- 在线投资组合 OLMAR：跟随均值回复的在线再平衡算法
OLMAR 把移动平均反转写成在线组合更新：用 MA_w(p)/p 预测下期价格相对，沿被动-主动方向重配再投影回单纯形。6资产3年合成回测总收益 41.9%（买入持有 17.5%、UCRP 30.0%），20 种子 12/20 跑赢 UCRP，但日换手 104%、回撤 −42%（高阶）。
15 min Chinese - 最优传输(Wasserstein)资产配置：用 Earth Mover's Distance 把分布差异变成权重
最优传输(Wasserstein)资产配置：用 Earth Mover's Distance 比较收益分布形状，softmax(−β·W1) 软分配权重，避开样本内『幸运肥尾』陷阱。附完整 Python 与五类真实陷阱（高阶）。
13 min Chinese - 智能订单路由(SOR)：在多个交易场所之间把大单拆成最优流
智能订单路由(SOR)：用二次临时冲击成本把大单拆到多场所，water-filling 凸优化逐期自适应重配，实现短缺从 17.0 降到 7.8 bps。附完整 Python 与六类真实陷阱（高阶）。
14 min Chinese - 门限协整与 TVECM：非线性误差修正的配对交易
门限协整与 TVECM：真实配对常是门限结构——带内随机游走、带外才快速回复。模拟还原 τ≈0.22、带外 κ=0.49，门控后 Sharpe 0.31→0.81，附 Python 与六类陷阱。
14 min Chinese - 波动率管理组合(Moreira-Muir)：用已实现波动缩放敞口而非预测方向
波动率管理组合(Moreira-Muir)：用过去已实现方差做 w_t=c/σ̂² 缩放敞口，高波动期自动去杠杆。合成里波动降 65%、回撤砍 62%，Sharpe 几乎不变。附完整 Python 与六类真实陷阱（高阶）。
12 min Chinese - Almgren-Chriss 最优执行：把交易成本写进下单算法
卖出 100 万股这种大单，怎么拆、多快卖，本身就是一道优化题。Almgren-Chriss 把永久冲击、临时冲击和持仓的波动风险写进同一个目标：快卖=冲击成本高但风险低，慢卖=风险高但冲击低。解出来是一条「前置还是后置」的最优轨迹。附完整 Python 与六类真实陷阱（高阶）。
14 min Chinese - 做空 Beta(BaB)：押注高 Beta 股票的脆弱性
CAPM 说高 beta 高收益，杠杆约束却让高 beta 被高估、低 beta 被低估。300 股 20 年模拟：SML 实际斜率 2.1% 远低于理论 5.8%，杠杆中性的 BaB 组合年化 1.6%/Sharpe 0.33/beta≈0 截获正 alpha，附完整 Python（高阶）。
11 min Chinese - Carry Trade 套息：赚的是利差还是风险补偿
借低息买高息的「免费午餐」为何几十年不消失？本文用 G10 套息组合模拟证明：正收益来自对全球风险因子的负向暴露，常态小赚、危机大亏，本质是卖出一份保险（高阶）。
12 min Chinese
返回