标签： #蒙特卡洛

「隐含波动长期高于已实现波动，所以卖波动是正期望」——这句话是对的，但它推不出「卖波动能赚钱」。决定性对照是把 VRP 精确设为 0：中位 CAGR 依然是 +1.35%、57.7% 的月份仍在赚钱、63.2% 的单月胜率一分不少。换句话说，你在实盘和业绩报告里看到的绝大部分「卖波动的钱」，在一个溢价精确为零的世界里照样会出现——它来自 E[RV]/median[RV]=1.2172 这个纯分布事实，不是溢价。30 年 × 2 万条路径受控模拟：中位 CAGR +14.46% 而均值 CAGR −12.69%，24.10% 的路径归零；月度偏度 −12.89、峰度 244.96，最差单月精确 −100%。均值口径盈亏平衡 VRP=31.39% 而基准只有 15%（安全边际 −52.2%）。跳跃强度过零点 0.2100 次/年而基准 0.48——站在生死线正确的一侧，但这恰恰是最不可估计的参数。五种仓位口径 Sharpe 极差 0.584，归零概率却差 96.4 倍；赔付封顶把归零从 24.10% 压到 0.25%。前 5 年赚钱的路径有 21.20% 到 30 年翻负、20.69% 直接归零。剔除最差 1% 的月份后 Sharpe 从 0.869 跳到 2.419。12 宇宙 CV=0.0068

用固定随机种子（20260801）的受控模拟验证 Garman-Klass (1980) 波动率估计量。核心发现：GK 同时吃掉 OHLC 全部四个价格，在纯日内 GBM 下方差效率达到 CC 的 8.42x（远超 Parkinson 的 5.31x、Rogers-Satchell 的 6.50x），标准差从 3.99e-5 压到 1.37e-5——用 200 天数据换到相当于 1680 天 CC 的信息量。但代价藏在假设里：GK 推导默认零漂移，当日漂移升到 0.02 时 GK 从 -11.6% 偏差翻成 +0.2%、再到 0.04 时上偏 34%，而 Rogers-Satchell 从头到尾锚在 -12% 附近纹丝不动——这正是 RS 存在的唯一理由。第二个陷阱与 Parkinson 同源：隔夜跳空对 GK 完全不可见，隔夜/日内比升到 1.0 时 GK 对总方差低估 55.8%，而 CC 始终无偏。四项对抗式检验全过。

用固定随机种子（20260801）的受控模拟验证 Hurst 指数的两种主流估计量。核心发现：在真值完全已知的分数布朗运动上，R/S 分析和 DFA 都能把 H<0.5（均值回归）、H=0.5（随机游走）、H>0.5（趋势）三种世界分开，但代价不对称——R/S 在随机游走上系统性上偏（N=64 时 +0.13、N=4096 仍 +0.046，把 0.5 估成 0.55），DFA 几乎无偏（各样本量偏差都在 ±0.01 内）却方差更大（N=64 标准差 0.18 vs R/S 的 0.11）。有限样本是这个指标的命门：短窗口下你分不清『H=0.55 是真趋势还是 R/S 的偏差』。把 H 拿去做实时 regime 判别时，滚动窗口内均值回归段的 H 中位 0.32、随机游走段 0.46 确实可分（识别准确率 61.4%），H 门控均值回归策略 Sharpe 3.63 也确实高于无条件版本 3.20——但对抗式检验给出最重要的警告：在一个真实 H 恒等于 0.5、不存在任何长记忆的纯随机世界里跑同一套滚动 H 门控策略，100 次里最高也能刷出 Sharpe 1.12，均值锚在 0——用滚动 H 挑时点，一半的『alpha』是估计噪声在自我实现。四项对抗式检验全过。

蒙特卡洛天生只会正向模拟路径，可美式期权要在每个时点回头判断『现在行权还是继续持有』——这是个逆向决策，蒙特卡洛本来做不到。Longstaff-Schwartz 2001 用一招破局：在每个可行权时点，对实值路径做一次横截面回归，用现价预测『继续持有的期望价值』，再和立即行权比大小。固定种子 20260801 受控模拟：ATM 美式看跌 LSM 定价 7.965，收敛到二叉树基准 7.974，而对应欧式只值 7.459——那 0.515 的差价就是『随时能行权』这个权利的真金白银。四项对抗式检验全过：LSM 随 10 万路径稳稳收敛到二叉树、2-3 阶多项式就够；样本内定价 7.974 系统性偏高、换新路径用固定系数才得无偏 7.944（LSM 天然向上偏的根源）；无红利美式看涨 LSM 12.338 精确等于欧式 12.336（证明算法不会凭空造出虚假早行权价值）；早行权边界随到期临近单调上升逼近行权价。核心教训：能定价高维美式/百慕大期权的实用算法，靠的不是更复杂的数学，而是一个『回归代替递归』的工程巧思。

