博客

稳定币（USDT/USDC）的总供给，是加密市场里最接近「场外干火药」的观测变量——新铸的稳定币若不进场就是链上闲置的美元，一旦进场就变成买盘。本文用自洽合成路径构造约 4 年稳定币供给（20B→209B）与独立 BTC 路径，量化「稳定币供给增速 → 未来 30 日 BTC 收益」的领先性（前向回归斜率 t=11.45），并回测流动性择时：终值 9.93x vs 买入持有 8.11x，并诚实拆穿增发≠买盘、交易所铸币虚增、口径不一致、监管冲击、与价格同步而非领先、样本内过拟合六类真实陷阱（中阶）。

一家公司的风险，不只在自己账上，也在它最依赖的那几个客户和供应商手里。客户集中度 HHI 越高，大客户流失时收入塌方越狠；供应商集中度越高，断供时成本飙升越凶。本文用自洽合成面板从零构造客户/供应商集中度、注入依赖冲击，构建『空高集中度/多低集中度』因子，横截面 t 统计量 −15.7、年化 9.5%、Sharpe 1.66，且 alpha 几乎全部来自危机期（危机 71.9% vs 平静 3.9%），并诚实拆穿披露失真、共同冲击、幸存者偏差、行业结构、集中度≠风险、做空成本六类真实陷阱（中阶）。

量化因子挖掘实战 - halo的技术博客

大模型如何改变量化金融 - halo的技术博客

单位根检验不是猜出来的：ADF 原假设=有单位根(非平稳)，KPSS 原假设=平稳，两个方向互补。用 statsmodels 在随机游走/AR(1)/分数差分三类已知序列上验证联合判定矩阵，附完整 Python 与四类真实陷阱（中阶）。

普通欧式期权只看期末价格 S_T，于是波动一高尾部就厚、定价跳变。亚式期权把 payoff 绑在全程均值，回望期权绑在全程极值——payoff 不再看一个点而是看一整条路径。本文用 GBM 蒙特卡洛从零给亚式算术看涨(价 6.53)、欧式看涨(12.14)、回望浮动看涨(18.11)定价，量化「路径依赖如何削薄尾部、抬高极值溢价」，附完整 Python 与四类真实陷阱（中阶）。

算术篮子 B=ΣwᵢSᵢ 的 payoff 依赖一篮子相关资产，单个资产是对数正态、但它们的和不是——没有闭式。本文用矩匹配（Levy 1992）解析算出 E[B]、E[B²]，把篮子分布用前两矩配成对数正态再定价；并以几何篮子（组合方差法）作为教科书下界做对照。真实 4 资产算例下，矩匹配价 5.16 紧贴 MC 真值 4.99（偏差仅 +3.3%），而朴素几何篮子下界 4.37 系统性低估 12.6%；并诚实拆穿「相关结构漏算 / 权和为1假设 / 离散化 / 矩匹配高估右尾 / PCA 降维 / 美式提前行权」六类真实陷阱。

因子选股里你有 5 个候选模型，回测各有高低——于是你纠结「到底信哪个」。传统做法是挑一个「历史最优」，但这是用一次抽签赌上全部样本外命运。贝叶斯模型平均（BMA）换了一种思路：不挑，而是给每个模型一个后验权重，预测是它们的加权平均。本文用横截面预期收益预测的合成实验，从零实现 BIC 权重、逐资产权重热力图、200 次蒙特卡洛胜率，证明 BMA 在 93% 情形下不劣于单模型最优，并点明 BIC 近似、权重集中、先验敏感三类真实陷阱（中阶）。