QuantWeft量化经纬
English
在线教材中文
本章小节

Project 5 — 筛选准备层（Pairs Trading preparation）

状态：准备层，不是完整的 Project 5。 没有 entry/exit、双腿成本、卖空融资、仓位或回测；不得把本目录的任何结果写成“配对交易策略已完成”或“筛选出的配对有收益优势”。A5准备层已有历史限定接受；这里只继承该诊断身份，不登记真实策略verified。

这里有什么、没有什么

内容 状态 文件
冻结的筛选规则（α\alpha、BH 的 qq、Engle–Granger 的趋势项、两个训练窗口、模拟种子）与其 SHA-256 有（本地文件哈希，不是外部预注册） configs/screening_rules.json
训练段 correlation 与 Engle–Granger 协整筛选、hedge ratio、测试次数与临界值的报告 有（先切出训练段再交给共享 helper 校验与筛选，训练段之后的缺失值不影响筛选能否运行；之后窗口单独校验完整性，缺失时报错） screening_layer.py
训练段之后窗口的 frozen spread 诊断（半衰期、ADF 的 pp） 有（诊断，不是评价策略） 同上
反例：相关≠协整；hedge ratio≠资本权重；零假设下的假阳性数；“选最好的一对”的选择效应 有 同上；tests/test_p05_screening.py
Notebook（冷启动）与图 有 notebooks/p05_screening.ipynb；figures/a5/p05_screening.png
数据字典、来源可行性、时间字段、缺口表 有 data_dictionary.md、source_feasibility.md、gap_table.md
entry/exit、风控、交易滞后、空仓状态 没有 —
双腿成本、卖空与融资、借券可得性、失配风险 没有 —
个股或 ETF 的真实调整后价格、公司行动、历史股票池 没有（缺项） 见 gap_table.md

真实与构造的标记

数据或结果 类别 说明
French 10 行业价值加权月收益复利成的 total-return 指数代理（1926-07 至 2026-08） 真实，聚合，已修订，非时点，不可交易 10 个行业组合，不是证券，不能借券或下单；用于演示训练段筛选与诊断。哈希核对见 quant_course.french_frozen
第 17 章的两个模拟序列（共同趋势不协整；协整对） 构造 只用于“相关≠协整”的反例
10 个独立随机游走的零假设校准与“选最好一对”的选择效应 构造 已知所有配对都是零假设，用于展示假阳性与选择偏误

运行

本节命令定位A5历史筛选诊断及测试；不是本批重新运行，也不是P5三对构造Notebook或c5完整网格。普通读者主路线见项目导读，不会覆盖这里的历史结果。

.venv/bin/python projects/project05/preparation/screening_layer.py
.venv/bin/python -m pytest tests/test_p05_screening.py -q

结果写入 qa/a5/claude/results/p05/p05_screening_results.json 与 figures/a5/p05_screening.png；输出已存在时拒绝覆盖。独立复算脚本：qa/a5/claude/recompute/p05_recompute.py（直接调用 statsmodels 的 coint、adfuller 与 numpy，不调用 quant_course.cointegration）。

实测结果（真实聚合数据；只描述，不是策略证据）

测试次数与临界值。 两个训练窗口，每个窗口 10 个行业的全部 45 个无序对，共 90 次配对检验（另有零假设与选择效应的模拟，不计入真实数据的检验数）。Engle–Granger 用 statsmodels coint（含截距）的 MacKinnon 协整临界值：窗口一（训练到 1963-06，444 个月）5% 临界值 −3.350-3.350（1% 为 −3.921-3.921，10% 为 −3.054-3.054）；窗口二（训练到 1999-12，882 个月）5% 临界值 −3.343-3.343。普通 ADF 的 5% 临界值（约 −2.87-2.87）不适用于估计过的残差。Bonferroni 的逐对 pp 阈值：每个窗口 0.05/45=0.001110.05/45=0.00111；90 次合计 0.05/90=0.0005560.05/90=0.000556（本表不据此改判）。Benjamini–Hochberg 的 qq 值是探索性 FDR 校正，配对共用序列，独立或 PRDS 条件未被证明（cointegration.py 的说明）。

