feat: 全面优化迭代所有文档 - 增加数据说明+计算公式+名词解释+内部链接

变更统计:
- 70个文件变更 (39个新增 + 31个修改)
- 新增 6554 行内容

优化内容:
1. 30个核心文档增加附录(数据说明/计算公式/参数表/使用场景/常见误区)
   - 第一批: 量化基础/技术指标/策略/信号/品种/数据流/回测/风控/链上/EWO
   - 第二批: AI/案例复盘/多Agent/Hyperliquid/KOL/期权/RWA/券商/BTC/主流币
   - 第三批: ETH/SOL/BNB_DOGE/XAUT/代币化美股/信号优化/tradehk系统
2. 新增38个名词解释wiki条目(Delta对冲/Gamma/Theta/Vega/IV/VaR/CVaR等)
3. 更新全局术语表索引(79个术语/12大类/知识图谱/学习路径)
4. 新增内部链接体系(wiki式交叉引用)

wiki/名词解释/蒙特卡洛模拟.md

@@ -0,0 +1,77 @@
+# 卡尔马比率 (Calmar Ratio)
+
+🟡进阶
+
+## 一句话解释
+卡尔马比率是一种衡量投资组合风险调整后收益的指标，它通过计算年化复合增长率（CAGR）与最大回撤（Maximum Drawdown）的比值，来评估投资在承受最大历史损失风险的情况下所获得的回报水平。
+
+## 详细解释
+
+### 背景与原理
+卡尔马比率由基金经理特里·W·杨（Terry W. Young）于1991年提出，旨在提供一个比夏普比率（Sharpe Ratio）和斯特林比率（Sterling Ratio）更贴近实际投资风险的绩效衡量工具。其名称“Calmar”是“California Managed Account Reports”的缩写。该比率的核心思想是，投资者对于亏损的感受，尤其是最大亏损的幅度，远比价格的日常波动更为敏感。因此，它直接使用历史上发生的最大回撤作为风险的度量衡，而不是像夏普比率那样使用标准差（波动率）。
+
+卡尔马比率通常以36个月（三年）为一个评估周期，并且每月更新计算，这使得它能够平滑市场短期波动的影响，同时提供一个相对及时的绩效反馈。一个较高的卡尔马比率意味着投资策略在承受每单位最大风险时，能够产生更高的回报，这对于注重资本保全和回撤控制的投资者尤为重要。
+
+### 计算公式
+卡尔马比率的计算公式如下：
+
+```latex
+\text{Calmar Ratio} = \frac{\text{CAGR}}{\text{Max Drawdown}}
+```
+
+其中：
+- **CAGR (Compound Annual Growth Rate)**：年化复合增长率，代表投资在特定时期内的年均增长率。
+- **Max Drawdown**：最大回撤，指在选定周期内，投资净值从最高点到随后最低点的最大跌幅。
+
+### 计算示例
+假设一个量化策略在过去三年的表现如下：
+- 年化复合增长率 (CAGR) = 18%
+- 此期间的最大回撤 (Max Drawdown) = 12%
+
+则该策略的卡尔马比率为：
+
+```
+Calmar Ratio = 18% / 12% = 1.5
+```
+
+这个结果表示，该策略每承受1%的最大回撤风险，可以获得1.5%的年化回报。
+
+## 在量化交易中的应用
+
+1.  **策略筛选与比较**：在评估多个量化交易策略时，卡尔马比率提供了一个统一的风险调整后收益基准。即使某个高频策略的年化回报率极高，但如果其最大回撤同样巨大，其卡尔马比率可能会低于一个回报中等但回撤控制极佳的稳健策略。这有助于交易员筛选出长期表现更稳健、风险收益比更优的策略。
+
+2.  **风险管理与参数优化**：通过持续监控策略的卡尔马比率，交易员可以了解策略风险状况的变化。当市场环境改变导致策略回撤加大、比率下降时，可以触发风控警报，促使交易员调整仓位、修改策略参数（如止损点、交易频率）或暂时停用策略，以优化风险控制，提升长期的风险调整后收益。
+
+3.  **投资组合构建**：在构建由多个策略组成的投资组合时，卡尔马比率可以作为策略配置的参考依据。交易员倾向于将更多资本配置给卡尔马比率高的策略，因为它们在历史上证明了更强的回撤控制能力和更高效的盈利能力。同时，通过组合不同类型且卡尔马比率均较高的策略，可以进一步分散风险，提升整个投资组合的稳健性。
+
+## 数据规格
+
+| 属性 | 说明 |
+|---|---|
+| 数据类型 | float |
+| 取值范围 | 理论上无限制，通常为正数。大于1被认为是较好的表现，大于3则非常优秀。 |
+| 单位 | 无量纲（比率） |
+| 更新频率 | 通常按月更新，基于过去36个月的滚动数据计算。 |
+| 典型数据源 | 策略回测平台（如QuantConnect, JoinQuant）、基金数据库、券商提供的投资组合分析报告。 |
+
+## 常见误解
+
+1.  **误解：卡尔马比率越高，策略绝对收益越高。**
+    **正确理解**：卡尔马比率衡量的是风险调整后的相对收益。一个高卡尔马比率的策略可能绝对收益不高，但其回撤非常小，表现稳健。反之，一个绝对收益很高的策略可能因为回撤巨大而导致卡尔-马比率较低。
+
+2.  **误解：卡尔马比率与夏普比率可以相互替代。**
+    **正确理解**：两者都是风险调整后收益指标，但风险的定义不同。卡尔马比率关注的是历史上的“最坏情况”（最大回撤），而夏普比率关注的是收益的“稳定性”（波动率）。对于非正态分布的收益序列，尤其是有肥尾风险的策略，卡尔马比率可能更能揭示潜在的极端风险。
+
+3.  **误解：一个历史卡尔马比率高的策略未来表现一定好。**
+    **正确理解**：卡尔马比率是基于历史数据的回溯性指标，它不保证未来的表现。市场结构可能发生变化，导致策略失效，历史上的低回撤不代表未来不会发生更大的回撤。因此，它应作为评估工具之一，结合其他指标和对策略逻辑的理解进行综合判断。
+
+## 相关名词
+- [夏普比率](./夏普比率.md)
+- [索提诺比率](./索提诺比率.md)
+- [最大回撤](./最大回撤.md)
+- [斯特林比率](./斯特林比率.md)
+- [年化复合增长率](./年化复合增长率.md)
+
+## 深入阅读
+- [Investopedia: Understanding the Calmar Ratio](https://www.investopedia.com/terms/c/calmarratio.asp)
+- [Quantified Strategies: Calmar Ratio Definition, Formula and Calculator](https://www.quantifiedstrategies.com/calmar-ratio/)