标签： #风险管理

「波动率涨了我们降了仓」在任何风控例会上都无法被反驳，但 120 家基金同说这句话时，它就是下一轮下跌的原因。受控模拟把基本面路径外生给定，因此每个百分点的归因是构造已知而非估计：基本面最低 −12.88%，实际价格跌到 −16.98%，差的 −4.10 pp 完全是行业自己砸出来的（放大 1.35x；200 条路径均值 1.45x、95 分位 1.99x）。三条安慰剂锁死机制：只留 1 家基金内生塌到 −0.0146 pp（同样杠杆同样行为，一家和 120 家差 281 倍）；价格冲击设为 0 与持仓零重叠均精确归零——螺旋 = 杠杆 × 拥挤 × 冲击，任一为零则消失，而公共讨论几乎只谈第一个。杠杆扫描出现拐点：5.0x 内生 −4.92 pp，6.0x 反而回落到 −3.63 pp，因为 36.7 家已爆仓退场——用历史最大跌幅校准高杠杆风险会低估危险，跌幅被爆仓截断了。同一个消息，200 条路径跌幅从 −27.33% 到 −6.35%（高阶）

普通债券的凸性是白送的礼物：利率跌得越多赚得越超预期。MBS 把这份礼物反过来送给了借款人。受控现金流引擎证明：WAC 6.00%、净票息 5.50%、基准价格精确 100.0000 的池子，有效久期 6.34 年、有效凸性 -313.2；拿一支久期几乎完全匹配的国债（久期 6.35、凸性 +46.5）对照，利率下行 300bp 时国债涨 +21.32%、MBS 只涨 +9.70%（上行捕获率 45.5%），上行 300bp 时国债跌 -17.12%、MBS 跌 -19.86%。根因是 WAL 从 3.47 年拉伸到 12.18 年（3.51 倍），有效久期在 +125bp 见顶 7.58 年、到 -300bp 塌缩到 3.08 年。DV01 中性对冲比率 0.9977，但四个方向的残差 P&L 全为负——这就是空 gamma。三条对抗式检验锁死因果：CPR≡0 安慰剂最小凸性 +143.8 全区间转正，CPR≡10% 恒定速度对照 +44.7 也全为正，说明负凸性来自「利率敏感的期权」而非「回款快」；S 曲线陡度 k 从 0 扫到 8，最小凸性从 +25.6 塌到 -2427.5（高阶）

配对交易教科书告诉你「两资产 Pearson r 高就能配」。但这只是平均意义下的联动——极端行情下它们会分道扬镳（Gaussian），也会一起崩得更狠（t/Clayton）。本文用受控仿真证明：同样 ρ=0.72 的两资产，Gaussian copula 世界里经验尾部相关 λ̂(0.05)=0.407（独立基准=1.0 → 无尾部聚集），Clayton θ=3 里 λ̂(0.05)=0.527，理论极限 λ_L=0.794。在 t-copula 世界跑标准 z-score 策略，最差单笔亏损是 Gaussian 世界的 2.04 倍（-6.97 vs -14.20）；加入尾部感知过滤后最大回撤从 -432% 压缩到 -232%，最差单笔从 -6.97 改善到 -4.07。安慰剂检验显示：Gaussian 世界的有限样本偏差（λ̂=0.407）是 Pearson 聚集效应而非真实尾部相关，打乱时序后 λ̂→0.047；t-copula 自由度 ν 从 3 扫到 60，理论 λ_L 从 0.465 塌向 0.003（ν→∞ 即 Gaussian），与蒙特卡洛标准误曲线完全吻合。要把 λ̂_L 估计到 ±0.05 精度，N=3000 时 Gaussian SE=0.049，N=200 时 SE=0.171——样本量不够时你的「尾部相关」大概率是噪声（中/高阶）。

隐马尔可夫模型（HMM）号称能「让数据自己说话」、自动识别市场状态——但这个「自动」里藏着两个致命陷阱：look-ahead 污染的 Viterbi 全样本解码让准确率看起来很漂亮（80%+），一旦剥掉未来信息、换成因果 Filtering，准确率直接跌回随机水平（≈11%）；而即便模型「猜对了」，状态切换的平均识别滞后高达 99.5 天，熊市开始时中位数滞后 217.5 天——等模型翻多，熊市已经走了大半年。本文用 5000 天受控仿真（真实状态序列已知）+ 纯 numpy 从零实现 Baum-Welch / Viterbi / Forward Filtering，实证揭露：HMM 在高信噪比仿真中仍无法可靠检测状态（准确率 11%），但基于估计状态的顺势配置仍跑出 Sharpe 1.04 vs B&H 0.74 的超额收益——这部分 alpha 来自状态持续性本身，而非状态预测；零状态安慰剂（HMM 喂给 i.i.d. 收益）跑出 Sharpe 119 的「虚假繁荣」，是所有 regime 研究最需要警惕的自欺；K=3 在本数据上最优，但 K=6 的 OOS Sharpe 更高，说明状态数选择本身就是一个过拟合维度（中阶→高阶）。

