标签： #量化交易

价值、动量、规模这些因子，传统上被用来选股；但「因子」本身也可以被当成一类资产来配置。本文用合成的 5 个风格因子月度收益，证明「因子动量」——用每个因子过去 12 个月收益做信号、做多走强的因子——能把组合 Sharpe 从 0.94 提升到 2.27，且对市场几乎中性(相关仅 0.18)。

机器学习做量化最隐蔽的坑之一：直接用价格（非平稳）会引入伪相关，用收益率（一阶差分）又把记忆全丢掉。分数阶差分 fracdiff 用 0<d<1 的阶数，在『平稳』与『记忆』之间取折中。本文从权重公式讲到 ADF 权衡曲线，配 4 张真实图表与完整 Python。

Glosten-Milgrom(1985) 用贝叶斯把买卖价差解释为逆向选择成本：知情买盘推高报价、知情卖盘压低报价。本文再加一层库存风险，让报价随持仓整体下移并加宽，附完整 Python。

GMM 广义矩估计在资产定价中的应用：用矩条件替代强假设 - halo的技术博客

HAR-RV 用日内分钟频收益还原已实现方差 RV_t，再以日/周/月三尺度平均把波动率长记忆压成简单线性回归；样本外 R² 达 0.35，跑赢 naive 与单日 AR(1)，附完整 Python 与三类真实陷阱。

隐含相关性指数与相关性风险溢价：相关也能成为因子 - halo的技术博客

指数期货和现货指数本该严丝合缝地绑在一起，它们之间的基差一旦越出持有成本，就是期现套利的无风险窗口。本文从持有成本模型 F=S·e^((r-q)T) 出发，讲清正向/反向套利路径、基差收敛的盈利来源，并用量化方法度量「用期货复制现货」的跟踪误差，附可复现 Python 与六大真实陷阱。

当因子数量超过有效样本，OLS 会把噪声因子也装进模型。本文用一段 100 因子 / 10 真因子的合成面板，亲手走完 LASSO(ℓ1) 与弹性网络(ℓ1+ℓ2) 的系数路径、真因子恢复、样本外 IC 与多空组合，所有数字与配图由文末代码真实生成。