財務工程、計量分析
Quants Note 提供最貼近業界的財務工程、計量分析 (Quantitative Analysis) 知識與專業課程。在計量分析領域涵蓋金融商品設計/分析、風險案例、銀行資金系統拆解、避險策略等主題。結合 Python 程式碼，提供具有洞見的分析與工具。
最新文章
評價系統實務：企業級交易系統的 Sticky Rules 與 SABR 模型應用
深入解析大型企業級交易系統在選擇權波動率曲面上的市場數據設定。探討外匯 Sticky Delta 與利率 Sticky Strike 的底層邏輯，並解析量化團隊如何透過 SABR 模型參數動態覆寫預設值，降低快市中的流動性風險。
財務工程、計量分析系列文章
評價系統實務：企業級交易系統的 Sticky Rules 與 SABR 模型應用
深入解析大型企業級交易系統在選擇權波動率曲面上的市場數據設定。探討外匯 Sticky Delta 與利率 Sticky Strike 的底層邏輯，並解析量化團隊如何透過 SABR 模型參數動態覆寫預設值，降低快市中的流動性風險。
波動率曲面 Sticky Rules 解析：動態避險誤差、Shadow Delta 與風險管理
深入解析波動率曲面的 Sticky Strike 與 Sticky Delta 假設差異 。透過 Shadow Delta 數學公式推導，探討規則設定錯誤如何引發避險比例扭曲、未解釋損益 (Unexplained PnL) 擴大及 VaR 錯估 。
Python 選擇權回測：SPY 鐵兀鷹 (Iron Condor) 策略在極端市場的量化數據解析
透過 Python 回測 2022 至 2023 年 SPY 選擇權歷史數據，客觀解析鐵兀鷹 (Iron Condor) 策略在空頭與多頭市場的損益表現。探討波動率風險、靜態參數失效原因，並建立具備風險意識的量化交易思維。
xCloud 部署 Jupyter Notebook 實戰：整合 Docker、Cloudflare 與 Nginx 反向代理
傳統 SSH 部署太繁瑣？本文實戰示範如何透過 xCloud 面板結合 Docker，在 20 分鐘內完成 DigitalOcean 主機上的 Jupyter Notebook 雲端環境搭建，並整合 Cloudflare SSL 與 Nginx 反向代理，打造高效安全的量化開發平台。
2024 黑色星期一復盤：日圓利差交易 (Carry Trade) 拆倉的連鎖效應與量化啟示
2024 年 8 月 5 日的黑色星期一並非單純崩盤，而是日圓利差交易 (Carry Trade) 拆倉引發的流動性連鎖反應。本文透過量化數據復盤，解析匯率、VIX 與日股的連動機制，並提供針對極端行情的避險策略。
美債基差交易 (Basis Trade) 解析：避險基金槓桿與 SEC 監管下的流動性幻象
深入解析美債基差交易 (Basis Trade) 的運作機制與避險基金的高槓桿風險。探討在 CFTC 空單持倉創高後，SEC 集中清算 (Central Clearing) 新規如何引發市場對無序去槓桿的擔憂，以及投資人應關注的 Repo 利率與流動性指標。
0DTE 選擇權 Gamma Squeeze 解析：流動性幻覺與市場微結構崩壞
深入解析 0DTE 選擇權如何引發 Gamma 擠壓。探討造市商避險機制、GEX 結構與流動性危機，並結合 Quants Note 實務案例分析。
波動率交易深度解析：掌握 IV 與 Greeks 的量化避險法則
想跳脫預測漲跌的賭局？本文深入剖析波動率交易核心，涵蓋隱含波動率(IV)與歷史波動率的價差邏輯、Greeks 參數動態管理，以及法人級的 Delta Neutral 避險策略。立即掌握量化思維，構建不依賴市場方向的堅固投資組合。
美債殖利率 10Y vs 2Y 即時觀測｜倒掛、回復與景氣循環解讀
以兩張動態圖表追蹤美債殖利率 10Y 與 2Y：近 2 年月期末走勢與近 30 日變化。解讀殖利率倒掛與回復的意涵、景氣循環訊號與投資/避險提示，並說明日頻與月期末採樣差異。
量化金融專用 MathJax/LaTeX 語法大全：從微積分到 BS 模型 (WordPress 支援)
要能在網頁中呈現財務工程常用的數學公式，我們會需要可以使用 MathJax 或 LaTex 語法的 WordPress 外掛。為了方便未來能快速找到常用的數學符號與公式，所以將相關語法都整理在這篇文章中，也說明了常用的 MathJax 外掛 Simple MathJax 與 MathJax-LaTex 的差異。
《Python – 建立 Jupyter Notebook 雲端開發環境》上篇：DigitalOcean Droplet 設定
DigitalOcean 的 Droplets 是用 Linux 作業系統建立的虛擬機器，對於多數只熟悉 Windows 的使用者來說，如果想要使用 Droplet 建立 Jupyter Notebook 環境進行 Python 程式開發，請參考本系列文章的第一篇：加密金鑰的準備以及建立 Droplet 雲端主機。
Python 實戰：如何用 Matplotlib 繪製選擇權 3D 風險曲面 (Delta/Gamma)？
Description 想掌握選擇權投資組合的風險分佈？本文提供 Python 完整程式碼，教您計算 Delta 與 Gamma，並使用 Matplotlib mplot3d 繪製專業的 3D 風險曲面 (Risk Profile Surface)。
《程式交易、演算法交易的迷思》－2－知識的價值
如果對交易、程式/演算法/計量交易有興趣，但確實又無法對交易員求「道」之路感興趣的人，還記得這句話嗎? 說穿了，這類利用技術、知識不對等的條件取得獲利先機的機會終究是短暫的。即使是短暫，但確實是可行的。但這需要深厚的金融交易、理論知識，甚至是技術知識。並且需要持續的精進、研究最新領域的知識才有可能掌握這樣的獲利機會。
《程式交易、演算法交易的迷思》－1－交易的本質
Python 的崛起，程式語言使用人數日益擴大進而使得 Python 的套件、應用領域更為廣泛且深入。因為機器學習、深度學習在其他領域的成功，也開始有人嘗試拿來運用在金融領域，甚至一些起步快的投銀交易部門、避險基金也早已經使用較為原始的概念進行分析、交易。
Python 金融工程實戰：如何用 Black-Scholes 模型評價 ELN 與 PGN？
想用 Python 建立結構型商品評價模型？本文提供完整的 Black-Scholes 物件導向程式碼，手把手教您計算 ELN (股權連結商品) 與 PGN (保本型商品) 的理論價值與百元價。
解密財務工程：從外購系統 (Black Box) 到自建模型的逆向工程之路
財務領域相當的廣泛，有人研究最佳化投資組合的建立模式，有人研究市場微結構，試圖從密集的資訊中找出市場規律性，更有人致力於基礎理論、模型的建立。有太多的領域我們無法一一道盡並深入探討，本文我們將從另一個面向 – 解構黑盒子，從管理與交易的角度介紹 Quant 的工作性質。
Delta, Gamma, Vega 是什麼？從泰勒展開式看衍生性商品風險管理
交易員與風控必讀的風險管理基礎。本文利用泰勒展開式 (Taylor Expansion) 拆解選擇權風險，詳細定義 Delta, Gamma, Vega, Vanna, Volga 等一二階風險係數，並解析如何進行精準的損益歸因 (P/L Breakdown)。