标签： #风险管理

经典 Kelly 公式 f*=μ/σ² 用无条件均值方差算一个常数杠杆，但市场不是一个分布——牛市（年化 +12%/12%）和熊市（-18%/32%）的最优杠杆一个是 +8.3 一个是 -1.8，无条件 Kelly 的 1.23 对两个状态都是错的。两状态马尔可夫市场模拟 60 年实测：无条件 Kelly 年化对数增长仅 2.7%、最大回撤 78%；用 Hamilton 滤波实时推断 regime 概率、按混合矩重算杠杆的状态条件 Kelly 达 10.2%、回撤 57%，距全知作弊上限（11.3%）只差一个百分点。更被低估的红利是稳健性：熊市均值估错 ±15 个百分点，状态条件 Kelly 增长率几乎不动（10.1-10.3%），无条件 Kelly 从 2.7% 掉到 0.8%——条件化不仅赚增长，还买了参数误差保险。附滤波识别延迟分布（中位数 3 天、90 分位 6 天）、杠杆上限截断的必要性、以及真实市场里 regime 参数本身要估计的 EM/贝叶斯讨论（中阶）。

你的策略参数是在过去三年数据上估的，可市场早在半年前就换了一套玩法——均值漂了、波动变了，而你的模型还在用旧假设下注。结构突变检测就是给策略装一个『市场换挡』的报警器。本文用纯 numpy 把 CUSUM（累积和检验）从原理到实战完整走一遍：合成一段三状态收益序列（+10bp 上行 → -25bp 下行 → +12bp 回升，两个真实变点在 t=300/600），用去均值累积和把漂移折成不同斜率的段，再用二分分割递归定位——阈值 1.10 下精确检出 [363, 609]，与真实 [300, 600] 只差几十天。阈值敏感性扫描揭示核心权衡：阈值太低（<1.0）把噪声也当变点过度分割，太高（>1.4）漏检真拐点，稳健区间 1.0~1.3。在线 Page-CUSUM 单侧检验模拟实时监控：真实下行从 t=300 起，报警在 t=316，检测延迟 16 天——这就是所有序贯检测无法绕开的『延迟 vs 误报』铁律。全文打穿离线 vs 在线检测的根本区别、CUSUM 只检均值漂移对波动突变失灵、检测延迟不可能为零、多变点需递归分割四类核心陷阱（中阶）。

止损单只能保护一个仓位，CPPI 保护的是整个组合的底线。恒定比例组合保险的核心是一条自动化纪律：风险敞口 = 乘数 m × 缓冲垫（净值 − 保本地板），净值离地板越近仓位越轻，跌到地板自动清零——数学上保证（连续交易时）永不击穿。本文用纯 numpy 完整实现 CPPI，在植入 40 天熊市 + 单日 -8% 跳空的 5 年路径上实测：买入持有最大回撤 -45%，CPPI m=4 只有 -16.8%，代价是牛市收益从 +57% 降到 +28%。然后打穿两个教科书不讲的死穴：gap risk——周频再平衡 + -12% 跳空下，m=8 的击穿地板概率高达 58.9%（m×单期最大跌幅 > 100% 就是死刑判决书）；cash-lock——高地板 + 大乘数在崩盘后缓冲垫归零，风险资产随后反弹 141%，CPPI 却抱着债券几乎纹丝不动。乘数选择的铁律：m < 1/单期最大可能跌幅，日频对应 m≤5、周频只敢 m≤3。附四类真实陷阱（中阶）。

正态分布对极端事件的低估不是误差，是数量级灾难：在 5000 天合成收益（GARCH 波动聚集 + t(4) 肥尾）上实测，4σ 事件正态预期 0.32 次、实际发生 37 次（低估 117 倍），6σ 事件低估超过 100 万倍。极值理论 EVT 不试图拟合整个分布，只对尾部『超越阈值的部分』下手：Pickands-Balkema-de Haan 定理保证超越损失渐近收敛于广义帕累托分布 GPD。本文用 scipy 完整走一遍 POT 流程：取 95% 分位为阈值得 250 个超越样本、MLE 拟合出形状参数 ξ=0.216（隐含尾部指数 α≈4.6，与生成过程一致）、QQ 图验证拟合质量。VaR 对决见真章：99.9% VaR 正态给 2.49%、EVT 给 4.68%、经验分位 4.69%——EVT 几乎精确命中，正态差了近一倍；99% VaR 违反回测中正态违反 87 次（预期 50 次）、EVT 违反 49 次。ES 差距更狠：99.9% ES 正态 2.71% vs EVT 6.37%。诚实拆穿阈值选择的偏差-方差两难（阈值敏感性扫描图）、iid 假设被波动聚集破坏、ξ 的置信区间宽到离谱三类陷阱（中高阶）。

