- 随机控制与 Merton 组合：在连续时间下求最优消费-投资
Merton (1969) 用随机控制把「该投多少风险资产、该花多少」从拍脑袋变成闭式解。本文从财富 SDE 与 HJB 方程讲清最优股权敞口 w*=(μ−r)/(γσ²) 与最优消费率 κ* 的推导，用 3000 条蒙特卡洛路径对比最优/低配/过度杠杆三类投资者，并诚实点出 CRRA 不现实、参数恒定、忽略交易成本、以及「Merton 最大化的是效用而非财富中位数」四类致命局限(中阶)。
15 min Chinese - 反演优化隐含风险：从组合的边际风险反推各大类资产的真实暴露
基金经理告诉你「股票 50%、国债 25%、商品 5%」,你以为自己分散了——但权重只告诉你投了多少钱,没告诉你扛了多少风险。本文先用风险贡献分解证明:这个 6 大类组合里股票仅占 50% 权重却贡献了 84.1% 的风险、国债还是负的。再用反演优化(reverse optimization)从已知组合权重与协方差反推基金经理「隐含假设」的预期收益(μ = γΣw),并对照等风险贡献(ERC)组合把每类资产压到完全相等的风险(16.67%×6)。附完整 Python 与六类真实陷阱(中阶)。
13 min Chinese - 熵池化(Entropy Pooling)：用最小相对熵把主观情景变成概率分布
主观观点怎么严谨地织进概率分布？熵池化(Entropy Pooling)用最小相对熵(KL)在「满足观点」下找离先验最近的后验 q∝p·exp(λf)，从对偶推导到 numpy 实现全程跑通，并把观点变成可交易的组合权重变化（高阶）。
11 min Chinese - 随机矩阵理论(RMT)：给样本协方差矩阵降噪，让组合优化不再被噪声牵着走
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）。
12 min Chinese - 遗传算法与进化策略在组合优化中的应用
经典均值方差优化对预期收益极度敏感、且对基数/换手等实务约束几乎无解。本文用遗传算法在「精选 K 只、多头、权重和为 1」的硬约束下搜索最优组合，从零实现选择-交叉-变异-精英保留主循环，并与无约束均值方差前沿对比，顺带讲清进化策略(ES)与三大实战陷阱。
12 min Chinese - 量子计算在组合优化中的早期应用与 NISQ 现实
把 Markowitz 选股写成 QUBO，用 numpy 手写 statevector QAOA 在 10 只股票的小问题上命中精确解，再戳破 NISQ 现实：量子比特数、噪声、嵌入惩罚与 barren plateau，讲清它今天能干什么、不能干什么。
13 min Chinese - 风险平价与波动率目标的实战融合
风险平价把风险而非本金切成均等一份，波动率目标把组合波动钉在既定目标。本文用股/债/金/商品 4 资产从零实现二者，并展示融合方案如何把回撤砍到等权的一半。
10 min Chinese
返回