- 贝叶斯结构断点检测:把「数据什么时候变了」变成一个概率分布
因子 IC 突然塌了、波动率悄无声息地翻倍了——这些「数据在哪一步变了」的问题,朴素的两段 t 检验只能回答「变没变」,答不出「在哪一刻」。本文用贝叶斯框架把变点(changepoint)建模成随机变量,给出它的后验分布:在我们合成的两段均值+一段方差突变序列上,精确把均值断点定位在 t=121(真值 120,偏差仅 1 步),检测率上限 0.87 远超朴素 t 检验的 0.47。附完整 Python 与五类真实陷阱(高阶)。
13 min Chinese - BDS 检验非线性依赖:用「距离相关」把独立性的破绽钉成一个数
线性自相关(Ljung-Box / ACF)只能抓线性记忆,抓不到 GARCH 波动聚集、逻辑斯蒂混沌这类非线性依赖。BDS 检验把「序列是不是 i.i.d.」变成一个可算的统计量:若独立,则 m 维向量的邻近概率应等于 1 维邻近概率的 m 次方。我们在随机游走 / GARCH / 逻辑斯蒂混沌三类序列上把 B 统计量分别钉在 0 附近 / 显著非零 / 极端大,并用 bootstrap 零假设把检验水平校准到 ≈5%、对混沌功效 ≈100%——演示它如何「不误杀有效市场、却不放过非线性」(中阶)。
16 min Chinese - 蝶式与铁鹰价差:把「押注市场不动」做成可交易的波动率生意
大多数策略赌方向——涨或跌。但期权给了第三种下注方式:赌「不动」。蝶式(butterfly)和铁鹰(iron condor)是两种在标的窄幅震荡时盈利、剧烈波动时亏损的价差结构,本质是在做多/做空波动率。本文从零复现两者的到期损益结构,用自洽合成数据回测「持续卖铁鹰赚波动率风险溢价」策略:87.2% 胜率、年化 9.6%、Sharpe 1.15,但两次崩盘区快速回吐印证「捡钢镚模式」的致命结构,并诚实拆穿波动率风险溢价来源/尾部风险不对称/隐含已实现口径/滚动展期/流动性五类真实陷阱(中阶)。
16 min Chinese - 日历价差 theta 收割:用近月快衰、远月慢衰的时间差做中性收入
裸卖期权是『卖保险收租』,但方向暴露裸奔;日历价差把近月空、远月多捆成一对,让两条腿的 Theta 速度差替你赚钱、Vega 替你对冲、Gamma 是你唯一要管的敌人。本文用 Black-Scholes 从零把 Theta/Vega/Gamma 三条曲线拆开,量化「近月到期时标的小幅徘徊于 K 附近收割钟形利润」的机制,并诚实拆穿 IV crush / 波动率期限结构翻转 / 提前指派 / 流动性错位四类真实陷阱(中阶)。
12 min Chinese - 现金转化周期因子:把「钱躺在账上多久」做成可交易 alpha
现金转化周期(CCC)因子:用 DIO + DSO − DPO 把「一家公司把现金锁在营运资本里多久」量化成横截面信号——短 CCC 公司资本效率高、长期跑赢。本文从零实现三项周转天数、构造「清洁 CCC」月度再平衡因子,验证十分组收益严格单调、长短因子年化约 17%,并诚实拆穿渠道压货/应付账款透支/幸存者偏差/做空约束/行业中性化五类真实陷阱(中阶)。
13 min Chinese - 领口策略 collar 与成本锁定:用一份免费的保险把下跌焊死
保护性看跌能给股票买保险,但权利金像每年交的保费,长期拖累收益。领口策略(collar)的聪明之处在于——一边买虚值看跌当地板,一边卖虚值看涨收权利金付账单,让保护接近零成本甚至净收权利金。代价是让渡了上方涨幅。本文从零复现 collar 的到期损益结构与季度滚动机制,用自洽合成数据证明它把最大回撤从 −43.6% 压到 −11.6%、Sharpe 从 0.39 升到 0.51,年化只让渡 0.5 个百分点,并诚实拆穿上行让渡/波动率微笑/滚动跳空/行权指派/税务摩擦五类真实陷阱(中阶)。
16 min Chinese - 买卖价差 Corwin-Schultz 估计:只用每日最高最低价,把「隐性成本」算出来
你下单时看到的成交价,和真实可得的买卖价之间隔着一道隐性成本——买卖价差(bid-ask spread)。Corwin & Schultz (2012) 给出了一招极简的估计法:只靠每日最高价/最低价,对比 1 日与 2 日的高低区间,就能把价差反演出来。本文用纯 numpy 从模型底层实现这套估计,验证它能还原价差的时间变化与排序,并诚实拆穿低频数据病态条件/自相关稀释/小价差衰减/窗口主观/微观结构噪声五类真实陷阱(中阶)。
12 min Chinese - 经验模态分解 EMD 趋势提取:把价格拆成「趋势+一堆周期+噪声」再拼回你要的趋势
移动平均会滞后、HP 滤波端点漂移、小波要选基——经验模态分解(EMD, Huang et al. 1998)换个思路:不预设基函数,直接按数据自身的局部极值反复「筛」出一组本征模态函数(IMF),高频在前、低频在后,最后一块是趋势残差。本文用 numpy 从零实现 sifting,在「慢饱和趋势+双周期+噪声」合成价格上把趋势 RMSE 压到约 4(接近 HP 滤波的 2.3),并诚实对比 MA / HP,拆穿端点漂移、模态混叠、噪声敏感、停止准则、计算成本五类真实陷阱(中阶)。
15 min Chinese
返回