标签： #量化交易

Kyle 模型说价格冲击是线性的 λQ，但过去三十年横跨股票、期货、期权甚至比特币的实证结果惊人一致：母单的价格冲击 ≈ Y·σ·√(Q/V)，指数死死钉在 0.4-0.6 之间。本文用潜在流动性簿模型从底层复现平方根律，验证主曲线坍缩（不同波动率、不同成交量的标的除以 σ 后落在同一条曲线上），对比线性模型在大单区间的系统性高估，并用传播子模型拆穿『切碎订单就能消灭冲击』的幻想——冲击衰减速度 β 才是拆单收益的真正决定者（中阶）。

样本协方差在肥尾分布下不是慢慢变差，而是被极端日直接绑架——一个 ±15% 的异常日进入平方项后能扭曲整个相关结构。Tyler（1987）的 M-估计量给出一个漂亮的解法：把每天的收益向量投影到单位球面上再估计，只保留方向、扔掉幅度，得到的形状矩阵在所有椭圆分布下都有同一个渐近分布——对尾部厚度『分布自由』。本文 N=20 单因子模拟市场实测：t(3) 肥尾下样本协方差形状误差 0.266、Ledoit-Wolf 0.253，Tyler 只有 0.108，且从 t(3) 到正态误差几乎纹丝不动（0.108→0.102）；注入 2% 的 ±15% 异常日，样本协方差误差从 0.147 恶化到 0.184，Tyler 稳在 0.109；但 10% 污染时 Tyler 反而崩得更惨（1.93 vs 0.52）——迭代加权会被大规模结构性污染带偏，稳健≠无敌。GMV 组合上优势收窄：t(4)、T=252 时 Tyler 10.63% vs 样本 11.03%（理论最优 10.19%），因为组合权重只依赖协方差的逆的方向结构，形状矩阵的优势部分被求逆运算稀释。诚实边界：Tyler 只估形状不估尺度，波动率目标要另配；对『集体同向的真实危机日』降权可能扔掉最有信息量的样本；N/T 比例较大时需要正则化版本。

执行算法的入门双雄：TWAP 把母单按时间等分，VWAP 按日内成交量剖面切片。48 桶 U 型剖面模拟实测：500 天蒙特卡洛里 VWAP（历史剖面）滑点均值 43.97bp vs TWAP 45.90bp，但真正的差距在方差——σ 1.25bp vs 6.32bp，差 5 倍；VWAP 的本质不是更便宜而是更贴基准。上帝视角（当日真实剖面）与历史剖面预测只差 0.3bp，说明成交量剖面的日间稳定性是 VWAP 可行的全部前提。规模扫描：母单从日成交量 1% 到 100%，两者滑点差保持约 2-4bp，参与率的平方根冲击才是成本主体——切片方式省小钱，订单规模定大钱。诚实边界：VWAP 追平的是『市场均价』不是『决策价』，动量日里 VWAP 完美达标仍可能巨亏 Implementation Shortfall；剖面突变日（新闻、指数调仓）历史剖面失效；两者都是被动日程，不响应价格。

Acerbi-Szekely ES 检验：给预期短缺一个可执行的回测 - halo的技术博客

「推动 1% 的价格变动需要多少成交额？」Amivest 比率把这个问题直接做成指标：L = 平均(成交额 / |收益|)，数值越大市场越深。它是 Amihud 非流动性比率的镜像前辈——一个除法方向相反的孪生兄弟，但两者在 log-log 空间的相关只有约 -0.47，并非简单倒数：取平均的顺序不同，对极端日的敏感度就完全不同。三年日线模拟实测：大盘蓝筹、中盘、小盘的 Amivest 比率相差整整两个数量级，横截面区分度极强；流动性危机情景里比率中位数坍缩到平时的 40%，与价格暴跌同步——它是危机的同期指标而非领先指标。最隐蔽的坑是零收益日：僵尸股大量「价格不动」的日子，丢弃处理让比率虚高 2.4 倍，下限处理又偏悲观——处理方式本身就是结论的一部分。诚实边界：日线粒度看不见盘口、成交额与波动的因果纠缠、跨市场比较要先对齐货币与交易制度（中阶）。

VaR 和 ES 关心的是「一般的坏日子」，极值理论问的是另一个问题：最坏的那一天能有多坏？Fisher-Tippett-Gnedenko 定理是极值世界的中心极限定理——区组最大值的分布只可能收敛到 GEV 一族，形状参数 ξ 一个数定生死：ξ>0 是 Fréchet 肥尾域（t 分布 ξ=1/ν），ξ=0 是 Gumbel 薄尾域（正态）。GARCH-t(5) 模拟 40 年日损失、480 个月块实测：GEV 估出 ξ=0.24（理论 1/5=0.2），KS p=0.87；强行按 Gumbel 拟合 p=0.008 被拒，且 100 年一遇日损失只报 6.9%，GEV 报 14.0%（bootstrap 90% 区间 [10.6, 18.0]）——薄尾模型在深尾把风险砍半。附回报水平曲线、块长偏差-方差权衡实验（块从 5 天到 126 天 ξ 从 0.14 漂到 0.41）、与 POT/GPD 路线的取舍，以及 iid 假设被波动聚集破坏的诚实讨论（中阶）。

Lee-Ready 在高频碎片化市场里的死穴是逐笔：时间戳粒度不够、多场所归并乱序、报价陈旧，逐笔判方向的地基先塌。Easley-López de Prado-O'Hara (2012) 的 BVC 干脆放弃逐笔——把成交切成等成交量 bar，只看每根 bar 的价格变化，用标准化 ΔP 过一个 CDF 直接映射出这根 bar 里的买量占比：涨得越猛买单占比越高，跌得越猛卖单越多。20 万笔模拟实测：bar 级买量占比与真实值相关 0.80；把逐笔时间戳按块打乱模拟碎片化，Tick 规则相关性从 0.66 崩到 0.03，BVC 只从 0.78 缓降到 0.55——它根本不看逐笔顺序，只看 bar 端点。bar 大小是核心权衡：切太细噪声主导（100 根时 r=0.81 但误差大）、切太粗把日内反向流平均掉。诚实边界：BVC 给的是概率化的量占比不是逐笔标签、CDF 分布假设错了映射就歪、在报价干净的低频场景反而不如 Lee-Ready（中阶）。

CAViaR 条件自回归 VaR：让分位数自己带记忆演化 - halo的技术博客