的可推广超额——RevPAR的信息含量统计上看得见，要形成稳定alpha却很难。
“即便完美预知也无法盈利”这个结果本身指向了一个更有价值的问题——市场既然早已定价，它定价的到底是什么变量？

前文研究发现需求的强弱无法预测未来股价、也不能产生超额收益，我们现在更关心在同样的趋势下，“谁涨得比谁多”。基础信号与标的定义为：
相对基本面F_t=g_ast/ddag,mathrmt-g_ddagddag;ddag,mathrmt;；相对收益????=??华住,t−??锦江,t其中g为RevPAR同比增速，r为股价收益率（下标为公司与周期t）。mathrmF>0表示华住的生意边际上强于锦江。
推广到三家酒店，华住-锦江（同为经济型连锁、可比性最高）最强且跨期稳定；锦江-首旅只在当季同期显著（bfk=0的RankIC+0.30、普通mathrmIC+0.37），错期与剔除2020-2022后即衰减；华住-首旅（可比性最差的一对）则以噪音为主、各期均不显著。机制上，市场对同业里“谁的生意边际更强”反应灵敏，相对股价慢半拍地跟随相对基本面、形成动量。
注：信号为配对中两家RevPAR同比（对数同比）之差，被解释变量为同期相对股价收益（前者季初至季末收益减后者）；每对各列分两行，“RankIC”为Spearman秩相关、“普通IC”为Pearson相关。k为RevPAR相对收益季的期数偏移、取第_mathrm0+k季的相对RevPAR差——scriptstylecdotk=-2/-1为前两季/上一季（已实现、当下即可用），检验“用已知的相对景气预测未来相对收益”；mathrmk=0为本季（季末经经营数据、草根调研已大体可知）；mathrmk=+1/+2为未来季度、需完美预知，仅作“上帝视角”上限参照。样本n：华住-锦江约62–64、锦江-首旅与华住-首旅约46–48（各列因错位略减）。华住-锦江以红/黑加重，其余两对置灰为对照。*/**/***分别表示在10%/5%/1%水平显著。

相对RevPAR差能预示相对股价，但RevPAR是一个“混合”指标——对数化后“相对RevPAR差underlineunderlinemathbfPi=.相对ADR差^+相对OCC差”精确可加，于是可以把它拆开，让两个分量在同一框架内联合回归，看相对股价到底跟着哪一个走：
联合回归：D为华住−锦江的相应同比差（ADR差、OCC差），R为下一期相对收益；标准误经Newey-West校正。
股市给酒店股定价时，究竟在为“能涨价”买单，还是为“能住满”买单？方法上分两步：先分别计算ADR差、OCC差对未来相对股价的IC；再把两者放进同一回归，比较标准化系数beta。
注：信号为华住与锦江的ADR同比之差、OCC同比之差（均为对数同比差分），被解释变量为两者同期相对股价收益（华住季初至季末收益减锦江）；各信号分两行，“RankIC”为Spearman秩相关、“普通IC”为Pearson相关。k为信号相对收益季的期数偏移、取第scriptstyle0+mathrmk季的相对ADR/OCC差——scriptstylemathrmk=-2/-1为前两季/上一季（已实现、当下即可用），检验“用已知的相对定价/出租率预测未来相对收益”；mathrmk=0为本季（季末已大体可知）；_mathrmk=+1/+2为未来季度、需完美预知，仅作“上帝视角”上限参照。样本arrayrboldsymbolmathrmnapprox62-64boldsymbolmathrmOmegaarray（各列因错位略减）。ADR差以红/黑加重，OCC差置灰为对照。*/**/***分别表示在10%/5%/1%水平显著。
结论是ADR差与未来相对股价高度同向，scriptstylemathbfk=mathbf0/mathbfk=+1的RankIC达mathbf+0.43/mathbf+0.38（普通mathbfIC+0.37/+0.28，双口径一致），且在上季至再下季各期都稳定在mathbf+0.35mathbfsimmathbf+0.43、无明显衰
减；OCC差的mathrmICapprox0甚至为负（cdot-0.14mathrmsim-0.22，意味着它在混合指标中稀释信号）。联合回归（标准误经Newey-West校正，见1.3节）：ADR差beta=+0.33（mathrmt=2.4），OCC差beta=+0.09（scriptstylemathrmt=0.6），mathrmR^2=0.08——OCC的系数完全不显著、不足ADR的三分之一，剔除2020-2022后仍仅+0.08（scriptstylemathrmt=0.7），而ADR差仍有beta=+0.42（mathrmt=2.6）、RankIC为+0.49/+0.43。市场把价格的票投给了ADR。
为什么市场“只认涨价”？其一，入住率有天花板：OCC上限100%、实际90%即触顶，且旺季满淡季空、强均值回归——市场知道它是“暂时的”，不为暂时的东西付估值。其二，房价会被资本化：持续涨价能力来自品牌、产品升级、会员体系，是持久的定价权，消费品牌的提价能力构成护城河，市场愿意把它折进估值。

