标签： #python

固定百分比止损有个死穴：它不管趋势走多远都保持同样的距离，要么在盈利单上留太多回吐空间，要么在趋势初期就被震出。Parabolic SAR（Wilder 1978）用一个会加速的追踪止损解决这个矛盾——趋势走得越久、创新高越多，止损点就贴得越近。本文从零复现 SAR 递推与加速因子机制，用自洽合成数据证明它在 Sharpe（0.40 vs -0.00）、最大回撤（-12.4% vs -28.7%）上全面碾压固定 8% 止损，并诚实指出它在震荡市里会被反复翻边打脸，附完整 Python 与六类真实陷阱（高阶）。

『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）。

期权价格里藏着市场对未来的完整分布预期，不只是一个隐含波动率数字。Breeden-Litzenberger(1978) 证明：看涨期权价格对行权价的二阶导，乘以贴现因子，就是到期日标的的风险中性密度 q(S_T)=e^{rT}·d²C/dK²。合成 BS+波动率微笑里，含微笑反推的密度偏度 −1.10（肥左尾）、P(S_T<80)=9.17% 是常数 IV 的 1.6 倍、P(S_T<70)=4.84% 是常数 IV 的 8.3 倍——微笑把崩盘概率显性搬到左尾。附完整 Python 与六类真实陷阱（高阶）。

CoVaR（Adrian-Brünnermeier）把「系统性风险」从一句话变成可量化指标：CoVaR_i = 机构 i 陷入自身 VaR 困境时，系统的条件风险价值；ΔCoVaR_i = CoVaR_i − 常态下系统 VaR，即机构 i 对系统的边际贡献。用 6 家机构的因子关联仿真：银行A（关联度最高）ΔCoVaR 最大(−3.34)，信托F 最小(−2.55)，与系统关联度严丝合缝。附完整 Python 与六类真实陷阱（高阶）。

样本协方差矩阵在 p 接近 n 时大半是噪声：最小方差组合权重会被压进少数几只股票、矩阵变得病态、样本外方差爆炸。Ledoit-Wolf(2004) 用解析线性收缩把样本协方差 Σ̂ 拉向一个结构化目标 F（清掉相关性、保留方差），自动算出最优收缩强度 δ。合成 30 资产 250 天里，精确收缩把样本 Σ 的条件数从 25.1 压到 11.3（降 2.2×）、Frobenius 误差从 2.22 降到 2.01，样本外最小方差组合更稳。附完整 Python 与六类真实陷阱（高阶）。

股权本质是公司资产对债务的一份看涨期权：资产高于债务，股东拿走剩余；资产跌破债务，股东行权失败、公司违约。Merton(1974) 用这个洞见把 Black-Scholes 反过来用——由可观测的股权市值与波动率，联立两条方程反解不可观测的资产价值与资产波动率，再算出违约距离 DD 与违约概率 PD=N(−DD)。合成三家公司里，健康公司 DD=7.39/PD≈0、中等 DD=3.63/PD=0.014%、困境 DD=1.91/PD=2.80%，蒙特卡洛 200 条路径经验 PD=2.50% 验证理论值。附完整 Python 与六类真实陷阱（高阶）。