标签： #python

不足一手（美股 100 股）的碎股交易，曾被当作散户零钱噪音直接过滤掉——直到研究者发现高价股里碎股占成交笔数一半以上，且碎股买卖失衡对未来收益的预测力显著强于整手失衡。原因反直觉：算法拆单把大机构的知情订单切成了碎股，'最小的单'反而藏着'最大的钱'。本文用受控模拟复现三层结构：碎股占比的长期抬升（高价股 >50%）、碎股失衡十分组的单调预测力（vs 整手失衡的平坦线）、以及 2014 年碎股并入公开磁带后因子 alpha 的衰减——信息优势的半衰期。附完整 Python 与四类真实陷阱（中阶）。

「历史 Beta 告诉你昨天的暴露，期权价格里写着市场对明天暴露的报价。」所有基于历史收益的 Beta 估计都是回望的；期权隐含 Beta 把 β = ρ × σᵢ/σₘ 中的两个波动率换成期权隐波、相关系数用指数期权与成分股期权价差反推的隐含相关，得到完全前瞻的 Beta——它在压力事件前抬升，历史 Beta 只能事后确认。Python 模拟三层验证：指数隐波 22% + 成分股隐波结构反推隐含相关 0.44（离散交易的定价核心）；隐含 Beta 在模拟压力期前约 10 日抬升，60 日已实现 Beta 滞后且峰值被窗口稀释；横截面预测 R² = 0.71 vs 历史 Beta 0.41（模拟定性结论，方向与 Buss-Vilkov 2012 一致）。三个坑：方差风险溢价使隐波系统性偏高但比值结构部分对消；单因子假设压平行业相关结构；A 股个股期权缺失，只能在 ETF 期权体系内做行业隐含 Beta 近似，当前主要是监测工具而非对冲输入（高阶）。

「你的 Beta 不是一个数，是一条会跳的曲线。」传统 60 日滚动 OLS 估计 Beta 有一个结构性死穴：窗口内每个观测等权，Beta 真的变了要一个月才能在估计里显形。已实现 Beta 把已实现波动率的思路搬到协方差上——用 5 分钟日内收益，单日就能算出一个 Beta 估计（日内协方差 / 日内市场方差），无需任何模型假设，跳变当天就能看到。Python 模拟完整验证三层结构：事件日 Beta 从 1.0 跳到 1.9，22 日平滑已实现 Beta 约 20 个交易日贴近真值，60 日 OLS 落后一倍时间且路径被旧样本稀释；但高频不是免费午餐——Epps 效应让非同步交易在 5 分钟频率把 Beta 从 1.2 低估到 0.54，偏差随采样间隔拉长单调消失，最优频率是偏差与方差的权衡（20-40 分钟附近），盲目用最高频数据是这个领域最常见的错误；对冲误差是估计器的终极裁判：模拟中已实现 Beta 对冲的残余年化波动 10.1%，优于滚动 OLS 的 10.6% 与静态 Beta 的 11.1%——差距看似小，但对冲组合的方差改善会直接进入市场中性策略的 Sharpe 分母。落地约束诚实列出：A 股 5 分钟数据可得但 T+1 限制对冲调仓、开盘集合竞价段需剔除、真实市场的微观结构噪声比模拟更毒（中高阶）。

2014 年 Gatheral-Jaisson-Rosenbaum 的《Volatility is Rough》用一个惊人简单的标度回归推翻了三十年的建模共识：对数波动率的增量满足单参数标度律 ζ(q)=qH，而全球市场估出的 H 普遍在 0.05-0.15——波动率路径比布朗运动粗糙得多，既不是经典 SV 模型假设的 H=0.5，更不是长记忆文献猜想的 H>0.5。本文用 Python 从零实现分数布朗运动模拟、复现标度回归并从模拟数据中精确恢复 H，解释粗糙波动率为何一击命中经典模型三十年解释不了的短端 ATM skew 幂律爆炸，并实现 Nuzman-Poor 分数核预测器与 AR/HAR 基准对比。最后厘清最容易误解的一点：H 小意味着反持久而非长记忆，粗糙性与波动率聚类是两个不同尺度的现象（高阶）。