三家（华住/锦江/首旅）截面：mathrmADRbeta=+0.26sim0.32（按季度聚类mathrmt=3.3sim4.1），OCC不显著；加入亚朵后ADRβ仍有+0.22sim0.30（聚类mathrmt=2.9sim3.9），OCC仍approx0。结论扛住了第四家的加入。按期数mathbfk分解，ADRbeta在领先至同步各期（mathrmk=-1至_mathrmk=+2）均显著（聚类t约2.9sim4.1）、仅回看两季mathrmk=-2不显著，呈领先/同步的定价权信号；OCCbeta恰相反，仅在滞后的mathrmk=-2显著、随mathbfk增大转弱并于_mathrmk=+2转负，是典型滞后量。剔除2020-2022、更换口径、增删个股的稳健性检验均通过。
因此我们可以得到一个通用的“板块定价权排序”：每季按相对ADR（谁的房价跑赢同业）对四家排序，排序靠前者即市场愿意给予相对溢价者。
1）相对股价与相对ADR/RevPAR大体同步、价格略领先约0-2个季度。mathrmk=-1口径假设季初即可用上季的RevPAR、ADR，但季报多在季末后30-60天才披露（年报更晚），故mathrmk=-1实含约半季披露前视（即第5章“按披露日建仓”口径要扣掉的部分），bfk=-2已经不显著。
2）预测精力的再分配：与其平摊在笼统的RevPAR上、或紧盯OCC的同比波动，不如集中预判“谁的ADR会跑赢同业”——用产品与门店结构、会员体系、新开店档次等结构性变量去预测下季的定价权剪刀差。市场买单的变量，恰好是基本面研究最有能力前瞻的变量。
3）对于A股酒店公司的启示：行业在竞争加剧的背景下通常会采取以价换量的方式保住OCC，但从我们的研究结论来看这样的方式对于股价的提振作用很弱。市场买单的还是长期具备强定价权的公司。

既然市场为“相对ADR”买单，我们从2010年起，以各家ADR同比（截面去均值）为信号，每季买入“跑赢同业最多”的一家，并统一口径持有当季季初季末；参考4.1，我们将结论扩展到mathrmk=-2至ttk=2，bfk=0即为当季季初买入当季预计真实的ADR同比赢家，mathrmk=-1即为季初买入上一季的ADR同比赢家。基准取同一标的池的等权组合，换仓扣40bp成本。标的池随上市与披露动态扩张：2010年起为华住、锦江，2013年下半年起加入首旅，亚朵自同比数据可得后加入；华住用美股长历史、锦江首旅用A股。
注：每季在四家（华住、锦江、首旅、亚朵）中买入“相对ADR同比”（截面去均值后）最强的单一标的（top1满仓），换仓扣费40mathrmbp_I/次；口径同正文“ADR动量稳健性错位k扫描”表。两种信号：mathrmk=0为完全前视当季（用当季ADR、持有当季季初季末）；mathrmk=-1为上限口径（用上一季已披露ADR、持有当季季初季末，含约半季披露前视）。2023各季信号采用修正基数——同比基数2019（往前推16季）、2024/2025不变。^6mathrmADR同比”为买入公司自身同比：2023各季为对2019累计涨幅、其余为对上年普通同比，mathrmkmathrm=-1列取信号季（上一季）数值；2023Q1在mathrmkmathrm=mathrm-1口径下信号季落入上一区间，故留空（—）。当季超额dotleft[-right.当季top1（扣费）−四家等权。本段（2023-2026修正基数）超额年化/夏普：mathrmk=0为+4.8%/+0.29（mathttn=13），mathrmkmathrm=mathrm-1为+13.3%/+0.97（mathttn=12）。
推广到过去16年的整体情况，在mathbfk=mathbf0以及bfk=_-bfl的情况下，策略确实跑出了扎实的正超额：
bfk=0即为在季初买入当季ADR同比最高的公司，16年年化超额为10%，夏普值为0.55；但分段并不稳定——2010-2019显著为正（+14.2%/夏普0.76），2023年以来已转为微负（-0.4%夏普−0.03）。
因此：1）如同前文所述，已有的公开数据已经无法获得超额收益，无论是mathrmk=-2（用上上季的ADR同比），还是mathrmk=-1（真实披露日，也就是季度结束30-60天才开始交易）都无法获得显著的超额收益；2）研究员的基本面研究更有价值：在季度初判断上季度和本季度的ADR增长情况就是研究员的本职工作之一，回测给到了这种基本面判断一个超额的回报空间。

