标签： #风险管理

传统 60/40 股债组合的风险敞口是焊死的——市场平静时它嫌不够猛，崩盘时它嫌太暴露。波动目标（Vol-Target）策略用过去 20 日已实现波动估计下期波动，把组合目标年化波动钉在 10%，于是崩盘前波动飙升、自动砍掉 equity 敞口、转配债券。本文 numpy 合成含 2020-03 风格崩盘的 15 年日度数据，对比 VM 与 60/40：VM Sharpe 0.16、最大回撤 -43%，60/40 Sharpe ~0、回撤 -59%。附完整 Python 与四张真实计算图。

下行beta与下偏矩 - halo的技术博客

均值-方差只优化一个点估计的预期收益，等于默认『我对市场收益的看法百分之百正确』。模糊厌恶（ambiguity aversion）把『我可能看错了』显式写进目标函数：在最坏-case 的预期收益下做最大最小决策。本文用 numpy 从零实现 Garlappi-Uppal-Wang 凸组合形式，在 40 资产 / 2 因子合成数据上证明：模糊厌恶组合的 OOS 回撤 −1.65% 优于切线组合的 −2.03%，年化 Sharpe 3.48 也更高，且权重集中度（HHI）随厌恶系数单调下降。附完整 Python 与三张真实计算图。

标准 GARCH 的方差只依赖冲击的『平方』，天然抹掉了方向——跌 3% 和涨 3% 推高波动一样多。但真实市场里，坏消息比好消息更吓人。本文用 numpy 从零实现 EGARCH 与 GJR 两个非对称波动率模型，在带杠杆的合成数据上证明：EGARCH 正确恢复出负的杠杆系数 γ=-0.096，样本外对数似然 1268 对 GARCH 的 1261，坏消息对波动的冲击是等幅好消息的 1.5 倍以上。附完整实现与四张真实计算图。

动量（momentum）是学术界反复验证、实战中持续有效的经典因子，但它有一条致命的尾巴——动量崩溃（Momentum Crash）：在市场急跌后的暴力反弹中，此前输家因空头回补与低估值而飙升，此前赢家回调，多空组合 WML 在几周内回撤 30% 以上。本文用 numpy 合成一个带崩盘窗口的动量因子，量化这条左尾：崩盘期 WML 累计回撤 -37.9%，5% VaR 从 -3.7% 恶化到 -6.7%，左尾近乎翻倍。附完整实现与四张真实计算图。

点预测只能回答『明天涨多少』，但交易真正关心的是『明天涨跌的完整分布』——上分位能不能突破止损、下尾会不会踩雷。本文用 numpy 从零实现 Breiman 的分位数回归森林（Quantile Regression Forest）：把随机森林的叶子权重 reinterpret 成条件分布的加权经验测度，在异方差合成数据上同时估计 5%/25%/50%/75%/95% 条件分位。实验表明 QR 森林的平均 Pinball Loss 仅 0.239，与异方差 RF 残差基线（0.240）持平，但远胜错误同方差假设（0.381，+59%）；条件覆盖最大绝对误差仅 0.031。附完整 Python 代码与四张真实计算图。

深入剖析 CPPI（固定比例投资组合保险）的数学机制、动态再平衡逻辑，以及它在 1987 年黑色星期一中的系统性放大效应。附完整 Python 实现与回测代码。

TLH 被当成「白捡的税后 alpha」，但 20 年 × 600 路径 × 40 标的的受控模拟给出一个不舒服的账本：同一次运行，行业常用的未清算口径报 15.77 bp/年，诚实的清算口径只有 10.89 bp——虚高 1.45 倍，因为省下的税以成本基准下降记在账上，清算日一次性讨回。两条安慰剂锁死机制：零波动世界收割次数精确为 0、增益精确 0.0000 bp；零税率世界转负 −1.64 bp。最反直觉的是 μ 从 0% 升到 13%，增益从 89.16 塌到 1.48 bp（60 倍）——牛市里无亏可收，而 σ 从 8% 到 40% 增益从 0.85 涨到 43.16 bp：它是波动率的函数，不是收益率的函数。燃料会耗尽：前 3 年吃掉 63.3% 的实现亏损，3 年期 57.38 bp 到 30 年期只剩 7.68 bp。税率档差是永久豁免的唯一来源：35%/20% 给 11.43 bp，20%/20% 只剩 3.27 bp、15%/20% 塌到 0.72 bp。12 宇宙 CV=0.131（高阶）