标签： #python

同一商品不同到期月的合约价差，藏着展期收益(roll yield)。Contango(远月升水)下展期亏钱，Backwardation(远月贴水)下展期赚钱。本文拆解跨期价差与期限结构，用 Python 复现展期收益计算、库存-价差关系与日历价差回测，并指出结构翻转、逼仓、滑点三大真实陷阱。

可转债是「债券 + 看涨期权」的混合体,天然具备债底保护和上涨弹性。本文拆解纯债价值、转股价值与转股溢价率三大指标,用 Python 复现价值拆解、双低选股与月度换仓回测框架,并指出流动性、信用风险与强赎踩踏等真实陷阱。

静态 60/40 配置在股债同跌时会失效。本文讲清动态资产配置的逻辑：从大类资产相关性、风险平价、波动率目标到战术调整，并附完整 Python 实现，帮你构建能随市场环境自适应的投资组合。

正态分布在量化风险管理中无处不在，但市场回报的真实分布是肥尾的。本文系统拆解肥尾分布、黑天鹅事件、VaR 的致命缺陷与 CVaR 的正确用法，并用 Hill 估计器、正态 QQ 图与蒙特卡洛实战争议，给出在肥尾世界里活下去的风险管理框架。

回测漂亮不等于能赚钱。本文系统拆解量化策略中的模型风险与回测过拟合：从样本内/样本外鸿沟、多重检验假阳性、去膨胀夏普比率(DSR)到 Walk-Forward 验证，并附完整 Python 实现，帮你识别并防御「看起来很美」的陷阱。

很多策略回测漂亮、实盘却踩雷,问题常不在 alpha 而在合规与审计。本文把量化合规拆成数据/模型/交易/报告四层,用 Python 实现交易前风控校验、交易后持仓核对与审计追踪、扫单异常检测,并指出把审计当形式、人工补单等真实陷阱。

策略研发只占量化工作的一小部分,真正的考验在实盘。本文给出一套可落地的监控体系:覆盖数据健康、策略绩效、风险暴露、系统运行四层,用 Python 实现单策略总览、告警分级状态机与多策略监控矩阵,并指出告警疲劳、只看收益不看分布等真实陷阱。

Smart Beta 站在被动指数与主动选股之间：用透明、规则化的方式把久经考验的因子溢价（价值、动量、低波、质量）装进组合。本文拆解因子动物园的来源、最小方差等组合构建方法、因子相关性与分散化前提，并复盘因子拥挤、换手成本等真实陷阱，附完整 Python 构建与回测代码。