标签： #python

市场透明度能被一个数字量化吗？PIN(知情交易概率)用 EKOP 订单流模型，把「每天多大概率有人在靠信息交易」变成可估计概率，并从 MLE 实现到滚动监控验证它捕捉透明度突变（高阶）。

回测过拟合概率(PBO)量化最佳回测是否只是运气：纯噪声世界 PBO 恰 0.50，过拟合封顶 50%，机制切换更让 PBO 常年站在 50% 以上。附完整 Python 与四类真实陷阱。

好公司该贵？Asness 等的质量因子(QMJ)说高盈利/低杠杆/稳成长的公司被系统性低估。300 股 20 年模拟：质量五分位收益单调上升，QMJ 因子年化 2.7%/Sharpe 0.90/beta−0.18 截获正 alpha，附完整 Python（高阶）。

样本协方差大半是噪声：RMT 以马尔可夫-帕斯特上界 λ⁺ 为界，把噪声体特征值压平、只留信号尖峰；Frobenius 误差降 17%、最小方差 OOS 方差降到样本 60%，附完整 Python（高阶）。

均值-方差组合对预期收益的估计误差极度敏感：一个被噪声推高的资产会被配到极端权重。鲁棒优化把「估计可能错了」写进目标——在椭球不确定性集的最坏情形下求最优，用 κ 控制保守程度。附完整 Python 与五类真实陷阱（高阶）。

报价价差不是一个数，而是三种成本的叠加：逆向选择成本（信息）、库存成本（做市商风险）、指令处理成本。本文用状态空间模型把价差当成观测，用卡尔曼滤波从单条序列里把前两个隐状态拆出来，样本内复原相关达 0.76，并给出真实数据落地的协方差估计法。

保护性看跌是给组合买保险：BS 定价 + 20 年滚动对冲回测显示持续买看跌把年化 +4.4% 拖到 −2.6%(年化保费拖拽16.5%)，最坏季度只从 −23.9% 减到 −8.6%——持续买不值。附完整 Python。

CTA 趋势跟踪靠「跨资产时序动量」在股票、债券、商品、外汇间多空切换，截获宏观 regime 拐点：本文用 8 资产 30 年合成面板从零实现 TSMOM，年化 6.85%/Sharpe 0.69、最大回撤 −22.5%，危机月反而逆势微赚，并拆解六大真实陷阱（高阶）。