Hill 估计量与尾部指数：量化收益分布到底有多肥
『肥尾』被说滥了，但到底多肥？尾部指数 α 给出一个数：P(X>x) ~ x^(-α)，α 越小尾越肥，且 α 直接判决矩的生死——α<4 峰度不存在、α<2 方差都没了。Hill 估计量用前 k 个顺序统计量的对数间距把 α 从数据里榨出来，本文从公式到陷阱走全程：三个已知真值的分布验证（Pareto α=2 估出 2.02 近乎完美，但 t(5) 只估出 3.87——慢收敛尾部的负偏差实锤）；GARCH+t(4) 合成收益的左右尾 Hill Plot（左尾 α̂=2.65，波动聚集把无条件尾部拖得比创新项 t(4) 更肥，这是特征不是 bug）；log-log 生存函数图上幂律直线与正态跳水的视觉对决；Weissman 外推算『百年一遇』：幂律给 16.5% 单日损失、正态给 3.0%，样本内最差实际 7.16% 已两倍于正态的百年一遇。最狠的是 300 次蒙特卡洛的小样本实验：n=250（一年日线）时 α̂=2.52±0.47（真值 3），系统性负偏 + 巨大方差——一年数据测尾部指数等于用体温计量海深。拆穿 k 选择的 Hill horror plot、样本依赖性、外推杠杆三类陷阱（中高阶）。