博客

买入期权做多 gamma、动态 delta 对冲赚已实现波动率——这是期权做市与波动率交易的基本功。但这门生意的账本远比『低买高卖』复杂：期望收益由（已实现波动 − 隐含波动）决定，对冲频率完全不改变期望、只压缩方差，每天的 gamma 收益必须跑赢 theta 租金才不亏钱。本文用 Black-Scholes 逐步推导 gamma scalping 的 PnL 分解公式，再用 2000 条蒙特卡洛路径逐一验证三条核心结论，最后给出四类实盘陷阱：交易成本重新引入频率权衡、gamma 敞口随标的漂移而漂移、跳跃日的对冲失效、以及用错波动率算 delta 时 PnL 路径依赖的经典结果（中高阶）。

一只股票被宣布纳入沪深 300 或 S&P 500，接下来会发生什么？这篇文章把指数纳入拆成一条标准的事件时间线：公告日跳升（约 45% 的冲击瞬间 price in）→ 公告到生效的持续爬升（套利者抢跑）→ 生效日指数基金收盘集中买入冲顶 → 需求冲击消失后的部分反转。500 个模拟纳入事件的平均路径：生效日累计超额 +8.2%，40 日后回吐 46%，只留下约一半作为永久成分。价格压力的大小服从平方根律 I≈Yσ√(Q/V)：被动需求折合 5 天 ADV 压出 4%，20 天 ADV 压出 8%——需求翻 4 倍冲击只翻 1 倍。两个可交易窗口实测：抢跑策略（公告买入→生效卖出）单事件均值 +4.3%、胜率 97%；反转策略（生效做空→20 日回补）+2.6%、胜率 81%——但后者要付借券费且真实世界胜率远低于模拟。诚实边界：指数公司已改规则对抗抢跑（S&P 取消预告缓冲期）、纳入效应逐年衰减（学术实证从 90 年代 +8% 降到近年 +1% 以内）、A 股的调样冲击集中在生效日尾盘集合竞价、永久/临时成分的拆分对结论极其敏感（中阶）。

IPO 抑价是金融学中最顽固的异象之一：新股发行价系统性低于首日收盘价，全球市场平均首日收益 10%-50%，A 股历史上曾长期超过 100%。本文用 3000 个 IPO 事件的受控模拟拆解这一异象的三层结构：首日收益右偏长尾（均值 28.3% 远高于中位数 23.6%）；抑价率强烈依赖发行窗口情绪——狂热市 58.7% 是冷淡市 14.9% 的四倍；以及最反直觉的一层——首日越疯狂长期越惨，抑价五分组 Q5 三年跑输基准 20%。同一个异象的两侧是两个完全相反的策略：打新中签者稳定小赚（净值 1.40），首日收盘追买者持续流血（净值 0.68）。附完整 Python 与信息不对称、赢家诅咒、情绪理论三大解释框架（中阶）。

涨跌停板本意是给市场降温的『熔断墙』，但大量微观结构研究发现它更像一块磁铁：价格越接近极限，越会被加速吸过去。机制有两条腿——卖方撤单让盘口变薄（同样的买单推得更远），买方怕买不到而抢筹（漂移转正）。本文用 6 万条日内路径的受控模拟拆解磁吸动力学：机制开启后冲到 8% 的股票触板概率从 38% 飙到 80%，距涨停 1 个点内的价格移动速度是远处的 2.7 倍（对照组 1.0 倍）；封板质量决定次日——早盘封板 +1.35%、炸板 -1.51%；打板策略的全部 alpha 都在过滤器里：只打早盘封板 Sharpe 6.41，无差别打板 Sharpe -5.65。附完整 Python 与五类真实陷阱（中阶）。

大语言模型如何重塑量化投资：从 NLP 因子到端到端策略 - halo的技术博客

大模型重构量化金融：从因子挖掘到多智能体交易系统 - halo的技术博客

Max Pain 是期权圈流传最广的都市传说之一：到期日价格会走向让期权买方总赔付最小的行权价。这篇文章把它拆成可检验的两半——玄学的一半（做市商『操纵』价格去坑买方）与科学的一半（Pinning 钉盘：正 Gamma 对冲流在高 OI 行权价附近产生真实的均值回归引力）。模拟实测：钉盘流让到期收盘价落在高 OI 行权价 ±0.5 元内的概率从 15.3% 飙到 93.7%；1000 个模拟到期日中，钉盘世界 70.7% 的收盘价比开盘更接近 max pain（随机世界只有 45.0%），且收敛量随开盘距离单调放大。把它做成策略：开盘偏离 >2 元时做向 max pain 的日内回归，钉盘世界费后胜率 87.2%、Sharpe 7.91，随机世界 -0.59——策略成立与否完全取决于钉盘机制当天是否在场。诚实边界：真实市场的收敛系数远小于模拟、做市商净敞口方向不可观测（负 Gamma 时引力反转为斥力）、Max Pain 点本身随 OI 每日漂移、学术实证中钉盘效应集中在做市商净多 Gamma 的个股期权（中阶）。

让一个 ML 模型直接预测涨跌，是金融机器学习最拥挤也最失败的路线。López de Prado 的元标注换了问法：先让一级模型（哪怕是最朴素的 MA 金叉）定方向，再训练一个二级模型只回答『这次信号该不该信、信多少』——标签是一级信号经三重障碍结算的对错（1/0），特征是信号发出时的市场状态。合成双状态市场（趋势市动量延续、震荡市均值回归）实测：胜率 59% 的金叉策略，经元模型过滤后精确率从 63% 提到 74%，代价是放掉 29% 的赚钱机会——用召回率换精确率正是交易想要的不对称；样本外净值三连跳：全执行 Sharpe 0.56 / 回撤 23%，过滤后 1.37 / 16%，概率仓位（size ∝ 2P−1）1.86 / 4.9%。打开黑箱看元模型学到了什么：趋势市金叉胜率 69% vs 震荡市 57%——它学会的是『什么时候该信趋势策略』这个 regime 判断，而这正是人类交易员最难量化坚持的纪律。三个诚实警告：元模型天花板受一级信号质量约束（垃圾进垃圾出）、双层结构过拟合风险翻倍（元特征应克制在个位数）、概率校准是仓位函数的前提（先看校准图再谈 Kelly）（中高阶）。