标签： #风险管理

固定对冲比在 regime 切换时会系统性失效。本文用状态空间模型把对冲比建模为随机游走，从零实现卡尔曼滤波估计动态 β，并实证对比静态 OLS、滚动 OLS 与卡尔曼动态对冲的方差削减效果，覆盖配对交易、动态 Delta 对冲与三大实战陷阱。

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。

回测漂亮不等于能赚钱。本文系统拆解量化策略中的模型风险与回测过拟合：从样本内/样本外鸿沟、多重检验假阳性、去膨胀夏普比率(DSR)到 Walk-Forward 验证，并附完整 Python 实现，帮你识别并防御「看起来很美」的陷阱。

策略研发只占量化工作的一小部分,真正的考验在实盘。本文给出一套可落地的监控体系:覆盖数据健康、策略绩效、风险暴露、系统运行四层,用 Python 实现单策略总览、告警分级状态机与多策略监控矩阵,并指出告警疲劳、只看收益不看分布等真实陷阱。

深入探讨因子择时的理论基础与实践方法，从无-risk因子配置到宏观经济状态切换，通过Python实现动态调整因子暴露的完整框架。

深入探讨因子拥挤度的成因、监测指标与规避策略。学习如何通过相关性、集中度、换手率等指标识别因子拥挤，以及如何通过因子分散、动态权重调整等方法降低拥挤风险。包含完整的Python实现代码。

深入探讨风险预算模型的理论基础、实现方法和实战应用，学习如何根据风险贡献分配资产权重，构建更灵活的资产配置策略

深入解析多因子模型的风险分解原理，从 Euler 定理到边际风险贡献，用 Python 实现因子层面风险归因，帮助量化研究者精准识别投资组合的风险敞口。