标签： #python

协方差矩阵的逆（精度矩阵）编码的是条件依赖：Θ_ij=0 意味着控制其他所有资产后 i 和 j 无关。但样本逆矩阵永远给你满图——40 资产 126 天数据，真实网络只有 44 条边，样本逆矩阵画出全部 780 条，精确率 6%。Graphical Lasso 在对数似然上加 L1 惩罚直接把弱边压成精确零。本文 40 资产实验：α 扫描的两个最优点并不重合——结构恢复 F1 在 α=0.25 达 0.86，而 GMV 组合样本外波动率在 α=0.15 触底 5.63%（样本协方差 6.48%、Ledoit-Wolf 5.87%、理论最优 5.38%）；估计组合两开花是幻觉，选 α 前先想清楚你要图还是要组合。与 LW 收缩的本质区别：LW 均匀缩所有元素但保满图，GLasso 假设图本身稀疏——真实结构确实稀疏时（本实验）GLasso 全程压 LW 一头，T=63 时 5.84% vs 6.00%；结构不稀疏时这个先验会反噬。诚实边界：金融资产共享市场因子，原始收益的条件依赖图并不稀疏，实操应先剥离市场因子再对残差跑 GLasso；α 需要交叉验证（不如 LW 有解析解）；非零边的估计值仍有收缩偏差，要图结构可信、要数值精确需二次拟合。

「回测年化 15%，实盘只有 6%」——中间那 9 个点去哪了？Perold (1988) 的执行落差给出唯一诚实的账本：以决策瞬间的价格为锚，把纸面组合与实盘组合的差额拆成延迟成本、执行成本、机会成本和显性费用四块。10 万股买单实测分解：延迟 9.6bp + 执行 20.8bp + 机会 18.0bp + 费用 1.6bp = 50bp。4000 次蒙特卡洛扫参与率画出执行的有效前沿：跑得快（100% 参与率）期望成本 19.6bp 但 σ 只有 31.8bp，跑得慢（2%）期望 3.7bp 可 σ 高达 113.9bp——省的是均值，赌的是方差。信号带 +30bp 日内漂移时慢执行的『省钱』被 alpha 流失整个吃回去（22.7bp vs 15.3bp，反超）。月频归因实测：35bp 单边成本 × 1.25 倍月换手 = 每月拖累 0.78%、年化 9.4 个点——正好是回测与实盘的裂缝宽度（中阶）。

Kyle（1985）用一个单期拍卖模型回答『我下单会把价格推多远』：做市商只看净订单流定价，均衡下价格冲击系数 λ = σv/(2σu)——真值不确定性越大 λ 越大，噪声成交量越深 λ 越小。2000 场批量竞价模拟：OLS 回归 Δp 对净订单流回收 λ 相对误差仅 0.07%；噪声量从 2000 股扫到 64000 股，λ 沿理论线严格减半。线性冲击的直接推论是平方账单：10 万股一次吃完冲击成本 50 万元，拆 16 片只能省掉临时冲击部分（永久占比 θ=0.5 时降到 26.6 万）。60 只股票截面实测：日频 Amihud 非流动性与真实 λ 的秩相关 0.997——没有逐笔数据时 Amihud 是 λ 的合格代理。诚实边界：λ 非平稳、单期模型没有订单拆分动态、实证冲击更接近平方根律而非线性（中阶）。

Chow et al.（1999）与 Kritzman & Li（2010）的金融湍流指数：把今天的跨资产收益向量与历史分布比对，马氏距离 d²=(r−μ)'Σ⁻¹(r−μ) 同时惩罚『幅度异常』和『相关性破坏』——股债同跌各 1.8σ 的日子，单看波动率毫不起眼，d² 却比股票单边大涨 2.5σ 的日子高一倍（13.0 vs 6.3）。本文 8 资产两 regime 模拟市场（15 年日频）实测：湍流指数判别真实 regime 的 AUC 0.941，湍流日 d² 中位 21.8 vs 平静日 6.5；湍流有记忆——今天高湍流明天仍高的概率 52% vs 无条件 10%，且高湍流日后 10 日组合收益均值 −0.22% vs +0.22%、波动 4.19% vs 1.90%——这正是风险开关能赚钱的两个前提。开关回测（昨日 d² 超滚动 90% 分位→仓位降至 30%）：年化 5.12%→8.10%、Sharpe 0.49→0.92、最大回撤 −21.2%→−13.6%，只牺牲 11% 的在场时间。诚实边界：模拟市场 regime 差异极端且切换持久，是对该策略最友好的环境，真实市场改善幅度会小得多；Σ⁻¹ 高维时本身要先收缩否则 d² 全是噪声；阈值分位、减仓幅度均为拍脑袋参数未调优；开关在急跌第一天必然迟到，赚的是湍流的持续性而非预知力。

