量化研究常见的难题，不是缺少信号，而是不知道信号何时有效、该怎样去掉噪声。这份 Quantitativo 周报更像一张待复现清单：一项研究不发明新异常，而是按宏观状态——通胀、增长、流动性等市场阶段——在 212 个已知异常间重新分配资金，作者报告月收益 2.13%、Sharpe 1.51；但状态往往事后才清楚，漂亮的历史择时仍要排查偷看未来和反复试参。
另一项研究用 3,636 只基金、33 年持仓构造 Fund Skill Gap：比较技能排名前后各 10% 基金的因子暴露差。它对下月价值因子收益的相关系数为 0.30，系数 t 值为 3.99，却无法预测动量；作者也承认主结果属于样本内检验，季末持仓还有披露延迟。
最醒目的线索来自过滤趋势——把慢速方向与短期噪声分开。保持行业轮动规则不变，仅替换平滑方法，年化收益就从 5.6%升至 15.9%，Sharpe 从 0.30 升至 0.82；胜出的是 1990 年用于图像边缘检测的 Perona–Malik 滤波。不过，相对等权行业组合的优势只有边际显著（t=1.8）。这些数字适合扩充研究清单，还不能直接当作可交易结论。