- 高阶矩组合：把偏度与峰度也写进目标函数
高阶矩组合：把偏度与峰度也写进目标函数 - halo的技术博客
12 min Chinese - 流动性共同因子：Amihud 溢价的系统性来源与危机放大
流动性共同因子：用 PCA 在个股 Amihud ILLIQ 矩阵上抽出系统性流动性因子，解释 67.8% 截面方差；危机期截面相关性从 5.5% 飙到 35.6%，共同因子暴露溢价从 −2.5% 被放大到 +11.0%。附 Python 与五类真实陷阱。
16 min Chinese - LPPL 对数周期幂律：用临界泡沫模型给崩盘点位预警
泡沫不是随机游走，而是临界相变：价格超指数加速、途中出现等对数间隔回调。LPPL（对数周期幂律）把这种加速和振荡同时写进一个可估模型，外推出临界时间 t_c 作为崩盘预警。合成里 t_c 命中率达 93%、对数周期振荡 F 检验远超 1，附完整 Python 与六类真实陷阱（高阶）。
16 min Chinese - 做市库存风险：Avellaneda-Stoikov 框架下的库存-对冲博弈
做市商最大的敌人不是价差而是库存：Avellaneda-Stoikov(2008) 用指数效用推出保留价与最优价差，让报价随库存偏斜、自动把持仓拉回零。模拟里 AS 把终端库存波动从 6.17 砍到 4.14、极端持仓从 36 压到 24，PnL 几乎不丢，附完整 Python 与六类真实陷阱（高阶）
19 min Chinese - MIDAS 混频回归：用高频数据预测低频变量
宏观目标（月度 CPI/GDP、季度增长）出得慢，预测却等不得。MIDAS（混频数据抽样）让日频/周频的「快变量」直接进低频回归：Beta 权重多项式把几十个高频滞后压成 2 个参数，既剥掉日内噪声、又抓住领先信号。合成里样本外 R²=0.90，碾压 AR(1) 的 0.22 和朴素 0.01，附完整 Python 与六类真实陷阱（高阶）。
14 min Chinese - PCA 特征组合：把相关性矩阵的主成分变成可交易因子
PCA 特征组合：把相关性矩阵的主成分变成可交易因子 - halo的技术博客
13 min Chinese - 滚动窗口协整：用 DCC 抓住会『断』的长期关系
协整不是『一旦成立就永远成立』。真实配对常在某天结构性断裂——对冲比漂移、价差从平稳变成随机游走。用滚动窗口 Engle-Granger 重估对冲比、用 DCC-GARCH 监测动态条件相关，把『关系断了』变成可检测、可自适应修复的信号；附完整 Python 与六类真实陷阱（高阶）。
12 min Chinese - 偏度偏好因子：散户为何为左尾买单、机构如何收割
散户对'彩票型'左尾的超额需求推高了高偏度股票的当前价格，未来必然回归——偏度偏好因子用 iskew 排序、多低偏度空高偏度，模拟里月均 +0.64%、年化约 7.8%、夏普 1.7，但真实落地要过前视、幸存者、微盘流动性、偏度估计噪声与散户泡沫挤兑五道关。
16 min Chinese
返回