博客

财报电话会语调分析：用词频把管理层情绪变成因子 - 300股×40季合成面板：Tone水平被粉饰污染(t=3.5)，ΔTone变化才是信号(t=8.6)；五分组单调，多空年化8.7%、成本后Sharpe 1.8 - halo的技术博客

每笔成交背后，站着一个知道更多的交易者。Easley & O'Hara (1987, 1992) 的 EKOP 序贯交易模型用泊松过程把知情交易者和噪声交易者分开，从日频的买单数 B 和卖单数 S 出发，用最大似然估计出信息事件概率 α、方向 δ、知情下单率 μ 和噪声下单率 ε，进而合成 PIN（知情交易概率）= αμ / (αμ + 2ε)。本文用 Python 模拟 50–2000 天的交易序列，展示参数估计值按 1/√N 收敛到真值、买卖单不平衡在有/无信息日显著分化、以及 PIN 对各参数的敏感性热力图。最后诚实拆解：数值下溢导致似然函数失效、方向标注误差的偏差效应、参数非平稳、以及日频粒度掩盖的时序结构（中阶）。

股权质押风险因子 - 500股×36月合成面板：高质押组平时月均只差60bp，熊市月被多砸2.9个百分点；平仓螺旋机制拆解（预警线160%→平仓线140%→强平加速下跌）；负面清单用法提升Sharpe并收窄回撤 - halo的技术博客

ETF 的二级市场价格和它篮子里资产的净值（NAV）之间，为什么长期贴得那么近？答案是一台永不下班的套利机器：授权参与人（AP）用实物申赎在一二级市场之间搬砖，把溢价折价压回成本边界内。本文从零拆解这台机器——申赎套利带如何形成、极端溢价为何在 3-5 天内被拉回、以及跟着 AP 吃溢价回归的策略长什么样。并诚实拆解：散户根本没有申赎通道、A 股 ETF 的 T+0 套利细节、以及 QDII/跨境 ETF 溢价为什么可以顶着套利机制疯涨不回归（中阶）。

为什么做市商要挂买卖价差？经典答案是「补偿库存风险」——但 Glosten 和 Milgrom 在 1985 年给出了更深刻的解释：价差的核心是补偿逆向选择。当你面对一个可能比你知道得多的对手方时，每次成交都在传递信息。模型用贝叶斯更新把这个问题形式化：做市商根据订单流不断修正对真实价值的信念，报出的 bid/ask 逐步收敛。本文从模型设定推到 Python 实现，模拟展示报价如何随交易序列收敛到真实价值、价差如何随知情交易者占比放大、以及逆向选择成分在价差中的主导地位。最后诚实拆解：方向标注问题、参数非平稳、以及模型对真实市场的简化假设（中阶）。

同一只股票在纽交所、纳斯达克、暗池同时交易，同一份 ADR 在两地挂牌，同一个标的有现货有期货——当价格几乎同步跳动时，究竟是谁先动、谁在跟随？Hasbrouck (1995) 用协整与 VECM 把这个问题变成一个可度量的数字：信息份额（Information Share），衡量每个市场对共同有效价格新息的贡献占比。本文从零复现 VECM 估计、Cholesky 排序带来的上下界、与 Gonzalo-Granger 成分份额的分歧，用合成两市场 tick 流证明快市场吃下约 71% 的价格发现，并诚实指出信息份额区间在残差高度相关时会宽到无法定论（中高阶）。

做市商的利润来自买卖价差，但风险来自库存：接了太多单边货，价格一个反向跳动就把几天赚的价差全吐回去。Ho-Stoll (1981) 把这个问题写成了一个随机最优控制：报价不该围绕市场中间价对称摆放，而应该围绕「保留价格」摆放——库存越偏多，整套报价越往下压；越偏空，越往上抬。本文从效用最大化出发推导保留价格与最优价差的闭式近似，用可复现 Python 模拟对比「无库存管理」与「库存偏移报价」两种做市商：后者把库存从随机游走驯化成均值回复过程，库存标准差从 16 股压到 1 股以内。并诚实拆解模型的失效场景：趋势市中的逆向选择、参数校准的现实困难、以及它和 Avellaneda-Stoikov 的关系（中阶）。

报价价差 0.10 元里，多少是逆向选择的保险费、多少是做市商的库存补偿、多少纯粹是订单处理费？Huang-Stoll (1997) 用一个两步回归框架把这三块拆干净：信息成分造成永久价格冲击、库存成分制造暂时且均值回复的报价偏移、订单处理成分只产生 bid-ask bounce。本文从 Roll 的一阶负串行协方差直觉出发，讲清三种成分各自的「指纹」，用 10 万笔模拟数据跑通两步回归还原价差结构（隐含半价差 0.0501 对上真值 0.0500），并验证核心恒等式：有效价差 = 价格冲击 + 已实现价差（0.104 ≈ 0.042 + 0.063）。给出三个落地读法：横截面毒性排序、TCA 归因、做市回测的收益虚增陷阱。诚实边界：Lee-Ready 方向标错、成分时变、τ 是自由参数（中阶）。