博客

量化开发者技术栈全景图：从数据到实盘 - halo的技术博客

一个 +12.6% 的初始冲击，在 g=0.5 的反馈增益下被放大到 +13.7%——看起来不起眼，但剥离机制后发现：Gamma 对冲贡献了 +7.20 个百分点，空头回补贡献 +3.24 点，两条腿合起来占了基准收益的 76%。最硬的对抗式检验：把 Gamma 对冲关掉，峰值从 +52.6% 塌陷到 +25.8%；把回补关掉，塌陷到 +50.4%；两者全关，只剩 +4.8%。这不是数字游戏——这是「真轧空」vs「普通上涨」的分界线。高强度路径（峰值 > 中位数）的回补量是低强度路径的 5.1 倍，但仍有 43% 的路径涨幅超 30% 却回补不足 5%——这些是误判，是任何事后归因都要面对的噪音。逼近临界点 g=1 时，收益非线性爆发：g 从 0 升到 0.95，平均收益只从 +12.6% 涨到 +14.8%，但峰值 95% 分位从 +105% 飙到 +162%，波动率从 49% 炸到 77%。这不是线性外推能预测的世界。

把真实持续 Alpha 精确设为 0，市场调整 CAR 照样开出 +16.96%（t=+14.82）。同一批 1500 个事件四种口径：原始 +25.17%、市场调整 +16.96%、规模匹配 +13.49%、三因子 +13.11%——光换基准就摆 3.85pp，没一个是 Alpha。分解锁死来源：强制抛售反弹 +13.16%、规模 +3.10%、价值 +0.38%、beta≠1 +0.37%，残差 −0.05%。两条硬对照：零压力零 Alpha 安慰剂里市场调整仍报 +3.80% 而三因子精确归零（−0.052%，t=−0.05）；规模溢价传导斜率 1.1159 与平均 SMB 载荷 1.1159 比值精确为 1.0000——那个「超额」逐字就是规模溢价乘载荷。剩下的 13.11% 是流动性报酬而非 Alpha：51.8% 在 20 天内赚完，窗口滚离资金流后从 +11.85% 塌到 +1.91%。容量是真天花板：只有 14 个并发仓，2.5 亿美元时投放率已跌到 17.5%，半衰容量约 2.69 亿。样本量红线：单事件 SD 42.65%、36.7% 为负，需 42 个事件才够 t=2

VPIN 被当作「知情交易探测器」用，但它只看订单流失衡的绝对值——而失衡有两个来源：真正的知情交易，和纯粹想快点成交的大额委托。受控三状态模拟（12 万根 bar、4995 个成交量桶，两种来源的真值都已知）给出决定性读数：VPIN 与「总不平衡流量」相关 0.996，与真实知情占比只有 0.347，与无知情大额委托反而有 0.648。构造一个零知情的世界（只有大额委托），VPIN 均值 0.152 仍是真实市场 0.153 的 99%——这个指标在完全没有信息不对称时读数几乎不变。后果直接体现在钱上：95 分位报警的假发现率 85.1%，99 分位精确率归零；同一条前 10% 警报内部，知情主导的桶做市亏 35.4bp，大额委托主导的桶反而赚 7.96bp（t=4.14），而后者占警报的 76%——高 VPIN 时段整体做市 P&L 是 −2.29bp，比安静时段的 −9.07bp 还好。八项对抗式检验含两个推翻常识的结果：BVC 分类误差几乎不损失相关性（0.354 对 0.347），公平匹配窗口后钟表时间桶反而略胜体积时钟（0.451 对 0.347）。混合比例扫描给出边界——无知情委托占比从 0 升到 22%，与知情的相关性从 0.998 塌到 0.196，而与总流量的相关性始终锁在 0.996 以上（高阶）

