标签： #跟踪误差

「买前 50 大市值不就等于买指数了吗？」——Top-50 覆盖 56.7% 指数权重，听起来够了，实测年化跟踪误差 10.93%。300 只成分股、5 年日频因子结构模拟给出的分解：朴素 Top-K 的误差大头不是漏掉的小票的特质波动，是行业暴露的系统性歪斜——最大行业权重偏差 10.94 个百分点，等于每天拿着一个未对冲的行业赌注。行业分层抽样只做一件事：层内配额 ∝ 层权重、层权重钉死等于指数，同样 50 只票 TE 从 10.93% 降到 7.10%；再叠加市值维度做二维分层，降到 4.66%——一只票都没多买，误差砍掉 57%。蒙特卡洛 50 次重抽特质噪音：朴素 10.94%±0.10% vs 分层 7.13%±0.05%，优势是结构性的不是运气。含成本净口径下的完整权衡也摊开了：二维分层 5 年换手 2.83 倍（朴素的 2.7 倍），年化净落后从朴素的 -507bp 收窄到 -152bp——分层多付的成本远小于它省下的误差。三盆冷水：模拟的因子结构是已知的而真实世界要先估协方差、成分股调整的换手冲击未建模、K<30 时二维分层的格子会比票还多（中阶）

指数期货和现货指数本该严丝合缝地绑在一起，它们之间的基差一旦越出持有成本，就是期现套利的无风险窗口。本文从持有成本模型 F=S·e^((r-q)T) 出发，讲清正向/反向套利路径、基差收敛的盈利来源，并用量化方法度量「用期货复制现货」的跟踪误差，附可复现 Python 与六大真实陷阱。