Statistical Arbitrage 統計套利

統計套利（配對交易）專業策略 - 計算動態對沖比率、執行回測並生成完整報告。 支持港股（.HK）、美股（無後綴或預設）、A股（.SS/.SZ）等多市場。 Use when: 用戶說「分析統計套利策略」、「幫我回測AAPL和GOOGL」、「配對交易回測」。 NOT for: 單股票分析、趨勢交易、期貨套利、股票掃描。

統計套利（配對交易）專業策略

本 Skill 提供完整的統計套利（配對交易）策略分析框架，適用於港股、美股、A股等多個市場。自動執行協整檢驗、動態對沖比率計算、回測績效評估，並生成專業圖表報告。

核心功能

1. 多市場支持

   • 港股：.HK 後綴（如 1398.HK, 0939.HK）
   • 美股：無後綴或預設（如 AAPL, GOOGL, MSFT）
   • A股：.SS（上交所）.SZ（深交所）

2. 智能參數配置

   • 默認參數已優化，支持自定義調整
   • 入場閾值、出場閾值、止損線可配置

3. 完整分析流程

   • 數據下載與清洗（自動過濾假交易日）
   • 協整關係檢驗（ADF + Johansen）
   • 靜態/動態對沖比率計算
   • Z-Score 信號生成
   • 回測執行與績效評估

4. 專業輸出

   • 6種專業圖表（PNG格式）
   • HTML互動報告
   • CSV 數據導出
   • 績效摘要（夏普比率、最大回撤、Calmar比率等）

When to Run

觸發場景

• 直接請求："幫我分析 AAPL 和 GOOGL 的統計套利策略"
• 參數配置："用入場閾值2.5回測1398.HK和0939.HK"
• 時間範圍："分析2020年到現在的TSLA和NVDA配對交易"

非觸發場景

• 單一股票技術分析
• 基本面估值
• 期貨或加密貨幣套利
• 高頻交易策略

Workflow

步驟1：解析用戶意圖

AI 解析用戶輸入，提取：

• 股票代碼對（支持多種格式）
• 時間範圍（默認：2020-01-01 至今日）
• 參數配置（可選）

步驟2：環境檢查與依賴安裝

# 檢查 Python 環境
python3 --version

# 安裝必要套件（如果缺失）
pip install yfinance pandas numpy statsmodels matplotlib --quiet

步驟3：執行策略分析

# 運行主腳本
python3 scripts/statistical_arbitrage.py \
  --stock1 <股票1> \
  --stock2 <股票2> \
  --start <開始日期> \
  --end <結束日期> \
  --entry <入場閾值> \
  --exit <出場閾值> \
  --stop <止損閾值> \
  --capital <初始資金> \
  --output <輸出目錄>

步驟4：生成報告與圖表

腳本自動生成：

1. 1_Price_Comparison.png - 股票價格走勢對比
2. 2_Normalized_Price.png - 標準化價格
3. 3_ZScore_Signals.png - Z-Score時序圖與交易信號
4. 4_Equity_Drawdown.png - 回測資金曲線與回撤
5. 5_Monthly_PnL.png - 每月損益熱力圖
6. 6_Beta_Distribution.png - 動態對沖比率分布
7. report.html - 互動式HTML報告
8. raw_data.csv, trades.csv, metrics.csv - 原始數據導出

步驟5：返回結果

AI 整理分析結果，包括：

• 協整檢驗結果（p值、是否顯著）
• 對沖比率（β值）
• 當前Z-Score與交易信號
• 回測績效摘要
• 圖表預覽與下載連結

Output Format

文本輸出格式

📊 統計套利分析報告
──────────────────────
股票對：AAPL vs GOOGL
時間範圍：2020-01-01 至 2026-03-23
共同交易日：1,519天

🔬 協整檢驗
- p值：0.0021 ✅ 顯著
- R²：0.852

📐 對沖比率
- 靜態 β：1.0234
- 動態 β範圍：[0.95, 1.08]

🎯 當前信號
- Z-Score：-1.24
- 狀態：接近做多區域（閾值±2.0）

📈 回測績效（測試集）
- 總回報：+8.52%
- 年化回報：+1.42%
- 夏普比率：0.68
- 最大回撤：-3.21%
- 勝率：52.0%
- 交易次數：24

💾 報告已生成：
- 圖表目錄：/path/to/output/
- HTML報告：/path/to/output/report.html

錯誤處理

• 股票代碼無效 → 提示正確格式
• 數據下載失敗 → 建議檢查網絡或代碼
• 無協整關係 → 建議其他股票對
• 參數不合理 → 提供默認值建議

Configuration

默認參數

{
  "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
}

可調整參數

參數	描述	建議範圍
entry_threshold	Z-Score入場閾值	1.5–3.0
exit_threshold	Z-Score出場閾值	0.3–1.0
stop_loss	止損閾值	3.0–5.0
window_size	動態β計算窗口	30–90天
transaction_cost	交易成本（單邊）	0.001–0.003

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：自定義參數（港股）

User: 幫我用入場2.5、止損4.0回測1398.HK和0939.HK
AI: 好的，使用入場閾值2.5、止損4.0回測1398.HK和0939.HK...
    (分析完成，輸出報告)

示例3：指定時間範圍

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

Dependencies

系統依賴

• Python 3.8+
• pip（Python包管理器）

Python包

• yfinance：股票數據下載
• pandas：數據處理
• numpy：數值計算
• statsmodels：統計檢驗
• matplotlib：圖表生成

自動安裝

如果缺少依賴，Skill會自動嘗試安裝：

pip install yfinance pandas numpy statsmodels matplotlib

Troubleshooting

常見問題

1. 數據下載失敗

   • 檢查網絡連接
   • 確認股票代碼正確
   • 嘗試縮短時間範圍

2. 依賴安裝失敗

   • 確保Python 3.8+
   • 使用 pip install --upgrade pip
   • 嘗試單獨安裝每個包

3. 無協整關係

   • 嘗試不同股票對
   • 調整時間範圍
   • 考慮行業相關性

4. 圖表生成失敗

   • 檢查matplotlib安裝
   • 確保有寫入權限
   • 嘗試減少數據量

調試命令

# 檢查環境
python3 --version
pip list | grep -E "yfinance|pandas|statsmodels|matplotlib"

# 手動測試
python3 scripts/statistical_arbitrage.py --stock1 AAPL --stock2 GOOGL

Security Notes

• 所有數據處理在本地進行
• 不收集或上傳用戶數據
• 股票數據來自公開API（yfinance）
• 腳本開源可審計

---

版本：1.0.3
更新日期：2026-03-28
作者：統計套利策略團隊
支持：通過OpenClaw對話獲取幫助