并购套利的入门公式 p=(P−B)/(D−B) 只有三个变量，其中两个可观测、一个永远不可观测——而结论几乎全由那个不可观测的决定。同一个交易（要约 100、现价 94），破裂价假设从 64 挪到 88，反解出的成交概率从 83.3% 摆到 50.0%，33.3 个百分点全部来自一个没人能验证的数字。3000 笔真值已知的交易给出决定性读数：用未受扰动价当破裂价这个行业标准捷径，系统性低估成交概率 10.1 pp，逐笔误差 10–90 分位落在 [−17.3, −4.3] pp，全是单边的。收益结构是 83.6% 胜率配 3.4:1 的亏赢比：成交赚 6.23%、破裂亏 21.12%，破裂率只要多 5 个百分点，平均收益从 +2.32% 塌到 +0.88%、8 个点就转负。最反直觉的是十分位测试——毛价差从 2.13% 单调升到 22.26%，实现收益却在 D7 见顶（+3.47%）后掉头，最宽价差档 −0.81%，宽价差不是便宜是警报。七项对抗式检验含两个关键结果：零溢价安慰剂收益归零（−0.29%）；oracle 对照中即使按真实概率选前 30%，收益 +1.55% 反而低于基准 +1.74%，证明价格已吸收 p、预测能力值零。分散化在独立破裂下有效（100 笔标准差 1.13%），撞上 6% 系统性冻结就有地板（2.91%），Sharpe 从 0.89 砍到 0.43（高阶）

教科书说再平衡能白赚「分散化收益」，公式 0.5(w'σ² − w'Σw) 在 4 资产 30% 波动零相关下算出 3.38pp/年。但这个数字对标的根本不是买入持有——受控模拟 400 条路径显示，对标成分股几何均值确实拿到 3.37pp（与理论完美吻合），对标买入持有却只剩 0.86pp，中位数 1.32pp，标准差 1.95pp，5% 分位 −3.19pp，四分之一路径为负。三个杀手逐一量化：资产预期收益差异 ±4% 时溢价归零、±15% 时 −8.20pp 且 120 条路径无一为正；相关系数 0.9 时只剩 0.02pp；每日再平衡在 25bp 成本下转负 −0.19pp，而每年再平衡还有 0.78pp——频率越高越怕成本。最实用的结论来自阈值检验：±10% 阈值一年只调 0.9 次却拿到 0.87pp，高于月度日历的 0.76pp，也高于 ±1% 阈值的 0.50pp（一年调 61 次）。再平衡溢价不是免费午餐，是一份做空动量的头寸（中阶）

本文通过两因子受控模拟实验回答：①增长/通胀两因子分别驱动股债强负相关(理论−0.97)与弱负相关(实测−0.36)；②滚动窗口识别regime切换滞后：60日43天、120日92天、250日188天；③通胀regime下60/40的Sharpe从0.197降至0.139(−29%)；④动态配置扣成本后Sharpe全面低于静态基准0.399(最好0.429)；⑤恒定相关市场动态策略Sharpe仅0.099，噪声主导信号；⑥Look-ahead bug使Sharpe虚高78%(0.255→0.454)。结论：滚动相关性信号几乎无法在成本内实现有效动态配置。

「这个因子最近很好用」——当所有人都这么说时，风险已经建好了。12 年日频模拟跑完因子踩踏的完整生命周期：业绩→资金流入→推高价格→更好业绩的正反馈在第 6.1 年把套利资本推到常态 1.33 倍，一次去杠杆让因子组合 12 天亏掉 49.2%。核心工程发现：这个反馈环有明确稳定性条件——环路增益 κ×资金敏感度×回看期必须小于 1，超过就自激发散（第一版取到 1.4，资本在 0.05 与 75394 间反复爆炸，这个 bug 比结论更有教育意义）。三个纯价格代理中，吸收率（PC1 方差占比）与不可观测资本相关最高 0.653，复合后 0.560、EWMA 21 日平滑再提到 0.638。但最重要的结论是负面的：IC 为 -0.327，五分位却完全不单调（Q1 +16.8%、Q3 -1.8%、Q5 +2.8%）——IC 对单调性一无所知，它是尾部风险指标不是收益预测指标。对抗性检验：随机市场 Sharpe 增量均值 0.004、95 分位 0.171，真实市场 0.246 只有 z=2.5；线性减仓把 Sharpe 从 0.899 提到 1.145 却完全没降回撤——慢变量防不住 12 天崩塌（中阶）