均值回归策略是一种经典的量化交易策略，它基于资产价格会在某个区间内波动并最终回到其均值的假设。下面详细介绍如何使用 Python 编写一个简单的均值回归策略，并提供完整的代码示例。 --- ### 1. **均值回归策略的核心逻辑** - 使用历史数据计算资产价格的时间序列。 - 计算时间序列的均值和标准差。 - 当价格显著偏离均值时（例如超出均值加减两倍标准差），认为存在反转机会。 - 设置买入/卖出信号： - 如果当前价格低于 `均值 - k * 标准差`，则发出买入信号。 - 如果当前价格高于 `均值 + k * 标准差`，则发出卖出信号。 - 平仓条件：当 Z 分数接近零时，平掉头寸。 --- ### 2. **Python 实现** #### （1）导入必要的库 ```python import numpy as np import pandas as pd from scipy.stats import zscore ``` #### （2）定义辅助函数 ##### a. 计算 Z 分数 Z 分数表示当前价格距离均值的标准偏差单位数。 ```python def calculate_zscore(prices): """ 计算给定价格序列的 Z 分数。 :param prices: 价格序列 (list 或 array) :return: Z 分数数组 """ return zscore(prices, nan_policy='omit') ``` ##### b. 均值回归策略生成器 ```python def mean_reversion_strategy(prices, threshold=2.0): """ 基于 Z 分数生成均值回归交易信号。 :param prices: 价格序列 (list 或 array) :param threshold: 阈值，默认为 2 表示 ±2σ :return: DataFrame 包含 'Signal' 列 (-1 卖出, 0 持有, 1 买入) """ df = pd.DataFrame({'Price': prices}) # 计算 Z 分数 df['Z_Score'] = calculate_zscore(df['Price']) # 初始化信号列 df['Signal'] = 0 # 生成买入/卖出信号 df.loc[df['Z_Score'] > threshold, 'Signal'] = -1 # 卖出信号 df.loc[df['Z_Score'] < -threshold, 'Signal'] = 1 # 买入信号 df.loc[np.abs(df['Z_Score']) < 0.5, 'Signal'] = 0 # 平仓信号 return df[['Price', 'Z_Score', 'Signal']] ``` #### （3）模拟运行策略 ##### a. 创建测试数据 ```python np.random.seed(42) # 固定随机种子以便复现实验结果 prices = np.cumsum(np.random.randn(100)) + 100 # 模拟价格序列 ``` ##### b. 应用策略 ```python df_strategy = mean_reversion_strategy(prices) print("均值回归策略的结果:") print(df_strategy.head()) ``` ##### c. 可视化结果 ```python import matplotlib.pyplot as plt plt.figure(figsize=(12, 6)) plt.plot(df_strategy.index, df_strategy['Price'], label="Price", color="blue") # 绘制买入/卖出信号 buy_signals = df_strategy[df_strategy['Signal'] == 1] sell_signals = df_strategy[df_strategy['Signal'] == -1] plt.scatter(buy_signals.index, buy_signals['Price'], marker='^', color='green', label="Buy Signal") plt.scatter(sell_signals.index, sell_signals['Price'], marker='v', color='red', label="Sell Signal") plt.title("Mean Reversion Strategy with Buy/Sell Signals") plt.xlabel("Time Step") plt.ylabel("Price") plt.legend() plt.grid(True) plt.show() ``` --- ### 3. **解释与扩展** - 上述代码实现了基本的均值回归策略，通过 Z 分数动态调整买入/卖出点位[^1]。 - 用户可以根据需求进一步优化： - 添加滑点和手续费的影响。 - 引入滚动窗口机制更新均值和标准差。 - 将策略应用于真实市场数据，结合回测工具评估性能。 --- ###