市场为相对ADR（定价权）买单、不为相对OCC买单。一个自然的追问是——这是放之四海皆准的酒店股通用规律，还是中国市场与中国商业模式的特定现象？本章把完全相同的检验框架平移到美股酒店龙头，做一次镜像检验。

该结论对剔除2020-2022、增减个股、改用公司整体口径等稳健性检验均成立；即便先把大盘剥离、只看个股的特质收益，相对景气的解释力依然约等于零（mathrmIC+0.02，mathrmp=0.82）。美股酒店股的同业相对强弱，基本不被同期股价定价。
注：以四家美股酒店（万豪MAR、希尔顿HLT、洲际IHG、精选CHH）每季RevPAR对数同比减去当季同业均值后的“相对差”为信号，每季买入相对最强的一家（top1），基准为当季可交易标的的等权组合，扣费40mathsfbp_I/换仓；每季季初建仓、季末平仓（RevPAR为高频可得的经营指标，已实现的过去RevPAR于季初即已知，无需等待季报披露即可成交），股价拼接拉至2002年（2009年前截面仅万豪、精选两家）。每格为“超额年化／夏普”，按持有季所属年份分段。错位mathrmk=信号季−持有季：mathttk<0用已实现的过去RevPAR（可交易），mathrmk=0为当季，ker0为预知尚未发生的未来RevPAR（前视、仅作上限参照）；现状口径即mathrmkmathrm=mathrm-1。

