标签： #量化交易

标准 Beta 把上涨和下跌一视同仁，但真正区分好资产与坏资产的，是「下跌时跟不跟、涨时跟不跟」。本文用 Python 从零构造下行 Beta（仅用市场负收益片段回归），据此把股票分成「危机 Alpha」象限，构建「多低下行β / 空高下行β」多空组合，验证它在危机窗口的抗跌与超额，并诚实拆穿合成自证 / 下行阈值主观 / 做空成本 / 样本内过拟合 / 危机样本稀疏 / 流动性门槛六类真实陷阱(中阶)。

杜邦分析 ROE 拆解因子：用 ROE = 净利率 × 资产周转率 × 权益乘数 把高 ROE 拆成经营驱动与杠杆驱动两层，构建「清洁 ROE」信号——奖励经营 ROA、惩罚权益乘数，剥离杠杆脆弱性。本文用 DuPont 三因子口径逐变量实现，验证信号十分组收益严格单调、长短因子长期为正且对杠杆脆弱性有定价，并诚实拆穿会计粉饰/幸存者偏差/做空不可得/危机放大四类真实陷阱(中阶)。

盈余预告惊喜与漂移：市场对公司盈利预告常常反应不足，预告后股价沿惊喜方向缓慢漂移。本文用 GSI（真实盈利惊喜减一致预期，再标准化）构建月度再平衡横截面因子，验证十分组收益严格单调、预告后 12 个月 CAAR 持续衰减，并指出公告前视/做空约束/幸存者偏差/覆盖偏差四类真实陷阱(中阶)。

经济政策不确定性指数 EPU(Baker-Bloom-Davis)是少数能被量化的宏观状态变量。本文用自洽合成月度 EPU、股票与长债收益，验证股票对 Δ EPU 负向暴露(−0.00089)、债券正向(+0.00072)，朴素『高 EPU 切债券』策略年化 6.9%、Sharpe 0.66，反而跑输 60/40 的 13.2%/1.19——诚实拆穿它不是收益信号而是风险信号，并给出股债缩放而非清零的正确用法(中阶)。

Black-Scholes 只有欧式有闭式，美式、障碍、回望这类带早期行权或路径依赖的期权只能靠数值解。有限差分法(PDE 数值解)把一条连续偏微分方程离散成网格上的三对角代数系统：显式最直观却要守 CFL 稳定性，隐式无条件稳定但要解线性方程组，Crank-Nicolson 折中两者且二阶收敛。本文用 Python 从零实现三种格式，对欧式看涨做 BS 闭式自洽校验，对美式看跌加 Early-Exercise 约束，并指出网格、稳定性与边界三类真实陷阱。

地缘政治风险（GPR）不是新闻标题，是可以量化的定价变量。Caldara & Iacoviello (2022) 用 10 份报纸的「地缘政治紧张/战争」词频构造月度 GPR 指数。本文用自洽合成复现 GPR 路径，证明股票对 ΔGPR 负向暴露(−0.0010)、黄金正向暴露，并诚实检验「高 GPR 切现金」的朴素择时其实跑输买入持有（Sharpe 0.67 < 0.90，现金拖累），真正可落地的是「高 GPR 用黄金套保叠加」——在保留股票 beta 的同时把 Sharpe 抬到 0.79。拆穿指数主观/尾部风险低估/因果倒置/对冲错配/可得性/过拟合六类陷阱（中阶）。

另类数据里，谷歌趋势是少数公开、免费、可日频获取的零售情绪代理。本文用自洽合成日度搜索量 + GARCH 波动，验证『恐慌搜索领先于波动』（Preis 2013 式水平信号）：样本外 R²=0.073、高搜索量日后 5 日已实现波动 11.7% vs 低量日 7.5%；朴素『高搜索量降杠杆』把回撤从 −98.7% 改善到 −91.7%。诚实拆穿搜索量预测的是波动不是方向、代理偏差与可得性三类陷阱(中阶)。

传统资产定价说「高风险高收益」，但特质波动率（IVOL）异象恰恰相反：特质波动越高的股票，长期收益越低。本文用 Python 从零估计特质波动率（市场模型回归残差标准差），五分位验证「低 IVOL 跑赢」的单调关系，构建多空因子，并用规模中性化检验它到底是真 alpha 还是风格伪装；最后落到套利限制（Miller 1977）解释为何这个异象几十年不被消灭，并诚实拆穿合成自证/估计窗口/做空不可得/规模流动性混淆/过拟合/波动聚集六类真实陷阱(中阶)。