某买方研究 desk 在搭一条组合优化 pipeline，输入是协方差矩阵。当 T 个交易日的样本不显著大于资产数 N 时，样本协方差是高噪声估计——非对角元被采样误差主导、求逆条件数极差。Ledoit-Wolf 收缩估计是 quant 研究 desk 上的标准对策：把样本协方差和一个结构化目标做凸组合，用更少的自由参数换回数值稳定，代价是引入少量结构 bias。本题搭 toy 固定 alpha 版本——生产估计器从数据里解析地解出 alpha，而这里你手动扫 alpha，看 bias-variance tradeoff。