博客

信用债投资的核心不是猜方向，而是辨别「相对谁贵、相对谁便宜」。OAS（期权调整利差）相对自身历史的 z-score 是一个干净的信用相对价值信号：利差走阔往往伴随未来超额回报下行。但要把这个信号做成组合，估计利差变动的协方差又会踩进样本噪声的坑。用 Ledoit-Wolf 收缩把噪声压掉，篮子权重从尖峰回到分散。附完整 Python 与六类真实陷阱（高阶）。

上一篇讲了 Almgren-Chriss（AC）怎么把冲击成本和波动风险写进同一个目标，解出一条由 γ 决定的轨迹。本篇换个角度把这套框架用透：①执行期限 T 怎么定——拖久冲击成本低但波动风险高，存在权衡；②最优『交易速率 v*(t)』长什么样，为什么越怕波动越前置；③VWAP 这种成交量加权基准和 AC 最优差在哪；④调度偏一点要多付多少。附完整 Python、连续时间闭式解与六类真实陷阱（高阶）。

固定百分比止损有个死穴：它不管趋势走多远都保持同样的距离，要么在盈利单上留太多回吐空间，要么在趋势初期就被震出。Parabolic SAR（Wilder 1978）用一个会加速的追踪止损解决这个矛盾——趋势走得越久、创新高越多，止损点就贴得越近。本文从零复现 SAR 递推与加速因子机制，用自洽合成数据证明它在 Sharpe（0.40 vs -0.00）、最大回撤（-12.4% vs -28.7%）上全面碾压固定 8% 止损，并诚实指出它在震荡市里会被反复翻边打脸，附完整 Python 与六类真实陷阱（高阶）。

『好公司』听起来像价值投资的心灵鸡汤，但 Asness 等(2014) 把它写成了可复制的因子：Profitability+Growth+Stability−Leverage−Aggressiveness，五个维度合成 QMJ。本文用 200 家×120 月的合成面板复现质量溢价——优质十分位年化 12.9%(Sharpe 1.02)、垃圾十分位仅 3.2%(Sharpe 0.30)，多空 QMJ 组合年化 9.2%、Sharpe 1.86、CAPM α 9.75%/年且 β 为负(防御属性)，rank-IC 均值 0.045(t=6.61)。附完整 Python 与六类真实陷阱（高阶）。

Black-Scholes 假设波动率为常数，于是同标的、不同行权价的隐含波动率应是水平线；但真实市场是弯弯的微笑甚至偏斜的。SABR(Hagan 2002) 把波动率也建模成随机过程，用 α、β、ρ、ν 四个参数精确还原整条波动率微笑。附完整 Python 与六类真实陷阱（高阶）。

系统性风险不是一只机构倒下那么简单，而是『一只倒下连累一串』的网络效应。把金融机构的收益相关性翻译成关联图，用图论指标（节点度、中心度、最短路径）量化谁是系统重要性枢纽、冲击怎么沿边传播。附完整 Python 与六类真实陷阱（高阶）。

TFT（Temporal Fusion Transformer，Lim 等 2020）是少有的「既用 Transformer 注意力、又刻意追求可解释」的时序模型。它靠三道门控——变量选择网络(VSN)、时序注意力(TIA)、门控残差——把「哪几个变量重要、过去哪段历史重要、线性还是非线性重要」全部量化出来。本文用自洽合成模型从零复现这三步，给出变量选择 265× 信噪比、多变量融合 SMAPE 比单变量低 43.7% 的实算结果，并诚实指出注意力可解释性的边界，附完整 Python 与六类真实陷阱。

VVIX 是 VIX 期权隐含的'VIX 的波动率'——恐慌的平方。它能否预测未来 VIX 走向？本文用自洽合成模型从零构造 VVIX、证明它确实领先 VIX 均值回复(IC=-0.195、低高桶单调反转)，并诚实指出朴素日频择时会跑输买入持有，附完整 Python 与六类真实陷阱。