【信貸危機】Saba Capital Management創辦人溫斯坦：私募信貸基金失控在即 瑞銀預估違約率或達15％ 各方對私募信貸的示警紛至沓來。Saba資產管理創辦人溫斯坦（Boaz Weinstein）指出，Blue Owl Capital旗下基金相關的動盪正暴露出這個1.8萬億美元行業中更深層的破口。

和Quant Alex @StochAlex07 讨论： SABR Theta与Spot Theta+Vol Theta+Cross Theta的异同与应用，以及SABR模型自洽性分析。 **English Summary of the Chat** **SABR Theta vs Spot Theta + Vol Theta + Cross Theta** The conversation between **Alex Wu** (white bubbles) and **Jeff Liang** (green bubbles) is a technical discussion focused on **SABR Theta versus Total Theta** (i.e., Spot Theta + Cross Theta + Vol Theta), model self-consistency, PDE residual, and the correct definition of SABR Greeks. ### Key Points Discussed: 1. **SABR Gamma = Spot Gamma** (first major question, raised by Jeff) Jeff asked whether SABR Gamma (\(\partial^2 P / \partial F^2\)) is identical to Spot Gamma and whether it includes the dependence of \(\sigma_B\) on \(F\). He also provided the full chain-rule expansion of SABR Gamma in terms of Black-76 Greeks. Alex confirmed the understanding and **later affirmed in code** that this is exactly how SABR Gamma is implemented in their system. 2. **SABR Theta vs Total Theta and Model Self-Consistency** (main topic, led by Jeff) Jeff shared a clear 3-point understanding: - SABR Theta is computed directly via the SABR approximation formula to obtain \(\sigma_B\), then applying the Black-76 chain rule: \(\partial P/\partial t =\) BS_Theta(\(\sigma_B\)) + BS_Vega \(\cdot \partial\sigma_B/\partial t\). - Total Theta is the exact decomposition from the SABR PDE (Spot Theta + Cross Theta + Vol Theta). - When the model is **fully self-consistent** (Residual = \(\partial P/\partial t + \mathcal{L}P = 0\)), SABR Theta = Total Theta; otherwise the difference is the unexplained PnL caused by the approximation error in the Hagan formula (especially pronounced in long-dated, high vol-of-vol, or high-skew options). 3. **Practical Implication – Theta Decomposition Decision** (comment by Alex) Alex noted that whether to perform Theta decomposition depends on the risk-management approach: - Without decomposition → use SABR Gamma vs. dP/dt. - With decomposition → SABR Gamma maps to Spot Theta, Vanna to Cross Theta, and Volga to Vol Theta. **Overall Tone**: The discussion is highly technical and collaborative. Jeff drives the conversation by asking clarifying questions and presenting a well-structured 3-point summary of his recent study. Alex provides confirmations, practical insights, and code-level validation. Both participants demonstrate a strong command of SABR model nuances, particularly the relationship between approximation error, PDE residual, and real-world risk management.

6月19日，著名硅谷投资人 Sara Guo 与 Elad Gil 邀请英特尔 CEO陈立武（Lip-Bu Tan）进行了一场关于AI、半导体和未来供应链的深度对谈。作为长期关注AI产业链的投资者，我认为其中有几个观点非常值得关注。 首先，陈立武认为Agentic AI的发展正在重新提升CPU的重要性。过去AI训练时代，CPU与GPU的配置比例大约是1:8，而未来随着Agent之间的协同、推理和任务编排需求增加，这一比例可能逐步提升至1:4、1:2，甚至更高。我对这个观点非常认同。最近AMD、ARM以及英特尔等CPU相关标的表现明显强于市场，也从侧面反映出资金开始重新关注CPU在AI基础设施中的价值。 其次，他强调Foundry业务最核心的竞争力并非先进制程本身，而是良率。对于客户而言，最先进的工艺如果无法稳定量产，实际价值非常有限。台积电过去几十年建立起来的真正护城河，很大程度上正是持续领先的量产能力和良率管理能力。对于英特尔来说，未来能否缩小与台积电之间的差距，关键也在这里。 第三个让我印象深刻的观点是光互联。陈立武认为，随着GPU集群规模不断扩大，AI系统的瓶颈正在逐步从算力转向互联。事实上，他本人长期投资Celestial AI等硅光公司，也明确表示未来光学互联的重要性会持续提升。这个观点与我长期看好光通信行业的逻辑高度一致。未来AI基础设施竞争，很大程度上将是网络与互联效率的竞争。

就是明天♡♡♡ 第一天是小鯊魚saba ，第二天是Grok AI Ani.ᐟ.ᐟ.ᐟ 要記得來找銀璃玩唷🫶 ── ✦ ──活動資訊── ✦── 台灣熱 Taiwan-Hot TWHC07 ​ 高雄場 9/6-9/7 ⋆高雄橋頭糖廠物五倉庫 ​【TAIWAN-HOT COS 同樂會 TWHC07 - TAKAO】

此前为学员们提供了Sepp 2014 Skew-Beta讲座翻译与解读Part 1，处理Delta对冲中，纳入Spot-Vol Dynamics的实证对冲调整（使用Realized Skew vs 业界传统的使用Implied Skew的Min Variance对冲）。已在SABR系统中实现，Bartlett Delta Dynamic项即纳入了此项实现偏度调整，目前已在GreeksLive生产环境上线。可提高偏度交易的夏普率20%。

以下是我整理的对Sepp 2014讲座的蒙特卡洛模拟分析的注解。在GreeksLive SABR Backtest中，尽管不是蒙特卡洛模拟，而是真实路径历史回测，我们采用了相同的方法论。 注解：在蒙特卡洛模拟中，作者把每一天的对冲头寸都重新“滚动”成标准化的新头寸，从而让来自不同交易日、不同模拟路径的盈亏（P&L）具有可比性和统计可加性。 到期时间同质性（maturity-time homogeneous） 每天结束时，作者都会把当前头寸平仓，然后立即开一个新的1个月期限的头寸。 因此，无论今天是模拟的第1天还是第100天，每次开仓时的“剩余期限”都完全一样。 这样不同天数产生的P&L就不会因为“剩余时间长短不同”而产生系统性差异。 行权价空间同质性（strike-space homogeneous） ·       跨式期权（straddle）始终开成平值（ATM）。 ·       风险反转（risk-reversal）始终开成相对当前远期的固定百分比行权价（例如99%和101%）。 因此，每次开仓时，行权价相对于当前价格的“位置”是完全相同的。 这样不同天数、不同路径的P&L就不会因为“绝对行权价不同”或“虚值程度不同”而产生差异。 因为满足了上述两个同质性，作者就可以把： 成百上千条模拟路径 每条路径上的所有交易日 的每日P&L全部直接汇总在一起，进行统计推断（计算均值、波动率、夏普比率、回归归因等）。 如果不做这种标准化滚动，不同天数的头寸会有不同的剩余期限和不同的绝对行权价，P&L就会混杂各种异质性，统计结果就不稳健。