训练窗口 配对数 p<0.05p<0.05 零假设下预期的假阳性个数（45×0.0545\times0.05） BH q<0.10q<0.10 p<0.00111p<0.00111
1926-07 至 1963-06 45 5 2.25 1 1
1926-07 至 1999-12 45 6 2.25 0 0

唯一通过 BH 的配对。 窗口一：Durbl（耐用品）对 Manuf（制造业）：EG 统计量 −4.871-4.871，p=0.0003p=0.0003，q=0.0127q=0.0127；训练段 hedge ratio（对数指数水平回归，y=α+βxy=\alpha+\beta x）β=1.126\beta=1.126；训练段对数水平相关 0.994，月对数收益相关 0.895；训练段半衰期约 19 个月。用冻结的 α,β\alpha,\beta 看之后的 1963-07 至 1999-12：spread 的半衰期约 239 个月，标准差从 0.142 升到 0.251，ADF 对冻结 spread 的 p=0.89p=0.89（没有均值回复的证据）。窗口二没有配对通过 BH。

零假设校准（构造：10 个独立随机游走，444 个月，200 次重复）。 平均每次有 2.81 个配对在 5% 水平“显著”（若各检验零假设p值均校准，期望线性给出2.25，不需要检验独立）；80% 的重复至少有一个“显著”配对；BH（q=0.10q=0.10）平均 0.335 个，14% 的重复有至少一个 BH 通过。选择效应：在每个重复里选训练 pp 最小的一对，其训练 pp 均值 0.029，81% 低于 0.05；用冻结 hedge ratio 看之后 120 个月，其 spread 的 ADF pp 均值 0.476，只有 4% 低于 0.05（全部配对在构造上都是零假设）。

相关≠协整（构造）。 共同趋势、不协整的一对：水平相关 0.983、月变化相关 0.960，EG p=0.339p=0.339（统计量 −2.37-2.37，5% 临界值 −3.35-3.35）；协整的一对：水平相关 0.999、变化相关 0.967，EG p≈10−13p\approx10^{-13}。变化的相关系数几乎一样，区分不了它们。hedge ratio≠资本权重（另一个水平价格回归算例）：Py=a+bPx+eP_y=a+bP_x+e，b=1.5b=1.5（单位share_x/share_y）、Py=120P_y=120、Px=40P_x=40：多 1 单位 yy（价值 120）、空 1.5 单位 xx（价值 60），按毛暴露180计的绝对资本份额是 2/32/3 与 1/31/3，带符号权重为 +2/3+2/3 与 −1/3-1/3，净美元暴露 60，不是 1.51.5 倍资本。

这里的b不是上文对数回归的弹性。若对数弹性beta=1.5，Y=120、X=40，多1股Y需一阶空4.5股X（180美元），不是1.5股。共享helper的水平价格含义正确，历史JSON该算例的beta字段名称沿用，其语义是这里的水平b；不改helper或历史JSON。该一阶对冲以系数冻结、残差不变为条件，不能消除全部价差风险。

能说什么，不能说什么。 可以说：在 10 个行业组合的真实聚合数据上，训练段只筛出一个通过 BH 的配对，它在训练之后的窗口里没有保持均值回复；零假设下 45 次检验平均有约 2.8 个未经校正的“显著”，所以不能仅凭未校正的 p<0.05p<0.05 个数（5 与 6）排除偶然；选最好一对的训练显著性不能外推。不能说：这些行业组合是可交易的配对；一对通过筛选就有收益；任何关于成本、融资、卖空、容量或协整破坏原因的结论；“没有通过筛选”等于“没有协整”（检验功效有限，444 个月、10 个行业的样本也很特殊）。

时间字段（摘要，详见 data_dictionary.md）

event_time：行业组合收益覆盖的日历月；available_at：数据库没有记录，已修订历史，所以不是时点；signal_time：训练窗口最后一个月的月末（1963-06 或 1999-12）；筛选与 hedge ratio 只用 ≤\le 它的数据；trade_time：未定义（本层不交易）；return interval：日历月；label interval：无（筛选在水平上做，不用未来收益作标签）。

搜索教材

输入关键词开始搜索。