更直接的检验是：拿等权酒店篮子与标普500总收益做风险调整后的对照（含息对含息）。全样本CAPM超额alpha为-2.3%年（_mathrmt=-0.5，不显著），剔2020-2022、近三年也都在零附近；篮子年化波动27%、Sharpe仅0.54，明显低于标普500总收益的0.82。也就是说，持有美股酒店板块，本质是持有一个“波动更大、Sharpe更差的杠杆标普mathbf500^circ——它是大盘beta的载体，并不提供风险调整后的超额。
注：表中各项测算口径如下。1抱团程度（PC1）为各股周对数收益经标准化后，其相关矩阵第一主成分解释的方差占比（最大特征值div特征值之和），数值越高表示越受同一共同因子驱动；美股取六家（万豪/希尔顿/洲际/精选/凯悦/温德姆）共同样本，中国取长样本三家（华住/锦江/首旅）。2大盘解释力（R²）为个股周收益对大盘做单/双因子（标普500及10年期美债利率周变化）OLS回归的判定系数，中国按上市地分设基准（A股对沪深300、中概ADR对纳斯达克金龙中国指数）。3剥离大盘后相对景气为个股季度收益对同期大盘季收益回归后的残差（市场中性特质收益），与同业去均值后的相对RevPAR/ADR求Spearman秩相关（RankIC），括号内为p值；样本均剔除2020—2022年、每季截面不少于三家。4板块篮子超额为等权板块周收益对大盘含息总收益（标普500总收益、沪深300全收益）做CAPM回归的年化mathfrakl与风险调整后Sharpe（无风险利率取0、基准与资产同窗口）。
由此也可以推论出中美所处产业阶段的错位：美国酒店业早已完成极度成熟的寡头垄断，存量博弈下，微观层面的产品升级很难激起波澜，只能随宏观经济共振。而中国酒店业（尤其是华住、锦江、首旅、亚朵的竞争）正处于“连锁化率提升^+中高端结构升级”的双重红利尾声。中国市场的独立Alpha，正是对这部分结构性升级的定价。
我们从三个递进的问题出发：高频数据能不能直接获取收益、经营数据能不能变成可交易的信号、若不能交易这些数据对本职研究又值多少。
第一问，否。纯价格、绝对景气信号对股价既无同期相关、也无领先预测——股价times基本面的同期跨块相关在扣掉共同趋势后仅约0.08，需求景气同比对个股的RankIC全样本不超过0.18，且分年符号相反，是过拟合最典型的指纹。唯一真实的结构在基本面内部（出行的\“量\“流向酒店的\“住\“、机票的\“价\“流向酒店的\“价\“，油价经\“出行变贵出行量下滑\“二阶传导至酒店），但那是基本面层面的事实，不构成\“只看股价就能获取收益\“的信号。
第二问，统计显著、但不可交易。价差回归（配对交易）里只有自然山岳门票簇幸存，峨眉山-九华是金标准（协整mathrmp<0.001、半衰期约6周、2017年以来11次机会成功10次、胜率91%），但2018年单次失败即亏16.6%，重仓任何单独一对都暴露在尾部风险下；经营数据这边，即便给定完美预知，下季RevPAR对（单票）股价的RankIC也只有+0.27、解释力不到7%，剔除2020-2022后已不显著——\“统计显著\“与\“能转化为收益\“之间，隔着的正是这段距离。
第三问，也是本篇真正的价值所在。在回答\“数据对研究值多少\“的过程中，我们得到了全篇最重要的增量结论：市场给酒店股定价时，看的是\“房价（定价权）\“而不是\“入住率\“。把RevPAR精确拆成ADR与OCC两个分量同台联合回归，相对ADR差对未来相对股价的RankIC高达+0.43/+0.38、回归beta=+0.33（mathrmt=2.4），而相对OCC的beta仅+0.09（scriptstylemathrmt=0.6）、甚至为负；推广到四家酒店的截面池化回归，ADR的beta仍稳定在0.22-0.3，OCC始终approx0。市场把价格的票投给了ADR——因为入住率有天花板、强均值回归，是\“暂时的\“；而持续涨价能力来自品牌、产品升级与会员体系，是可被资本化的持久护城河。
但是这条定价规律是中国市场的特定现象、而非放之四海皆准。把完全相同的框架平移到美股酒店龙头，相对景气的解释力归零（相对ADR联合回归beta仅+0.07、聚类scriptstylemathrmt=0.7），美股六家高度抱团、本质是一个\“波动更大、Sharpe更差的杠杆标普500\“（beta=1.22、mathrmR^2=0.58、CAPMmathfraka为-2.3%年且不显著、Sharpe0.54对标普0.82）。换言之，美股酒店股是大盘beta的载体，中国酒店股才真正为自家的定价权单独买单——这恰恰是中国出行链研究中具备独立alpha价值的细分方向。
1、统计与口径误差风险：酒店之家行业数据与上市公司公告口径存在差异，公告口径自身亦有范围调整（如华住含境外DH），聚合与匹配过程存在误差。
2、单一阶段风险：核心周频结论仅覆盖2023-2026年复苏阶段，未经跨周期检验，宏观或行业环境切换后规律可能失效甚至反号。
3、历史外推风险：“市场定价相对ADR、忽略OCC”的归因基于历史相关性，未来市场定价逻辑可能变化，定价权排序仅供研究参考。
4、前瞻判断证伪风险：报告登记的样本外判断存在被证伪的可能，且其对应信号在可交易口径下并不显著，不构成交易建议。
5、样本与生存偏差风险：回测标的池仅纳入持续上市的酒店与景区龙头，未包含期间退市或被并购的标的，可能存在生存偏差；且样本期（2010-2026年）含2020-2022年极端阶段，虽已通过剔除该阶段做稳健性检验，但样本选择问题仍可能使历史超额收益被高估。