标签： #量化交易

同一商品不同到期月的合约价差，藏着展期收益(roll yield)。Contango(远月升水)下展期亏钱，Backwardation(远月贴水)下展期赚钱。本文拆解跨期价差与期限结构，用 Python 复现展期收益计算、库存-价差关系与日历价差回测，并指出结构翻转、逼仓、滑点三大真实陷阱。

可转债是「债券 + 看涨期权」的混合体,天然具备债底保护和上涨弹性。本文拆解纯债价值、转股价值与转股溢价率三大指标,用 Python 复现价值拆解、双低选股与月度换仓回测框架,并指出流动性、信用风险与强赎踩踏等真实陷阱。

正态分布在量化风险管理中无处不在，但市场回报的真实分布是肥尾的。本文系统拆解肥尾分布、黑天鹅事件、VaR 的致命缺陷与 CVaR 的正确用法，并用 Hill 估计器、正态 QQ 图与蒙特卡洛实战争议，给出在肥尾世界里活下去的风险管理框架。

很多策略回测漂亮、实盘却踩雷,问题常不在 alpha 而在合规与审计。本文把量化合规拆成数据/模型/交易/报告四层,用 Python 实现交易前风控校验、交易后持仓核对与审计追踪、扫单异常检测,并指出把审计当形式、人工补单等真实陷阱。

策略研发只占量化工作的一小部分,真正的考验在实盘。本文给出一套可落地的监控体系:覆盖数据健康、策略绩效、风险暴露、系统运行四层,用 Python 实现单策略总览、告警分级状态机与多策略监控矩阵,并指出告警疲劳、只看收益不看分布等真实陷阱。

Smart Beta 站在被动指数与主动选股之间：用透明、规则化的方式把久经考验的因子溢价（价值、动量、低波、质量）装进组合。本文拆解因子动物园的来源、最小方差等组合构建方法、因子相关性与分散化前提，并复盘因子拥挤、换手成本等真实陷阱，附完整 Python 构建与回测代码。

社交媒体早已不只是情绪指标,而是价格发现的前置通道。本文用 SIR 传播模型与网络扩散视角,拆解情绪如何沿关系链传导并领先于价格,给出情绪传播力指标的构建方法与完整的 Python 实战代码,并指出机器人放大、回音室、前视偏差等真实陷阱。

供应链关系（谁是你的供应商、谁是你的客户）是典型的另类数据，隐含着领先-滞后收益、冲击传染与网络中心度等可量化信号。本文拆解供应链数据的三大 alpha 来源，用 Python 构建供应链网络、模拟冲击传导、并计算上下游领先-滞后相关，给出从关系数据到交易信号的完整框架，同时指出披露滞后与可得性等真实陷阱。