研究问题与范围
JW4 研究宏观状态、波动率结构、叙事信息、个股行为和期权链条件如何相互作用。它是一套决策支持方法，而不是自动产生真理的机器。模型输出属于证据，而非权威；有效结果可以是受约束的结构、更宽的安全边界，也可以是明确放弃决策。
五层研究架构
顺序本身就是纪律：先建立整体环境，再解释局部信号；先应用风险约束，再筛选候选。
数据完整性与时效
同步关键波动率、跨资产、个股、事件与期权链数据；关键数据缺失或过期时触发安全停机，而不是静默替代。
市场状态分类
识别系统波动、尾部风险、趋势、压缩和跨资产背景；市场状态为后续分析确定允许的风险边界。
证据交叉验证
对照价格结构、动量、波动率、流动性、叙事情绪、基本面、财报窗口和宏观事件；证据冲突会降低置信度，而不会被隐藏。
语境转化为约束
把环境转化为防守距离、最低风险补偿、流动性要求和损失有上限的策略结构；非对称风险越高，约束越严格。
筛选与审计
排除未通过事件、流动性、风险补偿或结构风险检验的候选，并记录假设、调整、拒绝原因与输出。
证据域
不同证据域回答不同问题。研究价值来自它们之间的关系，而不是指标数量。
| 证据域 | 研究问题 | 证据示例 |
|---|---|---|
| 宏观与政策语境 | 哪些系统性力量可能推翻局部信号？ | 政策方向、流动性、利率、汇率、大宗商品与计划事件 |
| 波动率状态 | 市场正在为多少不确定性与尾部风险定价？ | VIX/VVIX、波动率风险溢价、偏度、压缩与趋势状态 |
| 个股证据 | 个体标的是否确认或反驳研究假设？ | 趋势、动量、离散程度、ATR、支撑阻力、情绪与基本面 |
| 执行结构 | 能否用风险透明且有上限的方式表达假设？ | 期权链流动性、距离、风险补偿、价差结构与事件敞口 |
研究治理
这套方法刻意让分歧和失败变得可见。研究质量不仅来自选出候选，也来自受控地拒绝候选。
可证伪性
假设与状态标签必须足够明确，能够被后续证据质疑或推翻。
可追踪性
输入、转换、参数调整与拒绝原因应当能从决策记录中恢复。
安全停机
缺少可信数据是停止研究的理由，而不是临场猜测的邀请。
人的责任
AI 与 NLP 用于组织和交叉校验证据，最终解释责任仍然属于人。
股票与期权专题研究
五篇专题把上述方法用于美股、期权、波动率、事件风险和AI辅助证据核验等可检索问题。
美股与期权市场结构：波动率、流动性与期权链
研究美股价格行为、股票波动率、期权链流动性和有限风险期权结构在不同市场状态下如何相互验证。
VIX 与 VVIX 状态分析：波动率及波动率的波动率
以状态方法研究 VIX、VVIX、波动率风险溢价、偏斜和市场压缩，避免把单个数值当作交易信号。
信用价差研究：风险补偿、防守距离与有限损失
从风险补偿、行权价距离、流动性、事件暴露和明确最大损失研究期权信用价差。
宏观事件与财报风险：美股和期权研究中的跳空边界
研究宏观数据、FOMC决议和财报如何改变美股与期权的跳空风险、波动率定价和流动性。
AI 与 NLP 交叉验证：股票和期权市场研究中的叙事证据
使用AI和NLP整理金融叙事与市场情绪，同时保留来源追踪、数值核验和人工复核。
边界与局限
状态标签是对持续变化市场的简化，也可能滞后于转折。历史关系可能失效，流动性可能消失，叙事解析也可能不完整。交叉验证可以降低对单一信号的依赖，但不能消除模型风险、数据错误、选择偏差或极端事件。具体运营阈值与可执行参数保持私有，使公开页面能够解释研究逻辑，而不会成为可直接复制的交易配方。
研究贡献
JW4 的贡献在于编排层：把异构证据转化为风险有边界、过程可审计的决策。它追求的不是制造确定性的外观，而是在无法获得确定性时仍保持纪律。
把研究纪律转化为代际能力
明确假设、独立证据、有限风险与可审计性，同样可以帮助家族办公室把个人知识沉淀为可重复运行的组织流程。
查看家族办公室合作框架 →本页面仅说明研究方法与技术实现，不构成金融、投资或交易建议。