博客

你算出「低波动股跑赢」就敢说低波动「导致」高收益吗？两者可能都被某个隐藏变量驱动——这是因果推断的死穴：混淆。双重机器学习 Double ML (Chernozhukov et al. 2018) 用两阶段机器学习（随机森林纯 numpy 从零实现）估计「处理→结果」之外的所有混淆路径 g(X)/f(X)，再用交叉拟合 cross-fitting 残差化，把处理效应 θ 从相关里撬成因果。自洽合成面板（Y=θ·D+g(X)+ε, D=f(X)+ν, g 与 f 共享非线性项）上：朴素 OLS 估到 1.88（真值 1.50，偏差 +0.38）、线性残差化 Double ML 仍 1.90（偏差 +0.40，抓不住非线性混淆）、随机森林 Double ML 压到 1.60（偏差 +0.10，蒙特卡洛 100 次 SD≈0.02）；并诚实拆穿 RF 收缩偏误/无交叉拟合必过拟合/混淆变量遗漏/模型误设/PLM 线性假设五类真实陷阱（中阶）。

市值加权被动指数有个隐藏缺陷：它自动超配被高估、近期上涨的股票。基本面指数（RAFI，Arnott 2005）改用销售额、现金流、账面值、股息等「真实经济规模」而非价格来定权重，等于每年自动「低买高卖」。本文从零合成 50 只股票（真实基本面增长 + 均值回复的错误定价），对比两种加权：基本面加权终值 43.31x（年化 13.38%）跑赢市值加权 26.80x（年化 11.58%），且换手率更低、更抗集中度。附完整 Python 与五类真实陷阱（中阶）。

深度学习模型永远缺数据——尤其小市值、新上市、危机段，样本少得可怜。GAN（Goodfellow 2014）的卖点是"从噪声生成和真实分布几乎一样的合成序列"，于是有人想：能不能用 GAN 造一批假 K 线，喂给下游模型做数据增强？本文用纯 numpy 实现（协方差匹配的 WGAN 等价解），在"牛熊 regime + 时变波动"的合成价格上把生成序列的协方差 Frobenius 误差从 199 压到 1.94，边缘分布和逐位移自相关都与真实肉眼难分；并诚实实测"数据增强的红利"：小样本（仅 30 真实窗口）+ 高容量下游模型下，7x 增强把最差切分 AUC 从 0.934 拉到 0.963、方差砍半——增强的真正价值是稳住最差情况，不是凭空抬均值。附完整代码与五类真实陷阱（中阶）。

线性回归只给一个点估计，深度学习连不确定性都给不清。高斯过程（GP）回归的卖点是「均值 + 协方差」一体输出：预测的同时，直接吐出每个点的预测方差。本文用纯 numpy 实现（RBF 核 + 边缘似然超参优化 + Cholesky 求解），在「滞后波动率→次日波动率、且藏了一段概念漂移」的合成数据上，给它画出分布内/分布外的可信带，并诚实拆穿它最核心也最危险的陷阱：平稳核在分布外会过度自信。附完整代码与五类真实陷阱（中阶）。

传统因子模型把每只股票当成孤立样本，可现实里资产从来不是孤岛——同行业、供应链上下游、共同持仓，处处是关系。图神经网络（GNN）把资产建成一张图：节点是股票、边是关系，图卷积让每个节点在预测时「借用邻居的信息」。本文用纯 numpy 从零实现一层 GCN，在「3 行业 × 60 股、同行业由共同因子驱动」的自洽合成数据上，证明加了图结构的半监督分类准确率从 MLP 的 0.75 直接拉到 1.00，并诚实拆穿邻接矩阵怎么建、过平滑、图泄漏等五类真实陷阱（中阶）。

组合最怕的不是跌，是崩盘时所有资产一起跌。黄金的特殊之处在于：平静期它和股票几乎不相关，一到危机反而逆势上涨（相关转负），于是它能在别人亏钱时补位。本文用纯 numpy 合成股票/国债/黄金三类资产，逐类对比 100%股票、60/40、40/40/20（股/债/金）三组合，证明加入 20% 黄金把危机段内部最大回撤从 −21.6% 压到 −10.3%、全样本 Sharpe 从 0.56 抬到 0.77，并诚实拆穿四类真实陷阱（中阶）。

KDJ 是国内交易者最熟悉的指标之一，但九成的人只记得「金叉买、死叉卖」，却说不清 K、D、J 三个数到底怎么来的。它本质是「9 日 RSV（未成熟随机值）的两次平滑 + 一个乖离放大项 J」。本文用纯 numpy 从零实现 KDJ 全公式，并把「金叉(超卖区)买入、死叉/超买平仓」的规则在一段「温和上行 + 中段急跌」的合成行情上跑回测：KDJ 多头总收益 +15.5%（年化 6.2%、Sharpe 1.30、最大回撤仅 −3.3%），同期买入持有仅 +5.2% 却吃下 −30.8% 的回撤。并诚实拆穿滞后性/钝化/单边市失效/参数脆弱/超买超卖伪信号五类真实陷阱（中阶）。

大模型在金融量化领域的应用全景：从研报到因子的范式转变 - halo的技术博客