- 桥水全天候风险平价：把「四种经济天气」都装进一个组合里
传统 60/40 表面分散，其实风险几乎全压在股票上——股票贡献了 ~97% 的组合波动，一旦股票崩，债券那 40% 根本兜不住。桥水全天候(All Weather, Dalio 1996)换了个思路：先按「对风险的贡献」而非资金额分配(风险平价)，再让资产覆盖「增长↑/↓ × 通胀↑/↓」四种环境，任一种天气都有资产赚钱。本文用合成宇宙算实：60/40 股票风险贡献 97.3%，全天候压到均衡(股票 39.8% / 长债 37.4% / 中债 6.2% / 黄金 9.0% / 商品 7.6%)；四种环境里 60/40 在衰退年亏 -3.4%，全天候几乎不亏；16 年混合轮动下全天候 Sharpe 0.26、最大回撤 -16.2%，远好于 60/40 的 0.12 / -45.2%。附完整 Python 与五类真实陷阱(中阶)。
10 min Chinese - Carhart 四因子模型实战拆解：为什么你的 alpha 可能是因子的伪装
你费劲做出来一个策略，年化 alpha 8%、t 值 3.5，兴奋地以为挖到金矿——然后有人用 Carhart 四因子一套，alpha 归零，那 8% 全是「小盘+价值+动量」三种风格溢价的拼装。Carhart (1997) 在 Fama-French 三因子里加了第四个：动量 (Mom, 赢家减输家)，专门吃掉「追涨杀跌」那部分收益。本文用纯 numpy 合成 25 个规模×B/M 组合 + WML 动量组合，时间序列回归亲手跑：CAPM 在 25 组合上留下 -2.16%~+9.03% 的结构化 α（均值 |3.84%|），四因子几乎清零（均值 |0.65%|）；WML 动量组合的 CAPM α 高达 +9.02%，四因子下塌到 +0.96%。并诚实拆穿复制危机/FF5 把 HML 拆了/RM-Rf 不是真 beta/交易成本/因子动物园五类真实陷阱（中阶）。
14 min Chinese - 期现套利与基差交易：用「持有成本模型」把期货相对现货的偏离做成低风险收益
期货和现货明明是同一个标的，价格却常常不相等——中间的差就叫基差（basis）。持有成本模型告诉你它理论上该是多少，而「到期必收敛」又保证这个差最终归零。于是期现套利成了一个自带安全垫的统计套利：做空高基差、做多负基差，等它回复就平仓。本文用纯 numpy 合成沪深300ETF vs 股指期货的连续 6 张合约，把现货/期货/基差一步步造出来，再用「突破成本带开仓、回复平仓」的规则跑回测：58 次交易、胜率 91.4%、总收益 +25.1%（年化 11.0%）、单笔最大亏损仅 −0.06%；并诚实拆穿到期日效应/分红除权跳变/流动性与冲击成本/展期跳跃/单边升水陷阱五类真实风险（中阶）。
15 min Chinese - 双重差分 DID 在金融事件评估：用控制组把「相关性」逼成「因果」
事件研究里最危险的结论不是「没显著」，而是「显著但假」——股价在降准后涨了，到底是因为降准，还是因为那段时间本来就该涨？双重差分 DID 用「处理组 − 控制组」的双重差分，把共同的时间趋势从处理效应里剥掉。本文用纯 numpy 从零实现双向固定效应 TWFE 与一般化的 2×2 差分，在自洽合成面板（1 只被冲击股票 + 19 只同类，事件前 24 月 + 后 24 月，真实 ATT=0.40%/月）上把 τ̂ 估计到 0.41%/月、t=2.79、置换 placebo 检验 p=0.038；并诚实拆穿平行趋势不可检验、控制组污染、政策内生化、溢出效应、动态效应被压平五类真实陷阱（中阶）。
13 min Chinese - 商品通道指数 CCI 实战：±100 通道反转背后的典型价格偏差怎么算
CCI（Commodity Channel Index，商品通道指数）是 Donald Lambert 在 1980 年提出、却常被当成「超买超卖摆荡器」误用的指标。它的真身是一段「典型价格偏离其统计中轴多少个平均绝对偏差」的标准化读数：CCI = (TP − SMA(TP)) / (0.015·MD)。本文用纯 numpy 从零实现 CCI 全公式，把「CCI 上穿 −100 做多、下穿 +100 平仓」的通道反转规则，在一段「震荡为主、夹两段趋势」的合成行情上做无前瞻回测：CCI 策略总收益 +107.9%（年化 25.9%、Sharpe 2.50、最大回撤 −10.1%），同期买入持有 +78.4% 却吃下 −23.7% 回撤。并诚实拆穿区间依赖/0.015 常数迷思/趋势市踏空/钝化/参数脆弱五类真实陷阱（中阶）。
14 min Chinese - 对比学习金融表征：不用标签，也能把「同行业」和「跨行业」拉开
监督学习要标签，金融标签又贵又滞后。对比学习（Contrastive Learning）走另一条路：不预测「是什么」，只学「什么和什么像」——把同行业股票拉近、跨行业股票推远。本文用纯 numpy 从零实现 SimCLR 风格的 InfoNCE 预训练（两层 MLP 投影头，端到端训练），在 42 支股票 / 3 行业的合成数据上，把它和「直接用原始特征」做下游少标注探针对比：每行业只给 1~3 个标注时，对比表征把分类精度从 0.50/0.54/0.58 抬到 0.57/0.61/0.61，且增益随标注变多而收敛——正是「标签越稀缺越值得预训练」的教科书结论。附完整代码与五类真实陷阱（中阶）。
12 min Chinese - 核心卫星策略配置框架：用 70% 被动核心 + 30% 主动卫星，把稳健和锐度都装上
做配置最纠结的不是「买什么」，是「稳健」和「锐度」打架：全买指数怕错过 alpha，全做主动怕回撤裸奔。核心-卫星(Core-Satellite)把这事拆成两层——大头(核心)买宽基指数拿市场 beta + 低成本，小头(卫星)做主动策略博超额。本文用合成宇宙的 mu/sigma 解析算出：纯被动期望年化 7.0%(Sharpe 0.33)、核心-卫星(70/18/12)抬到 8.3%(Sharpe 0.44)、纯卫星到 11.0%(Sharpe 0.58)，并用成分风险贡献证明核心占 70% 权重却只扛 ~72% 波动——卫星用小仓位撬动了不成比例的收益。附完整 Python 与五类真实陷阱(中阶)。
10 min Chinese - CTA 多品种趋势跟踪：用 12 个低相关市场的「共同信条」把危机变成利润
传统组合崩盘时所有人都亏钱，CTA 趋势跟踪却常在危机里赚钱——因为它不赌方向，只赌「有趋势」。12 个低相关市场（股指/国债/商品/外汇）各自跑 Donchian 通道信号，危机段风险资产急跌、避险资产急涨，多品种同时赚钱就是危机 alpha。本文用纯 numpy 合成 12 市场 + Donchian 通道，证明 CTA 多品种 20 年 Sharpe 0.79、最大回撤仅 −8.5%，且 6 次危机段累计 +17.4%（同期 60/40 −23.4%），并诚实拆穿四类真实陷阱（中阶）。
10 min Chinese
返回