Markowitz 优化器的误差会在相关资产之间共振：40 只资产、4 个板块的块状相关结构下，T=90 天样本协方差直接优化的 OOS 波动率 9.7%、总杠杆 3.1 倍。López de Prado 的 NCO 把问题切成两层：先按相关距离聚类把 40×40 矩阵切成 4 个小块，簇内各自优化、再在 4 个簇组合之间优化——T=90 时 OOS 波动率降到 8.1%、杠杆压到 2.0 倍，Bootstrap 权重标准差从 3.07pp 砍到 1.44pp（稳定性翻倍）。代价同样实测得到：T=1008 数据充足时 NCO（7.68%）反而略输给直接优化（7.52%），两层结构禁止跨簇对冲，是用偏差换方差的又一笔交易。与 HRP 的区别：HRP 全程不求逆，NCO 只是把求逆的规模变小——簇内维度低到样本够用时，二次优化的信息还能保留（中阶）。

Jagannathan & Ma（2003）的著名发现：给组合优化加约束——哪怕是'错误'的约束——往往改善样本外表现，因为约束数学上等价于对协方差矩阵做收缩。本文 30 资产实验实测：T=120 天时无约束样本 GMV 真实波动率 14.17%、杠杆 2.6 倍，加上 ‖w‖₁≤1.5 降到 13.59%——U 形曲线在 1.5~2.0 触底，太紧（long-only 14.31%）和太松都不行。与 Ledoit-Wolf 收缩的等价性同样实测：T=60 时范数约束（14.21%）与 LW 收缩（14.37%）几乎打平，两条完全不同的药方殊途同归；T=504 时两者都自动退场。Bootstrap 权重稳定性：无约束权重标准差 6.65pp，L1 约束砍到 3.09pp，L2 约束 2.00pp——换手率直接受益。L1 上限还有副产品：‖w‖₁≤1 等价 long-only 且自动稀疏化（30 资产只留 10 个非零）。诚实边界：约束上限 c 是要调的超参（不如 LW 的 δ* 有解析解）、约束绑定时最优性损失是结构性的、对期望收益误差无能为力。

PIN 知情交易概率：用买卖单不平衡估计市场里有多少内幕单 - halo的技术博客

Kyle 说冲击是永久的，平方根定律说冲击是凹的，传播子模型（Bouchaud 2004）说：都对，但你们少了时间维度。每笔成交的冲击不是一个数，是一条衰减曲线 G(ℓ)=G₀/(1+ℓ)^β——价格是所有历史成交冲击残留的叠加。模拟实测三条 β 曲线的执行实验：50 笔子单打完后，β=0.9 时残留只剩 5.5%（冲击几乎全是暂时的），β=0.2 时残留 55.5%（切碎不消失）；实证 β≈0.4-0.6 恰好卡在中间。模型最深刻的预言是扩散性悖论的解：订单流符号自相关是幂律长记忆（本文模拟 C(ℓ)~ℓ^-0.6），价格却近似随机游走——唯一自洽的方式是核衰减恰好抵消订单流记忆，β≈(1-γ)/2 的临界关系不是巧合而是市场自组织的结果。60000 笔模拟数据用 80 阶滞后 OLS 反解核函数：对数斜率估出 -0.483 vs 真实 -0.5，G(1)/G(10)/G(50) 全部贴住真值。工程含义：执行成本模型必须区分『打单时的峰值冲击』和『打完后的残留冲击』，TWAP 拆单省的钱全部来自衰减段；反过来做冲击套利（跟着大单买）赚的是同一段衰减。诚实边界：核的平稳性假设在危机中失效、线性叠加忽略流动性反馈、日内与日间核形状不同（中阶）