标签： #风险管理

标准 Beta 把上涨和下跌一视同仁，但真正区分好资产与坏资产的，是「下跌时跟不跟、涨时跟不跟」。本文用 Python 从零构造下行 Beta（仅用市场负收益片段回归），据此把股票分成「危机 Alpha」象限，构建「多低下行β / 空高下行β」多空组合，验证它在危机窗口的抗跌与超额，并诚实拆穿合成自证 / 下行阈值主观 / 做空成本 / 样本内过拟合 / 危机样本稀疏 / 流动性门槛六类真实陷阱(中阶)。

因子不会永远有效。β 悄悄衰减、IC 逐月下台阶时，你的组合正在被一个看不见的概念漂移（concept drift）蚕食。本文用一个可控合成实验，把概念漂移和协变量漂移拆开讲清：性能监控（IC 类）才能抓概念漂移，分布监控（PSI/KL）只能抓协变量漂移；并对比 Shewhart / CUSUM / EWMA 四类检测器的真实延迟与误报率，给出一套能早几周救回组合的双轨预警方案（高阶）。

你的模型说明天涨 3%，但你心里没底：这 3% 的置信区间到底多宽？传统误差带要么假设高斯、要么靠经验拍脑袋，一旦分布漂移就崩。共形预测（Conformal Prediction）换了一条路：不假设分布，只用「校准集上的残差分位」构造区间，并且能**在数学上保证**测试集里 (1−α) 比例的点落在区间内。本文用异方差 + 分布漂移的合成数据，从零跑出区间覆盖、有限样本有效性、漂移下朴素法漏覆盖，以及区间宽度 vs 确定性的代价曲线（中阶）。

相关性在期权市场里是有价格的。指数期权的隐含波动率，隐含了一个比历史已实现相关性更高的相关性水平——这个系统性偏离就是相关性风险溢价（CRP），一个可被做成因子、可被收割、也可能把你抬走的东西。本文用指数方差恒等式从期权 IV 反推隐含相关性，讲清溢价为何长期为正、分散度交易如何做空它，以及它的左尾风险有多致命（高阶）。

MACD 不是印钞机，而是一把「趋势尺」。本文从 EMA 差分讲清 DIF/DEA/红绿柱的数学含义，用无前瞻回测(信号次日开盘交易)证明：在合成趋势-横盘交替市场里，MACD 没有创造超额收益(年化 13.7% vs 买入持有 17.6%)，但它把最大回撤从 −35% 砍到 −18%——它的真价值是「风控开关」而非「alpha 源」。并诚实点出滞后性、横盘鞭锯、参数敏感、前瞻偏差四类致命陷阱(初阶)。

你用正态假设算出 5% VaR = -3.8%，意思是「只有 5% 的日子会亏更多」。可一遇到市场紧张，亏损远超这条线的日子占到 16.6%——正态 VaR 在高压区彻底失灵。问题出在它假设波动恒定、分布对称。分位数回归（QR）用检查损失函数直接拟合「条件分位数」，让 VaR 随一个压力代理变量自适应移动，同时捕捉异方差和偏度。本文用合成异方差+左偏收益，从零实现 Pinball 损失与 QR-VaR，并点明压力变量选择、过拟合、尾部外推、回归vs模拟四类真实陷阱（中阶）。

经典 GARCH 假设「好消息和坏消息对称地推高波动」，但股灾里「跌比涨更恐慌」是铁律：同样 3% 的跌幅带来的波动跳升，往往大于 3% 涨幅。本文用一套合成的真实波动数据，从零实现 TGARCH(1,1) 与 EGARCH 的 MLE 拟合，量化「同等 ±3% 冲击，跌幅比涨幅多推高 9% 条件方差」，并给出把杠杆效应写进波动率预测、风险预算与期权对冲的完整 Python（中阶）。

波动率目标组合(VT)：不预测方向，只用过去已实现波动做 w_t=σ_target/σ̂_t 缩放敞口。合成市场(年化波动 30.6%)下把波动砍到 15.9%、回撤从 −86% 压到 −56%。附完整 Python 与六类真实陷阱（中阶）。