博客

CPPI 有个让人夜不能寐的缺陷：它只保本金、不保利润——牛市赚了 70%，崩盘时地板还钉在起始资金的 85%，账面利润可以全数吐回。TIPP（时间不变组合保险）的修复只改一行代码：地板 = 锁定比例 × 历史最高净值，且只升不降——这是一个棘轮，净值创新高，保本线就跟着上抬，赚到的利润被逐级锁进保险箱。本文用纯 numpy 实现 TIPP，在『先牛市大涨 +77%、再深度崩盘』的路径上与 CPPI 正面对决：崩盘中 CPPI 从高点吐回 43.1%（利润几乎清零），TIPP 只回撤 5.5%、终值 1.469 完胜；代价在牛市段——棘轮地板紧追净值把缓冲垫越压越薄，TIPP 牛市平均仓位只有 57%（CPPI 是 91%）。1500 条蒙特卡洛路径给出完整代价表：TIPP 把 95% 分位终值从 1.84 砍到 1.48（砍掉右尾），换来 MDD>20% 的路径占比从 27.5% 降到 0.0%。锁定比例敏感性扫描揭示 85% 是回撤与收益的平衡点。打穿棘轮不可逆的双刃剑、结构性 cash-lock、波动拖累、锁定比例幻觉四类陷阱（中阶）。

详解将大语言模型微调为股市预测专家的完整技术路线

BTC/USDT、ETH/USDT、ETH/BTC 三个价格必须满足一个乘法恒等式，否则沿环路换一圈就能白赚——这是教科书里最接近『无风险利润』的东西。但教科书不告诉你的是：这条环路上蹲着三重摩擦。本文用纯 numpy 模拟 50000 秒的三交易对 tick 数据（交叉盘偏离建模为 OU 均值回复 + 偶发再定价跳跃），把三角套利从幻觉到现实完整算一遍账：无摩擦视角下 25392 个 tick 存在『机会』，套上 0.1% taker 费率×3 腿后机会数直接归零，VIP 费率 0.02%×3 下只剩 484 个；成本瀑布显示毛偏离均值 6.9bp，而普通 taker 三腿费用就要 30bp——费率不是成本，是判决书。延迟衰减实验：信号触发时平均净利 4.5bp，慢 5 秒剩 1.3bp，慢 10 秒转负（-1.0bp），30 秒 -6.5bp。VIP 费率+1 秒延迟的完整回测：83 笔、胜率 95%、单笔均值 0.43 USDT——真实但薄如刀片。另拆穿腿风险（第三腿成交前你持有裸头寸）、余额预置 vs 顺序执行、机会共灭（对手也是机器人）三类结构性坑（中高阶）。

把二十年的日收益按『它在当月的第几天』重新排队，会看到一个刺眼的规律：月末最后几个交易日到次月头两天（合称 TOM 窗口）的日均收益，是月中的几十倍——Ariel (1987) 和 Lakonishok-Smidt (1988) 记录的月末月初效应至今稳健。燃料是资金流的日历表：工资定投、养老金申购、机构窗口粉饰、被动基金月末再平衡，全都卡在日历翻页那几天入场。本文在植入月末月初正漂移的 20 年×252 日合成数据上完整复现：TOM 窗口只占 24% 的交易日却贡献 98.5% 的累计收益、两样本 t=4.24；只在这几天持有的策略年化 32.8%（Sharpe 2.24）碾压全程买入持有（Sharpe 0.54），而月中持有近乎白拿风险（年化 0.2%）。附逐年稳定性检验、窗口长度扫描、完整 Python 与四类真实陷阱（中阶）。

均值方差优化器每个月都想把组合翻个底朝天：估计噪声让最优权重月月剧烈跳动，5 资产月度调仓的年化换手高达 6.5 倍，30bp 单边成本直接把年化收益从 +1.75% 磨成 -0.22%。本文把 L1 换手惩罚项写进目标函数，用近端梯度求解：λ=0.0005 就把年化换手从 6.5 压到 2.4，净费后年化从 -0.22% 翻正到 +1.43%，最大回撤同步收窄 9 个百分点。5 组独立模拟扫描 λ 画出换手-净收益前沿，并诚实揭穿一个反直觉结论：10% 的无交易带几乎无效——因为估计噪声导致的权重摆动远大于 10%。附完整 Python 与四类真实陷阱（中高阶）。

隐含波动率常年高于事后兑现的已实现波动率，这条缝隙（IV−RV）就是方差风险溢价 VRP——期权卖方收的保费。但 Bollerslev-Tauchen-Zhou 的洞见更进一步：VRP 不只是常数保费，它是会呼吸的，而且它的宽窄能预测卖波动策略未来的收益。10 年 GARCH 合成数据完整复现：IV 92.5% 的时间高于 RV、平均升水 4.33 个波动点；把当日 VRP 分五档，Q1（最薄）未来一个月卖波动亏 1.62%、Q5（最厚）赚 1.53%，单调递增。据此造开关——VRP 厚时开仓卖波动、VRP 薄或倒挂时空仓：同一条卖波动腿，无择时版 Sharpe -0.26、回撤 -51.7%（长期亏钱），VRP 择时版 Sharpe 1.2、回撤收窄到 -27.9%、净值转正。关键在 VRP 会在崩盘前压缩，开关据此提前拉闸。附 IV/RV 缝隙、VRP 开关时序、净值对比、分位收益四图与完整 Python，及四类真实陷阱（中高阶）。

for 循环回测一根 K 线一根 K 线地跑，参数扫描时慢到让人放弃——十万根 K 线、两百组参数，循环版可能跑几分钟。向量化换个思路：把信号、持仓、收益全部写成 NumPy 数组运算，让 C 层的广播一次性算完所有 K 线甚至所有参数组合，同样的活压进一次矩阵乘法，实测提速 300~500 倍。本文从零手写一个向量化回测引擎：先讲循环版慢在哪，再用累积和算移动均线、用布尔数组生成信号、用 shift 严守次日执行不偷看未来、用三维广播一次算出 200 组参数的 Sharpe 热图，最后跑 2000 条蒙特卡洛路径压力测试。附速度换内存的取舍分析——向量化不是免费午餐，参数组合爆炸时内存会先崩（中阶）。

VIX 期货绝大多数时间处于 contango——近月比现货贵、次月又比近月贵，这条向上倾斜的曲线不是预期，是恐慌保险的卖方在收保费。做空近月、随时间下滑到现货、每月滚动，就是把这份升水一口口吃进来。8 年合成数据完整复现：期限结构 67% 时间处于 contango、正斜率日均 roll 高达 9%；裸空 carry 收益分布左偏 -4.03、单一危机日就能吞掉大半年利润，长期净值 CAGR -12.5%、最大回撤 -78%；加一层『倒挂即离场』的 regime 过滤，同一条腿变成年化 14.7%、Sharpe 0.64、回撤收窄到 -30%。对照做多 VIX 的绞肉机（CAGR -31%、回撤 -97%）说明升水结构的方向由谁买单。附期限结构快照、斜率 regime 时序、净值对比、收益分布四图与完整 Python，以及四类真实陷阱（中高阶）。