- Hawkes 过程与自激点过程：给订单流的 contagion 建模
Hawkes 自激点过程把「事件会触发更多同类事件」写成条件强度 λ(t)=μ+∫αβe^{-β(t-s)}dN_s。用 Ogata thinning 与精确簇采样仿真订单流：分支比 α 决定自激强度，α→1 时事件数发散、平稳性破裂；MLE 能从一段事件序列还原 μ/α/β。附完整 Python 与六类真实陷阱（高阶）。
15 min Chinese - Heston 随机波动率模型：用随机波动率解释 BS 解释不了的波动率微笑
Black-Scholes 假设波动率是常数，于是同一标的、不同行权价的期权隐含波动率应当是一条水平线。但真实市场里它是一条弯弯的微笑（且长期偏斜）——BS 用平值波动率给所有行权价定价会系统性误定价。Heston(1993) 把波动率本身建模成均值回复的平方根过程（带杠杆效应 ρ<0：跌时波动飙升），从机制上还原了波动率微笑。合成 30 资产级蒙特卡洛定价显示：T=0.5 时 BS 用平值 IV 给深度虚值/实值期权定价，误定价高达 ±0.45，Heston 则贴合微笑。附完整 Python 与六类真实陷阱（高阶）。
13 min Chinese - 高阶矩组合：把偏度与峰度也写进目标函数
高阶矩组合：把偏度与峰度也写进目标函数 - halo的技术博客
12 min Chinese - 流动性共同因子：Amihud 溢价的系统性来源与危机放大
流动性共同因子：用 PCA 在个股 Amihud ILLIQ 矩阵上抽出系统性流动性因子，解释 67.8% 截面方差；危机期截面相关性从 5.5% 飙到 35.6%，共同因子暴露溢价从 −2.5% 被放大到 +11.0%。附 Python 与五类真实陷阱。
16 min Chinese - LPPL 对数周期幂律：用临界泡沫模型给崩盘点位预警
泡沫不是随机游走，而是临界相变：价格超指数加速、途中出现等对数间隔回调。LPPL（对数周期幂律）把这种加速和振荡同时写进一个可估模型，外推出临界时间 t_c 作为崩盘预警。合成里 t_c 命中率达 93%、对数周期振荡 F 检验远超 1，附完整 Python 与六类真实陷阱（高阶）。
16 min Chinese - 做市库存风险：Avellaneda-Stoikov 框架下的库存-对冲博弈
做市商最大的敌人不是价差而是库存：Avellaneda-Stoikov(2008) 用指数效用推出保留价与最优价差，让报价随库存偏斜、自动把持仓拉回零。模拟里 AS 把终端库存波动从 6.17 砍到 4.14、极端持仓从 36 压到 24，PnL 几乎不丢，附完整 Python 与六类真实陷阱（高阶）
19 min Chinese - MIDAS 混频回归：用高频数据预测低频变量
宏观目标（月度 CPI/GDP、季度增长）出得慢，预测却等不得。MIDAS（混频数据抽样）让日频/周频的「快变量」直接进低频回归：Beta 权重多项式把几十个高频滞后压成 2 个参数，既剥掉日内噪声、又抓住领先信号。合成里样本外 R²=0.90，碾压 AR(1) 的 0.22 和朴素 0.01，附完整 Python 与六类真实陷阱（高阶）。
14 min Chinese - PCA 特征组合：把相关性矩阵的主成分变成可交易因子
PCA 特征组合：把相关性矩阵的主成分变成可交易因子 - halo的技术博客
13 min Chinese
返回