标签： #量化交易

期权的隐含波动率（IV）孤零零一个数字，你根本不知道它「贵不贵」。波动率锥（Volatility Cone）把「某个期限下，波动率历史上通常落在哪」画成一套分位带，让 IV 的贵贱、择时的多空、该卖还是该买期权，全都变成可量化的相对值。本文从零实现波动率锥，并把它用在相对定价、期限结构与风险叠加层择时上。

卖方分析师的盈利预测存在系统性乐观偏差、锚定与羊群效应。本文拆解这些行为偏差的来源，构建盈余惊喜（SUE/PEAD）、分析师修正（Revision）与预期离散度（Dispersion）三大可量化信号，并用 Python 完整实现一个分析师修正因子的回测框架，同时指出覆盖偏差、流动性与行业中性化等关键陷阱。

行为组合理论(BPT)用「心智账户金字塔」取代了 Markowitz 的单一最优组合假设:投资者把财富切成多层、每层匹配一个心理目标。本文用 Python 完整复现金字塔构建、四层净值模拟,并把它和均值方差有效前沿做数值对比,最后给出可落地的「安全优先」目标配置框架。

国债期货基差 = 现券净价 - 期货价格 × 转换因子，看似简单的相对价值价差，却内含空方交割期权。本文拆解基差、净基差、最便宜可交割券(CTD)与隐含回购利率(IRR)的数学关系，用 Python 复现 CTD 筛选、IRR 计算与基差交易损益情景，并指出 CTD 切换、资金利率上行、逼空三大真实陷阱。

同一商品不同到期月的合约价差，藏着展期收益(roll yield)。Contango(远月升水)下展期亏钱，Backwardation(远月贴水)下展期赚钱。本文拆解跨期价差与期限结构，用 Python 复现展期收益计算、库存-价差关系与日历价差回测，并指出结构翻转、逼仓、滑点三大真实陷阱。

可转债是「债券 + 看涨期权」的混合体,天然具备债底保护和上涨弹性。本文拆解纯债价值、转股价值与转股溢价率三大指标,用 Python 复现价值拆解、双低选股与月度换仓回测框架,并指出流动性、信用风险与强赎踩踏等真实陷阱。

正态分布在量化风险管理中无处不在，但市场回报的真实分布是肥尾的。本文系统拆解肥尾分布、黑天鹅事件、VaR 的致命缺陷与 CVaR 的正确用法，并用 Hill 估计器、正态 QQ 图与蒙特卡洛实战争议，给出在肥尾世界里活下去的风险管理框架。

很多策略回测漂亮、实盘却踩雷,问题常不在 alpha 而在合规与审计。本文把量化合规拆成数据/模型/交易/报告四层,用 Python 实现交易前风控校验、交易后持仓核对与审计追踪、扫单异常检测,并指出把审计当形式、人工补单等真实陷阱。