博客

N=100 只资产、T=252 天，样本相关矩阵的特征值里只有 3 个尖峰是真信号，噪声体占了迹的 59%。Marchenko-Pastur 定律给出纯噪声特征值的精确活动范围 [λ⁻, λ⁺]，越界的才配叫信号——把界内的噪声特征值压平成均值，尖峰原样保留，就是 RMT 去噪。实测最小方差组合：T=126 时样本协方差 OOS 波动率 24.1%，MP 裁剪直接砍到 12.6%，比 Ledoit-Wolf（14.5%）更狠，理论最优 11.1%。与 LW 收缩的本分工：数据极端稀缺时 MP 裁剪的谱手术更精准，数据充裕时两者殊途同归。附完整 Python 与裁剪保迹、相关口径、q>1 等工程细节（中阶）。

没有报价数据、没有成交明细，只有一列收盘价——还能估出买卖价差吗？Roll (1984) 说能：观测价在有效价上下 ±s/2 来回弹跳，制造出负的一阶自协方差，反解得 s = 2√(−cov)。模拟实测：T=250 天日线下估计几乎无偏（s=0.20 时估出 0.200±0.014），但命门在信噪比——价差/波动 = 0.25 的大盘股即使给 1000 天数据仍有 30% 概率算出正自协方差、价差直接成虚数（T=60 时失效率 41%）。60 日滚动 Roll 做流动性温度计：危机段估计值从 0.059 飙到 0.359，贴住真实价差路径 0.06→0.40。它与 Zeros 同属「只要收盘价」家族，是覆盖历史数据、新兴市场和债券的少数选择。诚实边界：假设有效价与买卖方向独立（逆向选择会导致低估）、买卖各半（订单流持续性会压扁负自协方差）、失效样本非随机（越流动越失效，截面用法需 Hasbrouck 贝叶斯版救场）（中阶）。

Kyle 模型说价格冲击是线性的 λQ，但过去三十年横跨股票、期货、期权甚至比特币的实证结果惊人一致：母单的价格冲击 ≈ Y·σ·√(Q/V)，指数死死钉在 0.4-0.6 之间。本文用潜在流动性簿模型从底层复现平方根律，验证主曲线坍缩（不同波动率、不同成交量的标的除以 σ 后落在同一条曲线上），对比线性模型在大单区间的系统性高估，并用传播子模型拆穿『切碎订单就能消灭冲击』的幻想——冲击衰减速度 β 才是拆单收益的真正决定者（中阶）。

样本协方差在肥尾分布下不是慢慢变差，而是被极端日直接绑架——一个 ±15% 的异常日进入平方项后能扭曲整个相关结构。Tyler（1987）的 M-估计量给出一个漂亮的解法：把每天的收益向量投影到单位球面上再估计，只保留方向、扔掉幅度，得到的形状矩阵在所有椭圆分布下都有同一个渐近分布——对尾部厚度『分布自由』。本文 N=20 单因子模拟市场实测：t(3) 肥尾下样本协方差形状误差 0.266、Ledoit-Wolf 0.253，Tyler 只有 0.108，且从 t(3) 到正态误差几乎纹丝不动（0.108→0.102）；注入 2% 的 ±15% 异常日，样本协方差误差从 0.147 恶化到 0.184，Tyler 稳在 0.109；但 10% 污染时 Tyler 反而崩得更惨（1.93 vs 0.52）——迭代加权会被大规模结构性污染带偏，稳健≠无敌。GMV 组合上优势收窄：t(4)、T=252 时 Tyler 10.63% vs 样本 11.03%（理论最优 10.19%），因为组合权重只依赖协方差的逆的方向结构，形状矩阵的优势部分被求逆运算稀释。诚实边界：Tyler 只估形状不估尺度，波动率目标要另配；对『集体同向的真实危机日』降权可能扔掉最有信息量的样本；N/T 比例较大时需要正则化版本。

执行算法的入门双雄：TWAP 把母单按时间等分，VWAP 按日内成交量剖面切片。48 桶 U 型剖面模拟实测：500 天蒙特卡洛里 VWAP（历史剖面）滑点均值 43.97bp vs TWAP 45.90bp，但真正的差距在方差——σ 1.25bp vs 6.32bp，差 5 倍；VWAP 的本质不是更便宜而是更贴基准。上帝视角（当日真实剖面）与历史剖面预测只差 0.3bp，说明成交量剖面的日间稳定性是 VWAP 可行的全部前提。规模扫描：母单从日成交量 1% 到 100%，两者滑点差保持约 2-4bp，参与率的平方根冲击才是成本主体——切片方式省小钱，订单规模定大钱。诚实边界：VWAP 追平的是『市场均价』不是『决策价』，动量日里 VWAP 完美达标仍可能巨亏 Implementation Shortfall；剖面突变日（新闻、指数调仓）历史剖面失效；两者都是被动日程，不响应价格。

Acerbi-Szekely ES 检验：给预期短缺一个可执行的回测 - halo的技术博客

「推动 1% 的价格变动需要多少成交额？」Amivest 比率把这个问题直接做成指标：L = 平均(成交额 / |收益|)，数值越大市场越深。它是 Amihud 非流动性比率的镜像前辈——一个除法方向相反的孪生兄弟，但两者在 log-log 空间的相关只有约 -0.47，并非简单倒数：取平均的顺序不同，对极端日的敏感度就完全不同。三年日线模拟实测：大盘蓝筹、中盘、小盘的 Amivest 比率相差整整两个数量级，横截面区分度极强；流动性危机情景里比率中位数坍缩到平时的 40%，与价格暴跌同步——它是危机的同期指标而非领先指标。最隐蔽的坑是零收益日：僵尸股大量「价格不动」的日子，丢弃处理让比率虚高 2.4 倍，下限处理又偏悲观——处理方式本身就是结论的一部分。诚实边界：日线粒度看不见盘口、成交额与波动的因果纠缠、跨市场比较要先对齐货币与交易制度（中阶）。

VaR 和 ES 关心的是「一般的坏日子」，极值理论问的是另一个问题：最坏的那一天能有多坏？Fisher-Tippett-Gnedenko 定理是极值世界的中心极限定理——区组最大值的分布只可能收敛到 GEV 一族，形状参数 ξ 一个数定生死：ξ>0 是 Fréchet 肥尾域（t 分布 ξ=1/ν），ξ=0 是 Gumbel 薄尾域（正态）。GARCH-t(5) 模拟 40 年日损失、480 个月块实测：GEV 估出 ξ=0.24（理论 1/5=0.2），KS p=0.87；强行按 Gumbel 拟合 p=0.008 被拒，且 100 年一遇日损失只报 6.9%，GEV 报 14.0%（bootstrap 90% 区间 [10.6, 18.0]）——薄尾模型在深尾把风险砍半。附回报水平曲线、块长偏差-方差权衡实验（块从 5 天到 126 天 ξ 从 0.14 漂到 0.41）、与 POT/GPD 路线的取舍，以及 iid 假设被波动聚集破坏的诚实讨论（中阶）。