SABR 用四个参数 (α, β, ρ, ν) 就能拟合一整条波动率微笑，而且 Hagan 闭式近似让校准快到可以放进实时报价系统——这让它成为利率期权市场二十多年的事实标准。本文拆解四个参数各自控制微笑的哪一段（水平/骨架/偏斜/曲率），用 Python 完成一次完整校准（最小二乘 3 参数拟合 11 个市场报价），验证 SABR 相对局部波动率模型最关键的优势——正确的微笑动态（sticky-delta），并用蒙特卡洛揭示 Hagan 近似在长期限与深度 OTM 下的失真边界。附完整代码与四类实盘陷阱（中高阶）。

做空得先借券：绝大多数股票便宜如白菜（GC <1%），少数 Special 贵到离谱——因为集中的做空需求里藏着最激进的负面信息。400 股×1000 日模拟：费率五分组未来 20 日收益从 +0.84% 单调塌到 -0.16%，Rank IC -4.1%、IR 5.2（Jones-Lamont 2002 模拟版）。但做空高费率组是悖论：费前年化 +3.3%，借券费恰好 5.9%/年，费后 -2.5%——均衡把负面信息的价值精确定价进租金，alpha 转手交给出借人。免费午餐在多头侧：回避 Special 组让年化从 5.0% 提到 7.1%，零成本排雷。530 个费率跳升事件：进入 Special 后 40 日仍超额 -2.7%，是下跌中继不是利空出尽。诚实边界：实时费率数据难得、A 股 2024 年融券收缩后信号近乎失效、Special 名单是逼空燃料（GME）、供给噪声稀释单调性（中阶）。

拆分不改变任何基本面——总市值、股东权益、现金流一分钱不变，只是把一张 100 元的钞票换成十张 10 元的。但 Fama 1969 年的开山事件研究之后，几十年的数据反复确认：拆分公告日平均跳升 2%-3%，其后一年还有温和漂移。本文用 2500 个拆分事件的受控模拟拆解这个『不该存在』的效应：公告日 CAR +3.5% 与 12 个月漂移 +2.8% 的信号来源（管理层敢拆分 = 对盈利持续性有信心）；名义价格幻觉——拆分把股价中位数从 176 元拉回 58 元的散户『舒适区』，成交笔数 +63%、小单占比 +26%，但相对点差不降反升 13%——活跃度改善不等于交易成本改善；策略拆解显示一大半『拆分收益』其实是动量的搭便车。附完整 Python 与拆分因子的实施陷阱（中阶）。

「这一笔成交，是买方砸出来的还是卖方砸出来的？」逐笔数据不带主动方标签，Tick Rule 用最朴素的规则补上它：价格上跳判买、下跳判卖、无变化沿用上一次方向。模拟实测其准确率约 75%，且随报价噪声增大衰减到 62%——它是有偏的测量仪，但足够支撑上层结构。真正的主角是 Easley-López de Prado-O'Hara 的 VPIN：先把时间轴换成成交量时钟（每桶等成交量），再算每桶买卖失衡的滚动均值——知情交易者带方向、带体量地进场时，失衡持续偏向一边，VPIN 从 0.09 抬升到 0.25。200 次模拟的分位数测试：VPIN 最高分位组随后的价格波动是最低分位组的 2.3 倍，信号在波动实现前抬升——这是它被称为『流动性危机温度计』的原因。同样诚实交代争议：Andersen-Bondarenko 质疑 VPIN 的预测力主要来自与成交量和波动本身的相关、2010 年闪崩中 VPIN 报警时点存在事后拟合嫌疑；tick rule 误分类在失衡计算中部分对消但在极端行情中系统性偏乐观。A 股逐笔成交带 BS 标志可跳过 tick rule 直接构造，是少数比美股数据条件更好的场景（中高阶）。