返回
传统压力测试要么拍脑袋设情景、要么只能重演历史。熵池化(Entropy Pooling, Meucci 2008)用最小相对熵(KL),在「满足一个压力观点」的约束下,找离历史先验最近的那条后验分布——于是「2008 股灾概率抬到 22%」不再是凭空编的情景,而是对历史分布的一次可量化「最小手术」。本文用 3 资产、4000 情景从零复现,并点明离散约束数值不稳定、过拟合观点、灾难定义主观性三类真实陷阱(进阶)。
量化交易
熵池化
压力测试
贝叶斯
最小相对熵
风险度量
情景分析
python