标签： #相关矩阵

Elton-Gruber（1973）的常相关模型：把 N(N-1)/2 个成对相关全部替换成一个平均相关系数 ρ̄——435 个参数压成 1 个，方差骤降换一身结构偏差。N=30 板块结构模拟实测：T=30 时 CCM 的 Frobenius 误差 2.56 vs 样本相关 4.38，交叉点在 T≈126，之后 CCM 被结构偏差下限 1.90 卡死永远追不上。GMV 组合判决更极端：T=30 样本协方差真实波动率 456%（近奇异优化器爆仓）vs CCM 17.5%；T=252 后样本反超。最有信息量的是混合曲线：最优混合权重 δ 随 T 单调爬升（T=60 时 0.35、T=252 时 0.65、T=1008 时 0.90）——这正是 Ledoit-Wolf 收缩的雏形，LW 恰以 CCM 为收缩靶心并把 δ 的选择自动化。诚实边界：ρ̄ 抹掉全部板块结构、对多板块 universe 偏差大；相关非平稳时单一 ρ̄ 追不上 regime；它是收缩靶子而非终点方案。

去噪（denoise）治采样噪声，去调（detone）治市场模式——后者是聚类场景里真正的杀手。N=40 四板块模拟（λ1 占迹 56%）实测：市场模式让所有股票对的相关都抬到 0.5 上下，簇内-簇间相关间距只剩 0.048，single/average linkage 聚类 ARI 直接归零（链式合并全灭）；去调把第一特征成分整个剥掉后间距不变但均值归零，single linkage ARI 从 0.002 复活到 1.000。最反直觉的实测坑：板块特征值（约 2.0）恰好骑在 MP 上界 1.96 附近，标准 MP 去噪把板块信号当噪声压平，去噪+去调后 ARI 反而从 0.99 跌到 0.31——教科书流程『先去噪再去调』在信号贴边时是自毁操作。弱板块对照（尖峰数 1.0）更极端：去噪+去调 ARI −0.03 vs 只去调 0.89。诚实边界：去调后矩阵奇异（少一个秩）不能直接进优化器求逆，只服务聚类/距离场景；市场模式个数 k 的选择在多因子市场里不显然；Tracy-Widom 涨落让贴边特征值成灰色地带。

皮尔逊相关的每一项都是幅度乘积，一个 −8σ 崩盘日就能把全矩阵平均抬高 +0.122；Gerber 统计量只问『两资产是否同时越过 ±0.5σ 阈值』，数崩盘日只算 1 票——同一污染实验漂移仅 −0.007，稳健性差 17 倍。N=20 四板块 t(4) 肥尾模拟实测：GMV 组合真实波动率 Gerber(2022 定义) T=63 时 16.21% vs 样本 18.28%，与 LW 收缩打平；但最重要的发现是分母陷阱——原始定义 g=(nc−nd)/(nc+nd) 把 60% 的『安静样本』全扔掉导致相关系统性高估、矩阵非 PSD，GMV 波动率爆炸到 213%，Gerber-Markowitz-Sargen 2022 版分母改成 T−双双静止数后才能用。阈值 c 的权衡：干净数据 c 越小越好（退化成符号相关也无妨），叠加微观结构噪声后小 c 被重创 +79%、大 c 只 +10%。诚实边界：扔掉幅度信息在正态世界是纯损失；PSD 需事后投影修复；c 是新的自由参数且无解析选法。