A股配对交易分析

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 两只股票的K线
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE1] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE2] --freq daily --start [日期]
# 行情
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2]

量化计算：

QSCRIPTS="$SKILLS_ROOT/a-share-pairs-trading/scripts"
python "$QSCRIPTS/pairs_analyzer.py" --stock1 data1.json --stock2 data2.json --window 60

Workflow

Step 1: 选择配对标的

• 同行业/同概念板块优先（基本面相似性）
• 历史价格相关性 > 0.8 作为初筛条件

Step 2: 协整检验

1. ADF 检验两个价格序列的平稳性（应为 I(1)）
2. Engle-Granger 两步法：OLS 回归 → 残差 ADF 检验
3. p-value < 0.05 认为存在协整关系

Step 3: 价差序列构建

• 方法 A：对数价格比 ln(P1/P2)
• 方法 B：OLS 残差法 P1 - β×P2 - α
• 计算 Z-score = (spread - mean) / std

Step 4: 交易信号

• 开多价差：Z-score < -2（价差偏低）
• 开空价差：Z-score > +2（价差偏高）
• 平仓：Z-score 回归至 0 附近（±0.5）
• 止损：Z-score 超过 ±3

Step 5: 输出

维度	formal	brief
协整检验	完整统计量+p值	结论（是/否）
价差分析	时序图+分布	当前 Z-score
回测	完整绩效指标	年化收益+夏普
半衰期	OU 模型详细	天数

默认风格：brief。

关键规则

1. A 股 T+1 限制：当日买入次日才能卖出，配对交易需考虑此约束
2. 涨跌停：一方涨停另一方未涨停会导致价差异常扩大
3. 停牌风险：一方停牌导致无法对冲
4. 协整关系可能失效——需定期检验，建议滚动窗口
5. 交易成本：双边交易成本约 0.2%，需纳入回测

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json