标签： #量化交易

Chow et al.（1999）与 Kritzman & Li（2010）的金融湍流指数：把今天的跨资产收益向量与历史分布比对，马氏距离 d²=(r−μ)'Σ⁻¹(r−μ) 同时惩罚『幅度异常』和『相关性破坏』——股债同跌各 1.8σ 的日子，单看波动率毫不起眼，d² 却比股票单边大涨 2.5σ 的日子高一倍（13.0 vs 6.3）。本文 8 资产两 regime 模拟市场（15 年日频）实测：湍流指数判别真实 regime 的 AUC 0.941，湍流日 d² 中位 21.8 vs 平静日 6.5；湍流有记忆——今天高湍流明天仍高的概率 52% vs 无条件 10%，且高湍流日后 10 日组合收益均值 −0.22% vs +0.22%、波动 4.19% vs 1.90%——这正是风险开关能赚钱的两个前提。开关回测（昨日 d² 超滚动 90% 分位→仓位降至 30%）：年化 5.12%→8.10%、Sharpe 0.49→0.92、最大回撤 −21.2%→−13.6%，只牺牲 11% 的在场时间。诚实边界：模拟市场 regime 差异极端且切换持久，是对该策略最友好的环境，真实市场改善幅度会小得多；Σ⁻¹ 高维时本身要先收缩否则 d² 全是噪声；阈值分位、减仓幅度均为拍脑袋参数未调优；开关在急跌第一天必然迟到，赚的是湍流的持续性而非预知力。

Michaud 重抽样有效前沿：用 Bootstrap 平均把优化器的极端权重驯服 - halo的技术博客

Markowitz 优化器的误差会在相关资产之间共振：40 只资产、4 个板块的块状相关结构下，T=90 天样本协方差直接优化的 OOS 波动率 9.7%、总杠杆 3.1 倍。López de Prado 的 NCO 把问题切成两层：先按相关距离聚类把 40×40 矩阵切成 4 个小块，簇内各自优化、再在 4 个簇组合之间优化——T=90 时 OOS 波动率降到 8.1%、杠杆压到 2.0 倍，Bootstrap 权重标准差从 3.07pp 砍到 1.44pp（稳定性翻倍）。代价同样实测得到：T=1008 数据充足时 NCO（7.68%）反而略输给直接优化（7.52%），两层结构禁止跨簇对冲，是用偏差换方差的又一笔交易。与 HRP 的区别：HRP 全程不求逆，NCO 只是把求逆的规模变小——簇内维度低到样本够用时，二次优化的信息还能保留（中阶）。

Jagannathan & Ma（2003）的著名发现：给组合优化加约束——哪怕是'错误'的约束——往往改善样本外表现，因为约束数学上等价于对协方差矩阵做收缩。本文 30 资产实验实测：T=120 天时无约束样本 GMV 真实波动率 14.17%、杠杆 2.6 倍，加上 ‖w‖₁≤1.5 降到 13.59%——U 形曲线在 1.5~2.0 触底，太紧（long-only 14.31%）和太松都不行。与 Ledoit-Wolf 收缩的等价性同样实测：T=60 时范数约束（14.21%）与 LW 收缩（14.37%）几乎打平，两条完全不同的药方殊途同归；T=504 时两者都自动退场。Bootstrap 权重稳定性：无约束权重标准差 6.65pp，L1 约束砍到 3.09pp，L2 约束 2.00pp——换手率直接受益。L1 上限还有副产品：‖w‖₁≤1 等价 long-only 且自动稀疏化（30 资产只留 10 个非零）。诚实边界：约束上限 c 是要调的超参（不如 LW 的 δ* 有解析解）、约束绑定时最优性损失是结构性的、对期望收益误差无能为力。

PIN 知情交易概率：用买卖单不平衡估计市场里有多少内幕单 - halo的技术博客

Kyle 说冲击是永久的，平方根定律说冲击是凹的，传播子模型（Bouchaud 2004）说：都对，但你们少了时间维度。每笔成交的冲击不是一个数，是一条衰减曲线 G(ℓ)=G₀/(1+ℓ)^β——价格是所有历史成交冲击残留的叠加。模拟实测三条 β 曲线的执行实验：50 笔子单打完后，β=0.9 时残留只剩 5.5%（冲击几乎全是暂时的），β=0.2 时残留 55.5%（切碎不消失）；实证 β≈0.4-0.6 恰好卡在中间。模型最深刻的预言是扩散性悖论的解：订单流符号自相关是幂律长记忆（本文模拟 C(ℓ)~ℓ^-0.6），价格却近似随机游走——唯一自洽的方式是核衰减恰好抵消订单流记忆，β≈(1-γ)/2 的临界关系不是巧合而是市场自组织的结果。60000 笔模拟数据用 80 阶滞后 OLS 反解核函数：对数斜率估出 -0.483 vs 真实 -0.5，G(1)/G(10)/G(50) 全部贴住真值。工程含义：执行成本模型必须区分『打单时的峰值冲击』和『打完后的残留冲击』，TWAP 拆单省的钱全部来自衰减段；反过来做冲击套利（跟着大单买）赚的是同一段衰减。诚实边界：核的平稳性假设在危机中失效、线性叠加忽略流动性反馈、日内与日间核形状不同（中阶）

N=100 只资产、T=252 天，样本相关矩阵的特征值里只有 3 个尖峰是真信号，噪声体占了迹的 59%。Marchenko-Pastur 定律给出纯噪声特征值的精确活动范围 [λ⁻, λ⁺]，越界的才配叫信号——把界内的噪声特征值压平成均值，尖峰原样保留，就是 RMT 去噪。实测最小方差组合：T=126 时样本协方差 OOS 波动率 24.1%，MP 裁剪直接砍到 12.6%，比 Ledoit-Wolf（14.5%）更狠，理论最优 11.1%。与 LW 收缩的本分工：数据极端稀缺时 MP 裁剪的谱手术更精准，数据充裕时两者殊途同归。附完整 Python 与裁剪保迹、相关口径、q>1 等工程细节（中阶）。

没有报价数据、没有成交明细，只有一列收盘价——还能估出买卖价差吗？Roll (1984) 说能：观测价在有效价上下 ±s/2 来回弹跳，制造出负的一阶自协方差，反解得 s = 2√(−cov)。模拟实测：T=250 天日线下估计几乎无偏（s=0.20 时估出 0.200±0.014），但命门在信噪比——价差/波动 = 0.25 的大盘股即使给 1000 天数据仍有 30% 概率算出正自协方差、价差直接成虚数（T=60 时失效率 41%）。60 日滚动 Roll 做流动性温度计：危机段估计值从 0.059 飙到 0.359，贴住真实价差路径 0.06→0.40。它与 Zeros 同属「只要收盘价」家族，是覆盖历史数据、新兴市场和债券的少数选择。诚实边界：假设有效价与买卖方向独立（逆向选择会导致低估）、买卖各半（订单流持续性会压扁负自协方差）、失效样本非随机（越流动越失效，截面用法需 Hasbrouck 贝叶斯版救场）（中阶）。