标签： #python

样本协方差矩阵在 p 接近 n 时大半是噪声：最小方差组合权重会被压进少数几只股票、矩阵变得病态、样本外方差爆炸。Ledoit-Wolf(2004) 用解析线性收缩把样本协方差 Σ̂ 拉向一个结构化目标 F（清掉相关性、保留方差），自动算出最优收缩强度 δ。合成 30 资产 250 天里，精确收缩把样本 Σ 的条件数从 25.1 压到 11.3（降 2.2×）、Frobenius 误差从 2.22 降到 2.01，样本外最小方差组合更稳。附完整 Python 与六类真实陷阱（高阶）。

股权本质是公司资产对债务的一份看涨期权：资产高于债务，股东拿走剩余；资产跌破债务，股东行权失败、公司违约。Merton(1974) 用这个洞见把 Black-Scholes 反过来用——由可观测的股权市值与波动率，联立两条方程反解不可观测的资产价值与资产波动率，再算出违约距离 DD 与违约概率 PD=N(−DD)。合成三家公司里，健康公司 DD=7.39/PD≈0、中等 DD=3.63/PD=0.014%、困境 DD=1.91/PD=2.80%，蒙特卡洛 200 条路径经验 PD=2.50% 验证理论值。附完整 Python 与六类真实陷阱（高阶）。

指数期权隐含波动率(IV)约等于成分股 IV 按相关性加权合成的『隐含相关性』。当指数 IV 被恐慌/泡沫推高、隐含相关性远超实现相关性，就出现了做空相关性的机会——long dispersion。OU 驱动相关性 + 70 分位择时下，择时策略年化 10.8% 跑赢一直做空的 6.4%，附完整 Python 与六类真实陷阱（高阶）。

收益率曲线不是一条静态曲线，而是一团随时间蠕动的形态。Diebold-Li 的动态 Nelson-Siegel 用「水平/斜率/曲率」三个因子把整条曲线压成 3 个数：水平=长期中枢、斜率=短长利差（倒挂信号）、曲率=中段隆起。把三因子当隐状态、用 AR(1) 驱动、卡尔曼滤波平滑，就能边出新券边追踪曲线形变。合成里卡尔曼还原整条曲线 RMSE 仅 3.55bps（最大 3.91bps），注入的「倒挂→修复」形变被 L/S/C 三因子干净拆出。附完整 Python 与六类真实陷阱（高阶）。

VaR 只数「有没有超出」，对「超出后到底多惨」失明：尾部一肥，VaR 还绿，ES 已爆。用 Acerbi-Szekely 的 ES-z 后验检验（零假设 E[U]=ES−VaR）替代 VaR 红绿灯，合成里正态世界 ES-z=−0.53（绿）、含灾难跳变的肥尾世界真实 ES≈4.05% 远超正态 2.57% 而 VaR 仍≈2.23%（绿），ES-z 检验功效随尾部肥瘦从 0.37 升到 0.86、VaR 红绿灯却始终在 0.04~0.09 装死。附完整 Python 与六类真实陷阱（高阶）。

Fama-MacBeth 把「因子能不能赚到风险溢价」拆成两步：先估每家公司对因子的暴露、再逐月截面回归把暴露定价成 λ̂。合成里 λ̂ 精确还原真值，Newey-West 修正压低虚高 t 统计，单因子定价误差 |α|=0.78、补全因子后塌到 0.003，附完整 Python 与六类真实陷阱（高阶）。

GARCH 的方差冲击只指数衰减，可真实市场的波动聚集能持续好几个月。FIGARCH 用分数阶差分 (1-L)^d 把这种『慢衰减』写成可估的长记忆模型，本文从直觉、数学到 Python 全流程讲透。

Hawkes 自激点过程把「事件会触发更多同类事件」写成条件强度 λ(t)=μ+∫αβe^{-β(t-s)}dN_s。用 Ogata thinning 与精确簇采样仿真订单流：分支比 α 决定自激强度，α→1 时事件数发散、平稳性破裂；MLE 能从一段事件序列还原 μ/α/β。附完整 Python 与六类真实陷阱（高阶）。