标签： #量化交易

把 ESG 拆成「水平因子」与「改善因子(ΔESG)」两路做 IC 检验与分组回测：水平因子净 alpha 接近零、ΔESG 明显更强，可持续数据更像风险约束而非全天候 alpha。

给普通期权加一道「开关」：用蒙特卡洛给向下敲出看涨定价，再拆解自动赎回票据如何用「障碍+票息」包装成吃票息机器，并点出路径依赖、离散观察与跳空三大真实陷阱。

一个能赚钱的因子信号往往顺带押注行业与市值。本文用「对行业哑变量+对数市值回归取残差」做截面中性化：行业净权重范数从 0.55 降到 0.05、市值暴露从 −1.36 降到 −0.02，alpha 仍保留约七成，并给出中性化会牺牲风格溢价、对哑变量误设敏感等真实陷阱。

CAPM 解释不了规模/价值/盈利异象，Fama-French 用五因子把截面收益拆开。本文用受控模拟构造五因子与 6 个检验组合，演示 CAPM 伪 alpha 如何被 FF3 吸收规模价值、再被 FF5 吸收盈利投资，附 A 股真实数据落地路径。

银行、基金谁都不肯交原始数据。联邦学习让数据不动、模型动：numpy 手写 FedAvg，在 6 家 non-IID 机构上几乎追平集中式，覆盖差分隐私效用权衡、non-IID 退化与模型投毒三大真实陷阱。

买入跨式组合等于做多 Gamma、做空 Theta。本文用 Black-Scholes 真实定价 + GBM 路径模拟，展示如何靠每日 delta 对冲把「波动」低买高卖成现金，并点明盈利的真正前提是已实现波动高于隐含波动，以及交易成本、跳空、钉住风险三大真实陷阱。

波动率是会被预测的：ARCH 用昨日平方收益、GARCH 加上昨日波动、EGARCH/GJR 再补上「坏消息更可怕」的杠杆效应。从零实现 MLE 拟合与多步预测，并给出模型选择与真实陷阱。

经典均值方差优化对预期收益极度敏感、且对基数/换手等实务约束几乎无解。本文用遗传算法在「精选 K 只、多头、权重和为 1」的硬约束下搜索最优组合，从零实现选择-交叉-变异-精英保留主循环，并与无约束均值方差前沿对比，顺带讲清进化策略(ES)与三大实战陷阱。