标签： #量化交易

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）。

1985 年 Cox-Ingersoll-Ross 用一篇论文堵住了 Vasicek 最大的洞——利率能变负。CIR 把扩散系数从常数改成 √r：当利率逼近 0 时扩散也趋 0、而向上的均值回复拉力仍在，于是利率被「非负地板」托住。本文从 Milstein 精确模拟讲起，用 CIR 仿射闭式演示：①利率永不低于 0（Feller 条件 2ab>σ² 成立时，模拟最低 2.14%）；②平稳分布是 Gamma、均值=中枢 b；③收益率曲线随 r₀ 切换（低→上翘 +172bp / 高→反转 −177bp）；④贴近零地板时波动率塌缩、短端被钉死。附完整 Python 与六类真实陷阱(中阶)。

期货远月升水(contango)和近月贴水(backwardation)不是术语游戏,而是能直接下注的 alpha。展期收益 = 持有远月贴水商品的『免费滚仓』。本文用 8 个商品 25 年月度面板从零复现:做多贴水/做空升水横截面多空年化约 15%、与动量低相关、熊市更稳(高阶)。

单资产的时序动量(过去涨就继续做多、过去跌就做空)本身信号很弱，一到震荡就被反复打脸。真正的威力在『把它跨资产做』：股、债、商品、外汇四条腿各自打时序动量、各自做波动率目标化，再等风险聚合成一个『宏观动量』组合——不同资产的趋势彼此错开，某条腿被震荡打脸时另几条腿还在赚趋势的钱。本文用 12 年合成四资产面板演示：单资产择时 Sharpe 只有 1.1~1.3，聚合后组合 Sharpe 2.41、年化 12.5%、最大回撤只有 −9.6%，明显优于波动目标 buy&hold(Sharpe 1.95)与原始等权持有(Sharpe 1.48)；并诚实交代趋势信号弱、切换成本、波动率目标的杠杆陷阱、相关性抱团四类实战问题(中阶)。

均值-方差优化只关心平均亏损和方差，对尾部视而不见——于是它会把权重压向『平时最稳、危机最惨』的资产。Rockafellar-Uryasev(2000) 把 CVaR（条件风险价值，即最坏 5% 情形的平均损失）写成一个线性规划，直接把尾部平均塞进目标函数。本文用合成收益(常态高斯 + 5% 灾难跳变)实跑：均值-方差把 100% 砸进肥尾资产4（组合 CVaR 5.93%），而 CVaR 优化主动分散、把资产4 压到 12.7%（组合 CVaR 仅 2.03%）。附完整 Python 与六类真实陷阱（高阶）。

马科维茨最大夏普对协方差估计极度敏感——样本噪声一来，权重就爆成几十倍杠杆、还冒出一堆空头。等风险贡献(ERC / Risk Parity)干脆放弃预测收益，只要求「每个资产对组合总波动率的边际贡献完全相等」。本文用固定点迭代 w∝1/(Σw) 在 6 资产合成上求解：ERC 收敛 263 步、风险贡献精确 16.67%×6(方差 9.7e−33，而等权 9.5e−07)，权重向低波动资产倾斜(最低波动资产拿 41% 权重)；并在高/低相关市场下验证风险贡献依旧均匀。附完整 Python 与六类真实陷阱(中阶)。

相关性在平静时很好用,一到大跌它就骗你:2008 年雷曼倒下那周,所有资产相关性都飙到 1,分散化保护瞬间蒸发。根因是普通相关系数只测「平均联动」,而危机是尾部事件。极值理论(EVT)用阈值超限 + 广义帕累托分布(GPD)专门建模「极端值」,再用尾部依赖系数 λ 量化「一个资产暴涨/暴跌时,另一个也极端的概率」。本文用 4 万次蒙特卡洛证明:同相关系数 ρ=0.6 下,高斯尾部依赖 λ→0(极端不联动、分散化有效),而 t(ν=4) 尾部依赖 λ≈0.31(极端高度联动、分散化崩溃)——这正是一危机就「什么都一起跌」的数学真相(高阶)。