统计套利（配对交易）专业策略

本 Skill 提供完整的统计套利（配对交易）策略分析框架，适用于港股、美股、A股等多个市场。自动执行协整检验、动态对冲比率计算、回测绩效评估，并生成专业图表报告。

核心功能

1. 多市场支持

   • 港股：.HK 后缀（如 1398.HK, 0939.HK）
   • 美股：无后缀或默认（如 AAPL, GOOGL, MSFT）
   • A股：.SS（上交所）、.SZ（深交所）

2. 智能参数配置

   • 默认参数已优化，支持自定义调整
   • 入场阈值、出场阈值、止损线可配置

3. 完整分析流程

   • 数据下载与清洗（自动过滤非交易日）
   • 协整关系检验（ADF + Johansen）
   • 静态/动态对冲比率计算
   • Z-Score 信号生成
   • 回测执行与绩效评估

4. 专业输出

   • 6 种专业图表（PNG 格式）
   • HTML 交互式报告
   • CSV 数据导出
   • 绩效摘要（夏普比率、最大回撤、Calmar 比率等）

When to Run

触发场景

• 直接请求：“帮我分析 AAPL 和 GOOGL 的统计套利策略”
• 参数配置：“用入场阈值 2.5 回测 1398.HK 和 0939.HK”
• 时间范围：“分析 2020 年到现在的 TSLA 和 NVDA 配对交易”

非触发场景

• 单一股票技术分析
• 基本面估值
• 期货或加密货币套利
• 高频交易策略

Workflow

步骤 1：解析用户意图

AI 解析用户输入，提取：

• 股票代码对（支持多种格式）
• 时间范围（默认：2020-01-01 至今日）
• 参数配置（可选）

步骤 2：环境检查与依赖安装

# 检查 Python 环境
python3 --version

# 安装必要包（如果缺失）
pip install yfinance pandas numpy statsmodels matplotlib --quiet

步骤 3：执行策略分析

# 运行主脚本
python3 scripts/statistical_arbitrage.py 
  --stock1 <股票1> 
  --stock2 <股票2> 
  --start <开始日期> 
  --end <结束日期> 
  --entry <入场阈值> 
  --exit <出场阈值> 
  --stop <止损阈值> 
  --capital <初始资金> 
  --output <输出目录>

步骤 4：生成报告与图表

脚本自动生成：

1. 1_Price_Comparison.png — 股票价格走势对比
2. 2_Normalized_Price.png — 标准化价格
3. 3_ZScore_Signals.png — Z-Score 时序图与交易信号
4. 4_Equity_Drawdown.png — 回测资金曲线与回撤
5. 5_Monthly_PnL.png — 每月损益热力图
6. 6_Beta_Distribution.png — 动态对冲比率分布
7. report.html — 交互式 HTML 报告
8. raw_data.csv、trades.csv、metrics.csv — 原始数据导出

步骤 5：返回结果

AI 整理分析结果，包括：

• 协整检验结果（p 值、是否显著）
• 对冲比率（β 值）
• 当前 Z-Score 与交易信号
• 回测绩效摘要
• 图表预览与下载链接

Output Format

文本输出格式

📊 统计套利分析报告
──────────────────────
股票对：AAPL vs GOOGL
时间范围：2020-01-01 至 2026-03-23
共同交易日：1,519 天

🔬 协整检验
- p 值：0.0021 ✅ 显著
- R²：0.852

📐 对冲比率
- 静态 β：1.0234
- 动态 β 范围：[0.95, 1.08]

🎯 当前信号
- Z-Score：-1.24
- 状态：接近做多区域（阈值 ±2.0）

📈 回测绩效（测试集）
- 总回报：+8.52%
- 年化回报：+1.42%
- 夏普比率：0.68
- 最大回撤：-3.21%
- 胜率：52.0%
- 交易次数：24

💾 报告已生成：
- 图表目录：/path/to/output/
- HTML 报告：/path/to/output/report.html

错误处理

• 股票代码无效 → 提示正确格式
• 数据下载失败 → 建议检查网络或代码
• 无协整关系 → 建议其他股票对
• 参数不合理 → 提供默认值建议

Configuration

默认参数

{
  "start_date": "2020-01-01",
  "end_date": "今天",
  "train_ratio": 0.7,
  "entry_threshold": 2.0,
  "exit_threshold": 0.5,
  "stop_loss": 3.5,
  "window_size": 60,
  "transaction_cost": 0.0015,
  "initial_capital": 100000,
  "position_size": 0.5
}

可调整参数

Examples

示例 1：基本分析（美股）

User: Analyze AAPL vs GOOGL statistical arbitrage
AI: Running analysis for AAPL vs GOOGL...
    Period: 2020-01-01 to 2026-03-23
    Entry: +/-2.0, Exit: +/-0.5, Stop: +/-3.5
    (Results: p-value, Z-Score, Sharpe, etc.)

示例 2：自定义参数（港股）

User: 帮我用入场 2.5、止损 4.0 回测 1398.HK 和 0939.HK
AI: 好的，使用入场阈值 2.5、止损 4.0 回测 1398.HK 和 0939.HK...
    (分析完成，输出报告)

示例 3：指定时间范围

User: Analyze TSLA and NVDA from 2022
AI: Analyzing TSLA vs NVDA (2022-01-01 to today)...
    (Analysis complete with full report)

Dependencies

系统依赖

• Python 3.8+
• pip（Python 包管理器）

Python 包

• yfinance：股票数据下载
• pandas：数据处理
• numpy：数值计算
• statsmodels：统计检验
• matplotlib：图表生成

自动安装

如果缺少依赖，Skill 会自动尝试安装：

pip install yfinance pandas numpy statsmodels matplotlib

Troubleshooting

常见问题

1. 数据下载失败

   • 检查网络连接
   • 确认股票代码正确
   • 尝试缩短时间范围

2. 依赖安装失败

   • 确保 Python 3.8+
   • 使用 pip install --upgrade pip
   • 尝试单独安装每个包

3. 无协整关系

   • 尝试不同股票对
   • 调整时间范围
   • 考虑行业相关性

4. 图表生成失败

   • 检查 matplotlib 安装
   • 确保有写入权限
   • 尝试减少数据量

调试命令

# 检查环境
python3 --version
pip list | grep -E "yfinance|pandas|statsmodels|matplotlib"

# 手动测试
python3 scripts/statistical_arbitrage.py --stock1 AAPL --stock2 GOOGL

Security Notes

• 所有数据处理在本地进行
• 不收集或上传用户数据
• 股票数据来自公开 API（yfinance）
• 脚本开源可审计

版本：1.0.3
更新日期：2026-03-28
作者：统计套利策略团队
支持：通过 OpenClaw 对话获取帮助