博客

RSI 是经典超买超卖指标,但「RSI>70 就卖」在强趋势里会被反复打脸——趋势能超买再超买。真正有用的不是 RSI 的绝对高低,而是「价格与动能的背离」:价格还在创新高、RSI 却创不出新高(顶背离),或价格还在创新低、RSI 却创不出新低(底背离)。本文用 Wilder RSI(14) 从零复现背离识别: V 形合成序列上顶背离命中率 56% 而随机点位仅 24%、趋势越强末端背离越密集(斜率 0.02→0.08 顶背离均数 0.8→3.1),证明背离是趋势衰竭的领先信号而非滞后确认。附完整 Python 与六类真实陷阱(中阶)。

同一个策略,日频回测夏普 0.78,切到周频只剩 0.66——不是策略变了,是你的采样频率在偷偷改答案。根因是日收益的一阶自相关:正自相关(动量)让周频夏普系统性偏低、负自相关(均值回复)让它偏高。本文用 AR(1) 合成序列 + 200 次蒙特卡洛证明偏差可超 ±15%,附完整 Python 与五类真实陷阱(中阶)。

从零到专家：如何训练大模型成为股市预测高手 - halo的技术博客

量化研究员都在研究什么？五大核心方向拆解 - halo的技术博客

标准 ARIMA 用整数差分 d=1 把序列强行去趋势, 可金融序列(平方收益、已实现波动)的 ACF 不是指数衰减, 而是按幂律 c·k^(2d-1) 慢慢衰减——这种『长记忆』被整数差分一差就过差分、把慢衰减也差没了。ARFIMA 用分数差分 (1-L)^d (0<d<0.5 长记忆, d<0 反持续) 把这段长尾记忆窗口保留进模型。本文用 2 万点合成长记忆序列演示: 分数积分滤波器权重呈长尾、双对数 ACF 斜率反推出 d̂≈0.243(真值 0.30)、长期累积方差按 H^{2d} 幂律增长, 而短记忆 AR(1) 误判为线性, 在 H=250 时把长期风险低估到真实值的约 5%。附完整 Python 与五类真实陷阱(高阶)。

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)。