『肥尾』被说滥了，但到底多肥？尾部指数 α 给出一个数：P(X>x) ~ x^(-α)，α 越小尾越肥，且 α 直接判决矩的生死——α<4 峰度不存在、α<2 方差都没了。Hill 估计量用前 k 个顺序统计量的对数间距把 α 从数据里榨出来，本文从公式到陷阱走全程：三个已知真值的分布验证（Pareto α=2 估出 2.02 近乎完美，但 t(5) 只估出 3.87——慢收敛尾部的负偏差实锤）；GARCH+t(4) 合成收益的左右尾 Hill Plot（左尾 α̂=2.65，波动聚集把无条件尾部拖得比创新项 t(4) 更肥，这是特征不是 bug）；log-log 生存函数图上幂律直线与正态跳水的视觉对决；Weissman 外推算『百年一遇』：幂律给 16.5% 单日损失、正态给 3.0%，样本内最差实际 7.16% 已两倍于正态的百年一遇。最狠的是 300 次蒙特卡洛的小样本实验：n=250（一年日线）时 α̂=2.52±0.47（真值 3），系统性负偏 + 巨大方差——一年数据测尾部指数等于用体温计量海深。拆穿 k 选择的 Hill horror plot、样本依赖性、外推杠杆三类陷阱（中高阶）。

凯利公式给出理论最优杠杆，但它假设赔率恒定——市场偏偏在牛熊两套参数间来回切。本文用纯 numpy 合成两状态市场（转移矩阵 P、牛市 μ=+0.09%/σ=0.9%、熊市 μ=-0.16%/σ=2.4%），先用 HMM 前向算法在线滤出熊市后验概率（识别准确率 95%），再把凯利分数按后验期望在牛熊之间加权收放。回测对决：固定半凯利与买入持有几乎重叠（总收益 25%、Sharpe 0.24、最大回撤 -64%），而状态切换凯利总收益 77%、Sharpe 0.52、最大回撤压到 -32%——收益翻三倍、回撤砍半，核心不是预测方向而是在熊市把杠杆主动收回甚至反手。全文诚实拆穿：凯利分数对参数估计误差极度敏感（牛市理论 f*=11 必须靠半凯利+CAP 硬压）、在线滤波天然滞后（状态切换后要几天才反应，切点附近必吃亏）、状态数与转移矩阵是先验强假设、样本外真实市场没有干净的两状态结构四类陷阱（中高阶）。

CPPI 有个让人夜不能寐的缺陷：它只保本金、不保利润——牛市赚了 70%，崩盘时地板还钉在起始资金的 85%，账面利润可以全数吐回。TIPP（时间不变组合保险）的修复只改一行代码：地板 = 锁定比例 × 历史最高净值，且只升不降——这是一个棘轮，净值创新高，保本线就跟着上抬，赚到的利润被逐级锁进保险箱。本文用纯 numpy 实现 TIPP，在『先牛市大涨 +77%、再深度崩盘』的路径上与 CPPI 正面对决：崩盘中 CPPI 从高点吐回 43.1%（利润几乎清零），TIPP 只回撤 5.5%、终值 1.469 完胜；代价在牛市段——棘轮地板紧追净值把缓冲垫越压越薄，TIPP 牛市平均仓位只有 57%（CPPI 是 91%）。1500 条蒙特卡洛路径给出完整代价表：TIPP 把 95% 分位终值从 1.84 砍到 1.48（砍掉右尾），换来 MDD>20% 的路径占比从 27.5% 降到 0.0%。锁定比例敏感性扫描揭示 85% 是回撤与收益的平衡点。打穿棘轮不可逆的双刃剑、结构性 cash-lock、波动拖累、锁定比例幻觉四类陷阱（中阶）。

隐含波动率常年高于事后兑现的已实现波动率，这条缝隙（IV−RV）就是方差风险溢价 VRP——期权卖方收的保费。但 Bollerslev-Tauchen-Zhou 的洞见更进一步：VRP 不只是常数保费，它是会呼吸的，而且它的宽窄能预测卖波动策略未来的收益。10 年 GARCH 合成数据完整复现：IV 92.5% 的时间高于 RV、平均升水 4.33 个波动点；把当日 VRP 分五档，Q1（最薄）未来一个月卖波动亏 1.62%、Q5（最厚）赚 1.53%，单调递增。据此造开关——VRP 厚时开仓卖波动、VRP 薄或倒挂时空仓：同一条卖波动腿，无择时版 Sharpe -0.26、回撤 -51.7%（长期亏钱），VRP 择时版 Sharpe 1.2、回撤收窄到 -27.9%、净值转正。关键在 VRP 会在崩盘前压缩，开关据此提前拉闸。附 IV/RV 缝隙、VRP 开关时序、净值对比、分位收益四图与完整 Python，及四类真实陷阱（中高阶）。