博客

『好公司』听起来像价值投资的心灵鸡汤，但 Asness 等(2014) 把它写成了可复制的因子：Profitability+Growth+Stability−Leverage−Aggressiveness，五个维度合成 QMJ。本文用 200 家×120 月的合成面板复现质量溢价——优质十分位年化 12.9%(Sharpe 1.02)、垃圾十分位仅 3.2%(Sharpe 0.30)，多空 QMJ 组合年化 9.2%、Sharpe 1.86、CAPM α 9.75%/年且 β 为负(防御属性)，rank-IC 均值 0.045(t=6.61)。附完整 Python 与六类真实陷阱（高阶）。

Black-Scholes 假设波动率为常数，于是同标的、不同行权价的隐含波动率应是水平线；但真实市场是弯弯的微笑甚至偏斜的。SABR(Hagan 2002) 把波动率也建模成随机过程，用 α、β、ρ、ν 四个参数精确还原整条波动率微笑。附完整 Python 与六类真实陷阱（高阶）。

系统性风险不是一只机构倒下那么简单，而是『一只倒下连累一串』的网络效应。把金融机构的收益相关性翻译成关联图，用图论指标（节点度、中心度、最短路径）量化谁是系统重要性枢纽、冲击怎么沿边传播。附完整 Python 与六类真实陷阱（高阶）。

TFT（Temporal Fusion Transformer，Lim 等 2020）是少有的「既用 Transformer 注意力、又刻意追求可解释」的时序模型。它靠三道门控——变量选择网络(VSN)、时序注意力(TIA)、门控残差——把「哪几个变量重要、过去哪段历史重要、线性还是非线性重要」全部量化出来。本文用自洽合成模型从零复现这三步，给出变量选择 265× 信噪比、多变量融合 SMAPE 比单变量低 43.7% 的实算结果，并诚实指出注意力可解释性的边界，附完整 Python 与六类真实陷阱。

VVIX 是 VIX 期权隐含的'VIX 的波动率'——恐慌的平方。它能否预测未来 VIX 走向？本文用自洽合成模型从零构造 VVIX、证明它确实领先 VIX 均值回复(IC=-0.195、低高桶单调反转)，并诚实指出朴素日频择时会跑输买入持有，附完整 Python 与六类真实陷阱。

VSTOXX 是 EURO STOXX 50 的'欧洲 VIX'。它和 VIX 同构却更小众：期限结构 contango 为常态、曲线 carry 稳赚但危机翻转日爆亏，而 VIX-VSTOXX 的背离窗口还能做跨大西洋配对相对价值。本文从零构造 VSTOXX 期限结构、跑通 carry 与配对策略，附完整 Python 与六类真实陷阱。

大模型能预测股市吗？AI在金融领域的现实与幻觉 - halo的技术博客

量化回测的七大致命陷阱：为什么你的策略回测漂亮实盘却亏钱 - halo的技术博客