- 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 - 滚动窗口协整：用 DCC 抓住会『断』的长期关系
协整不是『一旦成立就永远成立』。真实配对常在某天结构性断裂——对冲比漂移、价差从平稳变成随机游走。用滚动窗口 Engle-Granger 重估对冲比、用 DCC-GARCH 监测动态条件相关，把『关系断了』变成可检测、可自适应修复的信号；附完整 Python 与六类真实陷阱（高阶）。
12 min Chinese - 偏度偏好因子：散户为何为左尾买单、机构如何收割
散户对'彩票型'左尾的超额需求推高了高偏度股票的当前价格，未来必然回归——偏度偏好因子用 iskew 排序、多低偏度空高偏度，模拟里月均 +0.64%、年化约 7.8%、夏普 1.7，但真实落地要过前视、幸存者、微盘流动性、偏度估计噪声与散户泡沫挤兑五道关。
16 min Chinese - 稀疏 PCA 统计套利：只保留少数正交共性因子
标准 PCA 把主成分载荷铺满全部股票，可解释性为零。稀疏 PCA（L1 惩罚）把载荷重新集中回板块，得到少数几个可解释、彼此正交的共性因子；把它们从收益里剥掉，剩下的残差才干净地均值回复。合成 40 股 4 板块里，稀疏 PCA 每层只点亮约 10/40 只股票、用 3 个因子换到约 57% 解释方差，残差套利净值跑赢买入持有。附完整 Python 与六类真实陷阱（高阶）。
14 min - TSRV 二次变差：用子采样把微观结构噪声剔出波动率
高频已实现方差被买卖价差、离散撮合等微观结构噪声系统性高估。Zhang-Mykland-Aït-Sahalia(2005) 两尺度已实现方差(TSRV)用子采样把噪声方差线性分离出来、外推到 K→∞ 得到无偏的积分方差。合成里全样本 RV 高估 32.5%、TSRV(K=12) 修复到 −7.4%，噪声越大差距越夸张，附完整 Python 与六类真实陷阱（高阶）。
13 min Chinese - 波动率风险溢价择时：用 VRP 开关股债配置
波动率风险溢价择时：VRP=隐含波动−已实现波动，是市场为『保险』付的恐慌溢价。VRP 与下月权益超额收益正相关，用 60 分位做开关：VRP 高配股票、低配债券。模拟里 VRP 择时年化 9.0%/SR 0.66/MDD −33.2%，优于买入持有股票(6.8%/−43.4%)，附 Python 与六类真实陷阱。
13 min Chinese - 注意力机制因子：让模型自己决定看哪些特征
把注意力机制从 NLP 搬进多因子选股：用特征级自注意力让模型自己决定看哪些因子，再门控加权出 1 维注意力因子。合成里门控因子 OOS R²=0.59 远超等权平均 0.15（高阶）。
15 min Chinese
返回