标签： #均值回归

经典协整配对交易最别扭的一步是：回归得到的对冲比例 β 是「全样本固定值」，可真实市场里 β 一直在漂移。本文用卡尔曼滤波（状态空间模型）把 β 写成随时间演化的状态变量，逐根 K 线在线更新对冲比例，让价差始终贴着真实均衡。合成协整对实跑：β 在 [0.87, 1.23] 缓慢摆动，卡尔曼 RMSE 仅 0.29、价差波动 0.76（固定回归 1.87）；动态对冲策略 Sharpe 2.62、回撤 −9.8%，显著优于固定对冲的 Sharpe 1.18、回撤 −88.8%。附完整 Python 与六类真实陷阱(中阶)。

股市有个反直觉的事实：几乎所有长期收益都发生在「隔夜」(昨收→今开)，而「日内」(今开→今收)几乎不赚钱甚至略亏。Berkman-Jacobsen-Lee(2012)「Stocks Go Up by Night」和 Liu-Luo-Zhang(2019)把这件事坐实。本文用合成面板证明：①指数层面隔夜年化 +10.9% vs 日内 −1.4%；②隔夜跳变与同日日内收益横截面 rank-IC = −0.32(反转)；③按隔夜跳变做十档，同日日内收益从 D1 +0.87% 单调滑到 D10 −0.86%(t≈341)。附完整 Python 与六类真实陷阱(中阶)。

经典动量(12 个月)在拐点最痛——刚追进去就反转。但比动量更短、更干净的，是 1 个月尺度的「短期反转」：过去一个月涨得最多的股票，下个月倾向于回吐。本文把它拆进「隔夜 vs 日内」两个成分：隔夜收益是近乎纯噪声、且快速均值回复的过度反应，日内收益才承载真实信息与(轻微)动量。合成面板实跑：按过去 1 月隔夜收益排序买输家卖赢家，十分位严格单调下滑、多空年化 22%，而日内动量年化仅 3.4%；rank-IC 随持有期从 1 月的 −0.058(反转)翻正到 12 月的 +0.209(动量)——这正是「期限越短越反转、越长越动量」的教科书式 flip。附完整 Python 与六类真实陷阱(中阶)。

VIX 是市场恐慌的体温计, 但它不是一个随机游走的噪声——它是一个强均值回复过程: 恐慌冲到极端后迟早要落回长期均值, 平静压到极低后迟早要反弹。本文先用 OU 过程拟合 VIX, 估计出回复速度 kappa≈4.84/年、半衰期≈36 个交易日, 并用 ACF 的慢衰减坐实『均值回复』这件事; 再把这套回复特性做成波动率目标化覆盖层: 目标波动恒定、仓位=目标波动/VIX推导波动, 于是 VIX 高(恐慌)自动去杠杆、VIX 低(平静)自动加杠杆——因为 VIX 强均值回复, 这套杠杆会『恐慌时收手、平静时出手』自动周期化。对比始终满仓, 该覆盖层在 15 年合成样本里把年化波动从 19.0% 压到 13.3%、最大回撤从 -42.0% 砍到 -34.2%、与买入持有相关降到 0.71(它本质仍是股票多头, 区别只在风险预算); 代价是 Sharpe 从满仓的 0.32 小幅降到 0.18——这是用一点收益换更低尾部风险与更分散风险来源的对价, 不是 bug。附完整 Python 与五类真实陷阱(中阶)。

配对交易、统计套利、波动率聚类的本质问题都是「它多久回归一次均值？」OU 过程把均值回归写成 dx=κ(θ−x)dt+σdW，并给出一个干净的量：半衰期 HL=ln2/κ。本文用 AR(1) 斜率反推 κ 与 HL，并点明单位根、跳变、时变 κ 三大真实陷阱。

深入讲解统计套利的核心思想，配对交易与协整分析，均值回归策略的构建方法，并提供完整的Python实现代码示例。适合量化交易从业者和爱好者阅读。