标签： #量化交易

配对交易/统计套利的本质问题只有一个——价差偏离均值后多久回去？Ornstein-Uhlenbeck(OU) 过程把均值回复写成 dx=κ(θ−x)dt+σdW，并给出可估计的回归速度 κ 与半衰期 HL=ln2/κ。本文用协整价差 + OU 建模 + z-score 信号，从零复现一套统计套利回测，并点明协整断裂、时变 β、手续费吞没、前视偏差四类真实陷阱（中阶）。

同一个『买过去赢家、卖过去输家』的排序策略, 持有 1 个月是亏的(短期反转), 持有 12 个月却赚钱(动量)——差别只在持有期 h。本文把它拆成两个隐藏成分: 短期『过度反应』仅 lag-1 反转(γ_R(1)=-θσ_O²<0, lag≥2 归零)与长期『信息动量』持久(γ_M(h)=σ_M²·φ_M^h>0, 衰减慢)。300 股 × 2982 日合成面板实跑: rank-IC 从 -0.109 翻到 0.012、L-S 月均收益由 -3.23 翻到 0.33、拐点出现在 h*≈3 并在 h=6-12 区间随动量累积持续增强。附完整 Python 与六类真实陷阱(中阶)。

你的回测夏普被一个乌龙指撑高了？你的协方差矩阵被一次闪崩撑爆了？经典均值-方差模型在遇到极端值时像纸糊的。本文用真实合成数据证明:中位数+MAD 把被离群值撑大的波动率从 2.08× 拉回 0.95×,稳健相关把被摧毁的 0.24 拉回真实 0.60 附近,并给出可直接落地的 Python 实现与五类真实陷阱(中阶)。

RSI 是经典超买超卖指标,但「RSI>70 就卖」在强趋势里会被反复打脸——趋势能超买再超买。真正有用的不是 RSI 的绝对高低,而是「价格与动能的背离」:价格还在创新高、RSI 却创不出新高(顶背离),或价格还在创新低、RSI 却创不出新低(底背离)。本文用 Wilder RSI(14) 从零复现背离识别: V 形合成序列上顶背离命中率 56% 而随机点位仅 24%、趋势越强末端背离越密集(斜率 0.02→0.08 顶背离均数 0.8→3.1),证明背离是趋势衰竭的领先信号而非滞后确认。附完整 Python 与六类真实陷阱(中阶)。

同一个策略,日频回测夏普 0.78,切到周频只剩 0.66——不是策略变了,是你的采样频率在偷偷改答案。根因是日收益的一阶自相关:正自相关(动量)让周频夏普系统性偏低、负自相关(均值回复)让它偏高。本文用 AR(1) 合成序列 + 200 次蒙特卡洛证明偏差可超 ±15%,附完整 Python 与五类真实陷阱(中阶)。

标准 ARIMA 用整数差分 d=1 把序列强行去趋势, 可金融序列(平方收益、已实现波动)的 ACF 不是指数衰减, 而是按幂律 c·k^(2d-1) 慢慢衰减——这种『长记忆』被整数差分一差就过差分、把慢衰减也差没了。ARFIMA 用分数差分 (1-L)^d (0<d<0.5 长记忆, d<0 反持续) 把这段长尾记忆窗口保留进模型。本文用 2 万点合成长记忆序列演示: 分数积分滤波器权重呈长尾、双对数 ACF 斜率反推出 d̂≈0.243(真值 0.30)、长期累积方差按 H^{2d} 幂律增长, 而短记忆 AR(1) 误判为线性, 在 H=250 时把长期风险低估到真实值的约 5%。附完整 Python 与五类真实陷阱(高阶)。

多因子/多资产选股最尴尬的事:你以为在赚 alpha,其实 90% 的波动都来自大盘。Beta 中性(市场中性)用一篮子多头 + 一份指数空头,把组合的总市场暴露精确压到 0——系统性涨跌被对冲掉,剩下的只有个股特质收益(也就是真正的 alpha)+ 特质噪声。本文从收益分解讲起,用真实模拟演示:中性化前组合与市场的相关系数 0.97、回撤 −16%;中性化后相关系数降到 −0.07、回撤只剩 −1.5%;并诚实给出对冲倍数 k、做空成本、净敞口坍缩、beta 漂移四类实战陷阱(中阶)。

Carry 不是外汇专属——利率、商品、股票都在为『持险』付费。本文用 G10 套息组合从零模拟，证明系统性 Carry 的收益本质是对全球风险因子的负向暴露：常态收保费、危机赔大钱，并给出波动目标化与趋势过滤两类减伤方案（高阶）。