用固定随机种子（20260801）的受控模拟把配对交易价差建成 Ornstein-Uhlenbeck 过程。核心发现：OU 唯一关键参数 θ（回归速度）通过半衰期 ln2/θ 决定策略能不能做——θ=0.15 半衰期 4.6 天是印钞机、θ=0.02 半衰期 34.7 天是资金坟墓。但 θ 极难估准：AR(1) 在 N=60 短样本把真实 θ=0.05 估成 0.145（半衰期 13.9 天缩成 5.6 天，高估近 3 倍），N=1000 才收敛——短历史选出的『快速回归配对』大概率是估计偏差。入场阈值扫描：最优 z*≈0.75、Sharpe 约 2.0，阈值越高交易越少（z*=0.5 时 250 笔、z*=3.0 仅 2.2 笔）。三个鲁棒性结论最硬：θ 降到 0（退化成随机游走）Sharpe 从 2.04 崩到 0.04，不回归就没 alpha；全样本均值算 z 是隐蔽 look-ahead，纯随机游走价差上照样刷出 Sharpe 0.47 假利润，换滚动窗口掉到 0.02；置换 300 次真实 OU 的 2.19 超过全部上限 0.51。四项对抗式检验全过。

用固定随机种子（20260801）的受控模拟验证 Parkinson (1980) 高低价波动率估计量。核心发现：在纯日内 GBM 下，Parkinson 方差为 CC 的 5.30x（经验效率比），标准差从 3.69e-5 压到 1.60e-5；但离散采样导致约 14.9% 系统性下偏；最关键的陷阱是隔夜跳空完全被忽略——当隔夜/日内波动比升至 1.5 倍时，CC 估计量上偏 197%，而 Parkinson 依然锚定在 -14.8%，两种估计量给出完全相反的诊断。三项对抗式检验全部通过：高频采样偏差收敛、效率比验证、无偏性方向正确。

用固定随机种子（20260801）的受控模拟验证 Yang-Zhang (2000) 波动率估计量。核心发现：GK 和 Parkinson 有一个共同盲区——隔夜跳空完全测不到，隔夜=日内时对总方差低估 55.8%；YZ 把波动拆成隔夜项+开收项+Rogers-Satchell 日内项三块加权，同一场景下只低估 5.4%，是唯一能还原『总波动率』的高效估计量。而且它继承了 RS 的抗漂移能力：日漂移升到 0.04 时 CC 上偏 319%、GK 从 -29% 翻到 +7%，YZ 始终锚在 -8% 到 -12% 之间。效率上 YZ 对 CC 的方差比稳定在 7.8x–8.1x（含隔夜场景）。代价是三项估计的复杂度、需要 n>1 的窗口、以及对第一天前收的依赖。四项对抗式检验全过。这是波动率估计量族谱的终点站。

全凯利在理论上增长最快，在实践里几乎总是错的。年化 8%/波动 18% 的资产 f* = 2.47 倍杠杆，20 年 × 400 条路径实测：全凯利中位增长 9.5% 但中位最大回撤 80.6%，半凯利用 7.1% 的增长换回撤降到 51.5%——增长率对仓位是二次函数（k=0.5 保留 75% 增长），回撤对仓位是指数惩罚。解析式 P(回撤>D) = D^(2/k−1) 给出残酷账单：全凯利一生撞上 50% 回撤的概率是 50%，半凯利只有 12.5%，蒙特卡洛圆点几乎落在理论曲线上。但分数凯利最硬的理由是参数无知：10 年日频数据估 mu 的标准误 5.7%，与 mu 本身同数量级，把估计误差灌进仓位公式后 k=1.5 的负增长概率飙到 41%，而 k=0.5 中位增长 7.4% 反而与全凯利的 7.7% 几乎打平——估计误差面前，多扛的杠杆几乎白扛。三盆冷水：k 本身也依赖被估错的参数（分数化是缓冲不是豁免）、肥尾市场里连续时间解析式系统性低估尾部（跳空一夜越过全部止损）、多资产凯利需要逆协方差矩阵——估计误差被求逆放大后，实务中 0.2-0.5 倍凯利加总杠杆上限才是常态（中阶）。