标签： #python

现金转化周期(CCC)因子：用 DIO + DSO − DPO 把「一家公司把现金锁在营运资本里多久」量化成横截面信号——短 CCC 公司资本效率高、长期跑赢。本文从零实现三项周转天数、构造「清洁 CCC」月度再平衡因子，验证十分组收益严格单调、长短因子年化约 17%，并诚实拆穿渠道压货/应付账款透支/幸存者偏差/做空约束/行业中性化五类真实陷阱(中阶)。

保护性看跌能给股票买保险，但权利金像每年交的保费，长期拖累收益。领口策略（collar）的聪明之处在于——一边买虚值看跌当地板，一边卖虚值看涨收权利金付账单，让保护接近零成本甚至净收权利金。代价是让渡了上方涨幅。本文从零复现 collar 的到期损益结构与季度滚动机制，用自洽合成数据证明它把最大回撤从 −43.6% 压到 −11.6%、Sharpe 从 0.39 升到 0.51，年化只让渡 0.5 个百分点，并诚实拆穿上行让渡/波动率微笑/滚动跳空/行权指派/税务摩擦五类真实陷阱（中阶）。

你下单时看到的成交价，和真实可得的买卖价之间隔着一道隐性成本——买卖价差（bid-ask spread）。Corwin & Schultz (2012) 给出了一招极简的估计法：只靠每日最高价/最低价，对比 1 日与 2 日的高低区间，就能把价差反演出来。本文用纯 numpy 从模型底层实现这套估计，验证它能还原价差的时间变化与排序，并诚实拆穿低频数据病态条件/自相关稀释/小价差衰减/窗口主观/微观结构噪声五类真实陷阱（中阶）。

移动平均会滞后、HP 滤波端点漂移、小波要选基——经验模态分解（EMD, Huang et al. 1998）换个思路：不预设基函数，直接按数据自身的局部极值反复「筛」出一组本征模态函数（IMF），高频在前、低频在后，最后一块是趋势残差。本文用 numpy 从零实现 sifting，在「慢饱和趋势+双周期+噪声」合成价格上把趋势 RMSE 压到约 4（接近 HP 滤波的 2.3），并诚实对比 MA / HP，拆穿端点漂移、模态混叠、噪声敏感、停止准则、计算成本五类真实陷阱（中阶）。

为什么同样买一亿的单，大盘蓝筹几乎不动、小盘冷门股却拉涨停？答案藏在一个系数里——Kyle lambda，价格对净订单流的冲击斜率。它同时是流动性的倒数和信息含量的温度计：λ 越高，说明市场越浅、订单里的知情信息越浓。本文从 Kyle (1985) 的做市商模型出发，用纯 numpy 从零把 λ 用 OLS 回归估出来（R²=0.98 还原真值 0.8），验证信息占比越高 λ 越大、信息事件期间滚动 λ 从 0.5 飙到 1.5、横截面上成交量越低 λ 越高（幂律斜率 −0.53），并诚实拆穿订单符号分类误差/回归内生性/时变结构/流动性口径混淆/样本频率五类真实陷阱（中阶）。

同样挂在买一档的限价买单，排在队首和排在队尾，价值天差地别。本文用离散时间队列模型从零量化「队列位置价值」：成交概率随排队深度单调衰减（队首 83% → 队尾 2.3%），但「位置价值」却是非单调的——因为队首成交太快会被知情抛压逆向选择吃掉。最佳位置是第 3 位而非第 1 位。附完整 Python 与五类实战陷阱（高频）。

单家机构的 VaR 只看自己亏多少，看不见「你倒了连累谁」。网络中心性（度/特征向量/介数）把机构间的敞口纠缠量化成节点重要性，直接回答监管与风险管理的核心问题：哪些机构是系统重要性最高、最不能倒的 SIFI。本文用纯 numpy 从零构造银行间敞口网络，计算三种中心性并对比排名，并诚实拆穿网络不完整/阈值主观/时变断裂/多层隐藏/中心性权重五类真实陷阱（中阶）。

保护性看跌 overlay（protective put）是把股票组合下行风险焊住的最经典工具：持有一揽子股票 + 长期滚动买入虚值看跌，崩盘时看跌变成实值把损失垫住，平静期则持续付权利金。本文用 Black-Scholes 从零实现滚动 3 月看跌 overlay，自洽合成下两次崩盘分别对冲掉 22.3 与 8.9 个百分点跌幅，但累计保费年化拖拽约 5.4%——诚实拆穿择时错配/微笑低估/股息漏记/展期跳点/过度对冲五类真实陷阱(中阶)。