标签： #python

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。

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）。

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）。

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。

做市商最大的敌人不是价差而是库存：Avellaneda-Stoikov(2008) 用指数效用推出保留价与最优价差，让报价随库存偏斜、自动把持仓拉回零。模拟里 AS 把终端库存波动从 6.17 砍到 4.14、极端持仓从 36 压到 24，PnL 几乎不丢，附完整 Python 与六类真实陷阱（高阶）

并购套利赚的是『收购报价与目标现价之差』，但它本质是给交易失败概率定价。本文用 deal spread、隐含完成概率、双态收益和净年化收益，把这笔风险溢价算到每股、算到年化，并给出 Python 全流程。

协整不是『一旦成立就永远成立』。真实配对常在某天结构性断裂——对冲比漂移、价差从平稳变成随机游走。用滚动窗口 Engle-Granger 重估对冲比、用 DCC-GARCH 监测动态条件相关，把『关系断了』变成可检测、可自适应修复的信号；附完整 Python 与六类真实陷阱（高阶）。

高频已实现方差被买卖价差、离散撮合等微观结构噪声系统性高估。Zhang-Mykland-Aït-Sahalia(2005) 两尺度已实现方差(TSRV)用子采样把噪声方差线性分离出来、外推到 K→∞ 得到无偏的积分方差。合成里全样本 RV 高估 32.5%、TSRV(K=12) 修复到 −7.4%，噪声越大差距越夸张，附完整 Python 与六类真实陷阱（高阶）。