- 做市库存风险：Avellaneda-Stoikov 框架下的库存-对冲博弈
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）
19 min Chinese - 并购套利风险：用价差与完成概率给 deal spread 定价
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。
11 min Chinese - 滚动窗口协整：用 DCC 抓住会『断』的长期关系
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）。
12 min Chinese - TSRV 二次变差：用子采样把微观结构噪声剔出波动率
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）。
13 min Chinese - 波动率风险溢价择时：用 VRP 开关股债配置
波动率风险溢价择时：VRP=隐含波动−已实现波动，是市场为『保险』付的恐慌溢价。VRP 与下月权益超额收益正相关，用 60 分位做开关：VRP 高配股票、低配债券。模拟里 VRP 择时年化 9.0%/SR 0.66/MDD −33.2%，优于买入持有股票(6.8%/−43.4%)，附 Python 与六类真实陷阱。
13 min Chinese - 注意力机制因子：让模型自己决定看哪些特征
把注意力机制从 NLP 搬进多因子选股：用特征级自注意力让模型自己决定看哪些因子，再门控加权出 1 维注意力因子。合成里门控因子 OOS R²=0.59 远超等权平均 0.15（高阶）。
15 min Chinese - 贝叶斯状态空间择时：把『现在是牛是熊』变成后验概率
市场牛熊不是开关而是隐状态。HMM+Baum-Welch EM 估参数、前向-后向算平滑后验 P(牛|全部观测)；后验>0.5 满仓否则空仓：合成回撤 −47%→−9.3%、Sharpe 0.22→0.99，附 Python 与六类陷阱（高阶）。
13 min Chinese - 集成模型平均：把多个弱预测融成稳健 Alpha
集成模型平均不是玄学而是有解析保证：Var(S_M−μ*)=(σ²/M)·(1+(M−1)ρ)，只有模型误差独立(ρ小)才持续降噪。合成里单模型 IC 0.134、40 模型集成升到 0.229，Sharpe 从 1.60 拉到 3.12，附完整 Python 与六类真实陷阱（高阶）。
12 min Chinese
返回