- 粗糙波动率模型:用分数布朗运动重写波动率的记忆
经典随机波动率把波动率当成普通布朗运动(H=1/2),所以短端隐含波动率斜度只该 ∝ 1/√T。但真实股权微笑短端比这还陡得多——模型漏了什么?Gatheral-Jaisson-Rosenbaum(2014) 的答案是:波动率不是平滑的,它是「粗糙」的,Hurst 指数 H≈0.1。本文用分数布朗运动重写波动率的记忆,自包含 Monte Carlo 实跑:① 粗糙(H=0.1)路径锯齿状、平滑(H=0.5)温和漂移;② 平均 variogram 回收 H≈0.11(对照 H=0.5 回收≈0.47,二者都受小样本滞后偏误轻微下压);③ 粗糙 Bergomi 短端偏度 ∝ T^{H−1/2}:T=0.05 年时 4.18、T=2.0 年时仅 0.95,短端陡约 4.4 倍。附完整 Python 与六类真实陷阱(高阶)。
12 min Chinese - 短期反转因子:用隔夜过度反应捡日内均值回归的钱
经典动量(12 个月)在拐点最痛——刚追进去就反转。但比动量更短、更干净的,是 1 个月尺度的「短期反转」:过去一个月涨得最多的股票,下个月倾向于回吐。本文把它拆进「隔夜 vs 日内」两个成分:隔夜收益是近乎纯噪声、且快速均值回复的过度反应,日内收益才承载真实信息与(轻微)动量。合成面板实跑:按过去 1 月隔夜收益排序买输家卖赢家,十分位严格单调下滑、多空年化 22%,而日内动量年化仅 3.4%;rank-IC 随持有期从 1 月的 −0.058(反转)翻正到 12 月的 +0.209(动量)——这正是「期限越短越反转、越长越动量」的教科书式 flip。附完整 Python 与六类真实陷阱(中阶)。
14 min Chinese - 转移熵因果识别:用信息流方向分清『谁带动谁』
相关系数只说『一起动』,不说『谁先动』。转移熵(Transfer Entropy, Schreiber 2000)用条件互信息量,量的是『加入 X 的历史后,Y 的下一刻不确定性下降了多少 bits』——天然非对称。本文用符号化估计在合成领先-滞后链 X→Y→Z 上复现:TE(X→Y)=0.214 对 TE(Y→X)=0.030(比值 7×)、TE(Y→Z)=0.218 对 TE(Z→Y)=0.037;而共同因驱动的 U/V 虽然相关 0.32,双向 TE 却几乎对称(0.045 vs 0.041)——正是相关说不清、TE 能分开的那类结构。再沿信息流方向下注,Sharpe 5.05 碾压反向 −5.05;信息流方向就是 alpha 方向。附完整 Python 与六类真实陷阱(高阶)。
13 min Chinese - 价值因子复兴:当 cheap 被踩进泥里,用稳健估值捡便宜货
价值因子在 2007-2020 被践踏得最惨,但 2021-2022 又以『复兴』之名卷土重来。问题不在『便宜没用』,而在『用错了估值尺子』——单看账面市值比(B/M)对轻资产、高无形资产公司系统性失真。Asness/Moskowitz/Pedersen 主张用多指标复合价值(B/M、E/P、EBIT/EV、S/P、FCF/P、股息率 z 值平均)把单一指标的会计噪声平均掉。本文用合成面板实跑:复合价值多空年化 13.5%/Sharpe 1.29 碾压单 B/M 的 8.2%/0.76、rank-IC 0.027(t=6.12)对 0.015、便宜度价差拉到历史最宽后未来 L-S 收益显著更高——这正是价值复兴的机制。附完整 Python 与六类真实陷阱(高阶)。
14 min Chinese - Vasicek 利率模型:用 Ornstein-Uhlenbeck 过程给整条收益率曲线定价
1977 年 Vasicek 用一篇论文把「利率是怎么动的」写成了一个极简的随机微分方程:瞬时短利率服从 Ornstein-Uhlenbeck 过程 dr = a(b−r)dt + σdW。它均值回复、正态、可穿零,并且——最妙的是——债券价格和整条收益率曲线都有解析闭式解。本文从 OU 模拟路径讲起,用 Vasicek 闭式演示:①短端利率如何均值回复到长期中枢 b;②收益率曲线形状如何随当前短利率 r 相对中枢切换(低→上凸、高→反转);③期限溢价(10Y−2Y)如何由回复速度 a 与波动 σ 决定;④央行收紧(抬升当前短端 r)时曲线如何整体抬升、短端首当其冲。附完整 Python 与六类真实陷阱(中阶)。
12 min Chinese - VIX 均值回归:用恐慌指数的回复特性做波动率择时
VIX 是市场恐慌的体温计, 但它不是一个随机游走的噪声——它是一个强均值回复过程: 恐慌冲到极端后迟早要落回长期均值, 平静压到极低后迟早要反弹。本文先用 OU 过程拟合 VIX, 估计出回复速度 kappa≈4.84/年、半衰期≈36 个交易日, 并用 ACF 的慢衰减坐实『均值回复』这件事; 再把这套回复特性做成波动率目标化覆盖层: 目标波动恒定、仓位=目标波动/VIX推导波动, 于是 VIX 高(恐慌)自动去杠杆、VIX 低(平静)自动加杠杆——因为 VIX 强均值回复, 这套杠杆会『恐慌时收手、平静时出手』自动周期化。对比始终满仓, 该覆盖层在 15 年合成样本里把年化波动从 19.0% 压到 13.3%、最大回撤从 -42.0% 砍到 -34.2%、与买入持有相关降到 0.71(它本质仍是股票多头, 区别只在风险预算); 代价是 Sharpe 从满仓的 0.32 小幅降到 0.18——这是用一点收益换更低尾部风险与更分散风险来源的对价, 不是 bug。附完整 Python 与五类真实陷阱(中阶)。
11 min Chinese - 应计异象:利润表里的现金 vs 纸面盈利谁更可靠
净利润里有多少是真金白银、有多少只是会计应计?Sloan(1996) 证明:盈余的应计成分越高,未来股票回报越低。用 T=120月×N=200 公司的合成面板复现这条横截面异象——拟合斜率 −0.0124/单位应计、多空组合年化 ≈4.1%、Sharpe ≈1.87,现金流与未来 ROA 相关 0.860 而应计只有 0.186。附完整 Python 与六类真实陷阱(高阶)。
12 min Chinese - ADX 趋势强度:用定向运动指数把『有趋势』和『无趋势』分开
均线金叉在震荡市里会被反复打脸,问题不是方向判断错,而是根本不该在无趋势时下注。ADX(Wilder 1978)只回答一个问题——现在有没有趋势——把 +DI/-DI 管方向、ADX 管强度分工。本文从零复现 Wilder 平滑,用自洽合成数据证明 ADX>25 过滤能把裸 DI 交叉的 Sharpe 从 -0.01 拉到 0.40,并诚实指出它在强趋势 beta 行情里仍会跑输买入持有,附完整 Python 与六类真实陷阱(高阶)。
12 min Chinese
返回