- 订单流毒性与 VPIN 指标：识别被逆向选择的高频风险
VPIN 把 Easley 的 PIN 模型从「逐笔交易」搬到「成交量柱」，用买卖成交量不对称实时度量订单流毒性。高 VPIN = 知情交易者正在单边扫货、做市商被逆向选择，往往领先于闪崩与流动性枯竭。从零实现 Tick Rule 分类、VPIN 计算，并回测「毒性升破阈值就减仓」的防护规则。
12 min Chinese - 订单簿的图表示学习与限价单簿动力学：当 GCN 遇见微观结构
限价订单簿不只是一张价量表，它是一张图：价位是节点、相邻档位是边、最优价差是桥。本文用风格化 LOB 模拟器 + 纯 numpy 手写 2 层 GCN 预测中间价方向，并诚实指出预测力其实来自聚合订单流不平衡(OFI)，而非跨价位空间拓扑——图结构真正发力在真实 LOB 的队列位置动力学。
13 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 - 组合再平衡的税制与换手率摩擦：被隐性成本偷走的复利
再平衡是组合管理的双刃剑：它控制风险，却也在税与交易摩擦里悄悄流血。本文用 lot 记账 + 税务感知模拟，量化月度朴素再平衡相对无摩擦上界被偷走的 1.23% 年化收益，并给出阈值带与税务感知两套可落地的止血方案。
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 - 用 SHAP 做因子贡献归因与模型监控：把组合 PnL 拆回因子，并盯住生产漂移
选股模型上线后，老板只问一句话：这个月赚的 3% 到底是谁贡献的？本文用 SHAP 把每一条预测（进而把组合 PnL）拆回单个因子与因子组，并进一步把样本按时间切片，追踪各因子 SHAP 贡献的分布漂移——漂移本身就是生产环境的预警信号。附完整 Python 实现与归因完整性自检。
11 min Chinese - SHAP 与可解释机器学习：让量化因子不再黑箱
机器学习选股模型往往是个黑箱——你拿到一个高夏普的策略，却说不清它到底在押注什么因子。SHAP 用博弈论的 Shapley 值把模型的每一次预测拆解到每个因子头上，既能做全局因子筛选，也能解释单笔交易。本文从零实现蒙特卡洛 Shapley 值估计，并用真实图表展示全局重要性、摘要蜂群图、依赖图与瀑布图。
13 min Chinese - 随机波动率模型与 MCMC 估计：给波动率加一层隐状态
GARCH 把波动率当收益的确定性函数，随机波动率(SV)则给波动加一层 AR(1) 隐状态。本文用「数据增强+单步 Gibbs」精确采样（slice sampling 抽隐路径、共轭抽参数），后验几乎还原真值，并诚实给出高持续性下混合偏慢等真实陷阱。
14 min Chinese
返回