全球金融与交易学习笔记

Appearance

金融学与市场经济学融合笔记 ​

核心问题 ​

市场为什么会长期有效、短期失效？价格是如何在制度、流动性与预期中形成的？

融合项目池（5 个） ​

  • AI4Finance-Foundation/FinRL
  • lballabio/QuantLib
  • polakowo/vectorbt
  • kernc/backtesting.py
  • ranaroussi/quantstats

从项目抽取的知识框架 ​

1) 价格不是“真值”，而是“清算结果” ​

  • vectorbt/backtesting.py 告诉你：价格在回测里是时间序列。
  • QuantLib 告诉你：价格在衍生品里是风险中性测度下的贴现期望。
  • 结论：同一个资产在不同模型下有不同“合理区间”。

2) 市场有效性是程度问题，不是二元问题 ​

  • FinRL 的经验：可学习信号存在，但稳定 alpha 稀缺且衰减快。
  • quantstats 的经验：许多策略胜在回撤控制，而不是高胜率。
  • 结论：市场通常“弱有效 + 结构性失效”，可交易机会依赖交易成本与执行能力。

3) 宏观变量通过贴现率与风险偏好影响估值 ​

  • 利率上行通常压缩远期现金流估值（尤其成长资产）。
  • 通胀与风险溢价变化会改变资产相关性与波动结构。
  • 在策略层面表现为：同一信号在不同利率周期下有效性差异明显。

关键概念速记 ​

  • 贴现率 = 无风险利率 + 风险溢价。
  • 风险溢价不是常数，会随市场压力与流动性变化。
  • 波动率既是风险度量，也是资产价格（尤其期权）的核心状态变量。
  • 流动性危机常体现为：价差变宽、冲击成本上升、相关性短时上升。

经典书籍映射 ​

  • 《公司理财》（Brealey, Myers, Allen）：净现值、资本成本、风险调整贴现。
  • 《投资学》（Bodie, Kane, Marcus）：资产定价、组合理论、市场效率。
  • 《A Random Walk Down Wall Street》：长期投资与市场效率直觉。

我的结论 ​

  1. 学金融基础的目标不是预测价格，而是识别“定价约束”。
  2. 学市场经济学的目标不是背模型，而是理解制度如何影响交易行为。
  3. 可执行策略一定是“理论假设 + 数据证据 + 交易成本校正”的交集。

复盘问题 ​

  1. 你的策略假设依赖哪个宏观变量最强？
  2. 如果无风险利率上升 100bp，策略逻辑是否仍成立？
  3. 你的模型是解释过去，还是可迁移到未来？

参考来源 ​

市场切片补充 ​

把规则放进具体时间段更容易检验。例如 2020 年一季度的风险冲击阶段、2022 年的全球紧缩阶段、2023 年的结构修复阶段，价格反应、成交深度和风险偏好都不相同。若把这三个阶段混在一起求平均，很多结论会被稀释；若分阶段评估，同一套方法在不同环境中的边界会更清楚。

在执行层面，可以把“阶段识别”写入日常流程：先确认当前处于扩张、收缩还是修复，再决定仓位上限、下单时段和止损阈值。这样做不是为了追求完美预测，而是为了避免在不适配环境里重仓。跨市场核验时，建议直接对照 NYSE 时段、Nasdaq 日历、HKEX 时段 与 CFTC 术语 做参数确认。

复盘框架 ​

每篇笔记都可落到同一套复盘问题：第一，当前结论依赖的前提是否仍成立；第二，若波动率提升一个等级，仓位和执行规则是否需要同步调整；第三，若成交成本抬升，策略是否仍具备正期望。把复盘问题固定下来，知识会从“记住观点”转为“可持续迭代的决策系统”。