- Fama-MacBeth 截面回归：两步法把因子暴露变成风险溢价
Fama-MacBeth 把「因子能不能赚到风险溢价」拆成两步：先估每家公司对因子的暴露、再逐月截面回归把暴露定价成 λ̂。合成里 λ̂ 精确还原真值，Newey-West 修正压低虚高 t 统计，单因子定价误差 |α|=0.78、补全因子后塌到 0.003，附完整 Python 与六类真实陷阱（高阶）。
14 min Chinese - FIGARCH 长记忆波动：用分整把波动的慢衰减建模
GARCH 的方差冲击只指数衰减，可真实市场的波动聚集能持续好几个月。FIGARCH 用分数阶差分 (1-L)^d 把这种『慢衰减』写成可估的长记忆模型，本文从直觉、数学到 Python 全流程讲透。
12 min Chinese - 已实现半方差(HARQ)：把隔夜跳变与日内连续波动拆开预测
波动率不是一团模糊的『风险』——上行与下行、连续扩散与跳变，对未来波动的预测力完全不同。本文用已实现半方差(RSV)拆开涨跌，再用 HARQ 修正测量误差，样本外把 RV 预测的 RMSE 从 1.34 压到 1.27、QLIKE 同步下降，并逐一拆解跳变、杠杆效应与测量噪声这三道真实落地关。
16 min Chinese - Hawkes 过程与自激点过程：给订单流的 contagion 建模
Hawkes 自激点过程把「事件会触发更多同类事件」写成条件强度 λ(t)=μ+∫αβe^{-β(t-s)}dN_s。用 Ogata thinning 与精确簇采样仿真订单流：分支比 α 决定自激强度，α→1 时事件数发散、平稳性破裂；MLE 能从一段事件序列还原 μ/α/β。附完整 Python 与六类真实陷阱（高阶）。
15 min Chinese - Heston 随机波动率模型：用随机波动率解释 BS 解释不了的波动率微笑
Black-Scholes 假设波动率是常数，于是同一标的、不同行权价的期权隐含波动率应当是一条水平线。但真实市场里它是一条弯弯的微笑（且长期偏斜）——BS 用平值波动率给所有行权价定价会系统性误定价。Heston(1993) 把波动率本身建模成均值回复的平方根过程（带杠杆效应 ρ<0：跌时波动飙升），从机制上还原了波动率微笑。合成 30 资产级蒙特卡洛定价显示：T=0.5 时 BS 用平值 IV 给深度虚值/实值期权定价，误定价高达 ±0.45，Heston 则贴合微笑。附完整 Python 与六类真实陷阱（高阶）。
13 min Chinese - 高阶矩组合：把偏度与峰度也写进目标函数
高阶矩组合：把偏度与峰度也写进目标函数 - halo的技术博客
12 min Chinese - 流动性共同因子：Amihud 溢价的系统性来源与危机放大
流动性共同因子：用 PCA 在个股 Amihud ILLIQ 矩阵上抽出系统性流动性因子，解释 67.8% 截面方差；危机期截面相关性从 5.5% 飙到 35.6%，共同因子暴露溢价从 −2.5% 被放大到 +11.0%。附 Python 与五类真实陷阱。
16 min Chinese - LPPL 对数周期幂律：用临界泡沫模型给崩盘点位预警
泡沫不是随机游走，而是临界相变：价格超指数加速、途中出现等对数间隔回调。LPPL（对数周期幂律）把这种加速和振荡同时写进一个可估模型，外推出临界时间 t_c 作为崩盘预警。合成里 t_c 命中率达 93%、对数周期振荡 F 检验远超 1，附完整 Python 与六类真实陷阱（高阶）。
16 min Chinese
返回
博客
第 56 页 · 显示 8 / 1196 篇文章
按年份查看 →