自动化因子挖掘：遗传算法 vs 深度学习路线之争 - halo的技术博客

冲击成本模型几乎都是逐股独立算的——每只股票一条平方根曲线，加总就是篮子成本。但冲击矩阵 Λ 的非对角元不是零：受控模拟 60 只股票 3 因子结构（非对角均值是对角的 0.343 倍）量化两个方向相反的错误：单边买入篮子上，逐股模型只报出真实成本的 1/19.5（低估 94.9%）；市场中性篮子上反而高估 62.6%——多空腿的冲击互相抵消，逐股模型看不见这份折扣。方向性扫描给出连续图景：市场因子暴露占比从 0 到 1，真实/逐股比值从 0.61 单调升到 18.17，穿越 1.0 的那一点就是逐股模型恰好正确的位置。唯一的免费午餐是内部轧差：两个组反向重叠 0.5 时先轧差再下单省 48.9% 成本，重叠 0.9 时省 90.1%。六项对抗式检验全过：把 Λ 强制对角化后真实/逐股恰好 1.00000000、5000 个随机篮子最小成本 0.511 为正（Λ 半正定，无往返套利）、12 个矩阵方向性比值 20.53±1.30 且中性比值 0.582±0.032 符号从不翻转。两个反直觉发现被完整保留：打乱非对角元后单边比值 19.57 几乎不变（一边倒的篮子只感受 Λ 的总和），而抽掉共同因子后比值塌到 2.02——真正的元凶是共同因子而非「非对角非零」；且 19.5 这个倍数随组合宽度单调放大，N=10 时 3.57、N=250 时 86.53，不可跨组合搬运（高阶）

泊松过程假设订单彼此独立，但真实盘口是一阵一阵来的。Hawkes 用一条自激强度把「一笔订单抬高下一笔的概率」写进模型：受控模拟 19132 笔订单（μ=0.5、n=0.7、β=2.0）量化簇发的代价——10 秒窗口均值同为 15.9 笔，Hawkes 出现 ≥30 笔的概率是泊松的 100 倍，≥50 笔时是 31 亿倍，泊松眼里的「五百年一遇」在这里平均每 7 分钟就来一次。68.98% 的订单是被前面的订单激发的，与理论分支比 0.70 吻合。但真正的杀手在估计端：把一段自激强度真值为 0 的纯泊松数据（只叠加日内 U 型节奏）喂给标准 MLE，n̂ 凭空刷到 0.909、Fano 因子 4.81——非平稳基线和自激在似然函数眼里长得一模一样。做时间重标定后 n̂ 精确塌回 0.000，而真 Hawkes 数据同样处理只从 0.693 掉到 0.691（几乎不动），证明修正没有误伤信号。七项对抗式检验全过：平坦泊松安慰剂 n̂=0.00008、打乱时间戳后 Fano 从 9.03 归位 0.98、时间重标定 KS 检验 p=0.964 对泊松模型的 p=0.000。最容易误读的是预测能力——2 秒窗口 MAE 只改善 12.1%，10 秒 2.7%，越往后越接近零，簇发结构可测但不等于可交易（高阶）

TCA 报表把执行落差拆成「延迟成本」和「交易成本」两个桶,然后拿后者考核交易台。4000 笔母单的受控模拟(每一个 bp 的真实成因都已知)给出决定性读数:报告的 15.57 bp 交易成本里,真实市场脚印只有 7.09 bp,54.5% 是本来就会发生的 alpha 漂移。零冲击安慰剂最硬--把自身冲击彻底关掉(真值精确为 0),报表照样开出 9.51 bp 账单,一个毫无市场足迹的交易台被凭空罚款。反过来关掉 alpha,交易桶立刻诚实(误差 1.67 bp),证明污染源就是 alpha 而非模型缺陷。三个基准在同一批成交上给出 23.48 / 15.57 / 7.09 bp 三个故事,跨度 16.39 bp;只把「到达时间戳」往后挪 12 根 bar、不改任何一笔成交,交易台成本从 15.6 bp 降到 -1.4 bp,17.0 bp 的纯文书改善。最刺眼的是考核后果:三个交易台按报告成本排名是 A<B<C,按真实脚印排名精确反转成 C<B<A,被表扬的正是footprint最大的那个。八项对抗式检验全过,含分解恒等式残差 0.00e+00、零延迟对照精确 0.00 bp、12 个宇宙 CV 0.106。样本量红线:单笔标准差 63.98 bp、35.9% 的单子成本为负,要 30 笔才够 t=2(高阶)