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/VWAP.md

@@ -0,0 +1,64 @@
+# 阿尔法 (Alpha)
+
+🟡进阶
+
+## 一句话解释
+Alpha 是衡量投资组合或策略相对于其基准（通常是市场指数）的超额回报，代表了主动管理带来的价值。
+
+## 详细解释
+
+### 背景与原理
+Alpha 起源于资本资产定价模型（CAPM），该模型旨在解释资产的预期回报。根据 CAPM，资产的预期回报等于无风险利率加上一个由其系统性风险（Beta）决定的风险溢价。任何偏离这个预期回报的部分，就被认为是 Alpha。正的 Alpha 表示投资组合的表现优于其风险水平所预期的回报，而负的 Alpha 则表示表现不佳。在量化交易中，寻找和利用 Alpha 是所有策略的核心目标，因为它代表了市场的无效性和可利用的盈利机会。
+
+### 计算公式（如适用）
+Alpha 的计算公式如下：
+```latex
+\alpha = R_p - [R_f + \beta_p \times (R_m - R_f)]
+```
+其中：
+- \(R_p\) = 投资组合的实际回报率
+- \(R_f\) = 无风险利率
+- \(\beta_p\) = 投资组合的 Beta 值
+- \(R_m\) = 市场基准的回报率
+
+### 计算示例
+假设一个投资组合在一年内的回报率为 15%。同期，无风险利率为 2%，市场基准（如标准普尔500指数）的回报率为 10%。如果该投资组合的 Beta 值为 1.2，则其 Alpha 计算如下：
+
+预期回报 = 2% + 1.2 * (10% - 2%) = 11.6%
+Alpha = 15% - 11.6% = 3.4%
+
+这个正的 Alpha (3.4%) 表明该投资组合的表现优于其风险调整后的预期回报。
+
+## 在量化交易中的应用
+1.  **因子投资**：在多因子模型中，Alpha 被用作一个独立的因子来构建投资组合。通过识别和组合多个能够产生正 Alpha 的因子（如价值、动量、质量等），投资者可以构建出超越市场的策略。
+2.  **统计套利**：统计套利策略旨在利用资产价格之间的短期偏离。当发现两个或多个高度相关的资产价格出现异常偏离时，策略会做多被低估的资产并做空被高估的资产，以期从价格的回归中获取 Alpha。
+3.  **高频交易**：在高频交易中，Alpha 的来源通常是微观市场结构中的无效性，例如订单簿中的不平衡或跨交易所的价差。高频交易策略通过极快的速度和复杂的算法来捕捉这些稍纵即逝的 Alpha 机会。
+4.  **事件驱动策略**：这类策略通过分析公司公告、宏观经济数据发布等事件来预测股价的短期走势。通过在事件发生前后进行交易，策略旨在捕捉由市场对新信息的反应所产生的 Alpha。
+
+## 数据规格
+
+| 属性 | 说明 |
+|------|------|
+| 数据类型 | float |
+| 取值范围 | 通常在 -10% 到 +10% 之间，但理论上无限制 |
+| 单位 | 百分比 (%) |
+| 更新频率 | 取决于回报率的计算周期，可以是每日、每周或每月 |
+| 典型数据源 | 彭博、路透、券商交易数据、公开市场数据 |
+
+## 常见误解
+1.  **误解**：任何正的回报都是 Alpha。
+    **正确理解**：Alpha 是指*超出*由市场风险（Beta）所解释的*超额*回报。如果一个投资组合的回报率很高，但其承担的风险也相应很高，那么它的 Alpha 可能很低甚至是负数。
+2.  **误解**：Alpha 是稳定且可持续的。
+    **正确理解**：Alpha 的来源是市场的无效性，而这些无效性会随着时间的推移被其他市场参与者发现和利用，从而导致 Alpha 的衰减。因此，持续寻找新的 Alpha 来源是量化交易的核心挑战。
+3.  **误解**：Alpha 越高越好。
+    **正确理解**：虽然高 Alpha 通常是理想的，但还需要考虑其波动性和夏普比率。一个 Alpha 很高但波动性极大的策略，可能不如一个 Alpha 稍低但表现更稳定的策略。此外，交易成本和策略容量也会影响高 Alpha 策略的实际盈利能力。
+
+## 相关名词
+- `[贝塔 (Beta)](./Beta.md)`
+- `[夏普比率 (Sharpe Ratio)](./Sharpe_Ratio.md)`
+- `[资本资产定价模型 (CAPM)](./CAPM.md)`
+- `[因子 (Factor)](./Factor.md)`
+
+## 深入阅读
+- `[寻找市场中的Alpha](./seeking_alpha.md)`
+- `[量化投资策略](./quantitative_investment_strategies.md)`