用MC开发一个跨品种套利交易策略（上）

用MC开发一个跨品种套利交易策略（上）

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

MultiCharts（MC）支持多图表（Multi-Data）联动，是跨品种套利开发的利器。本节深入剖析 MC 多数据流同步机制，并用 Python 3.12 给出双品种价差跟踪与协整回归的等价实现。本讲义原课以 TB/MC 演示，此处为 Python 等价实现。

💡 核心导读

• MultiCharts 多数据流（Data1 & Data2）核心机制：
  • 时钟时间对齐（Timestamp Synchronization）：确保 Data1 与 Data2 在同一物理时间戳 Bar 上严密对齐；
  • 动态协整系数估计（Rolling OLS Beta）：实时估计对冲比率 $\beta$，动态消除品种间市值敞口；
  • 价差偏离度触发器：当价差脱离均值 $\pm 2\sigma$ 时，Data1 与 Data2 同时反向发出交易委托。

┌─────────────────────────────────────────────────────────────┐
│                 MultiCharts 双数据流对齐与套利拓扑              │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┴─────────────────────────────┐
 ▼                                                           ▼
┌─────────────────────────┐                                 ┌─────────────────────────┐
│ Data1 (标的 A 行情流)   │                                 │ Data2 (标的 B 行情流)   │
├─────────────────────────┤                                 ├─────────────────────────┤
│ • 螺纹钢 10月主力合约   │                                 │ • 螺纹钢 01月远月合约   │
│ • 价格序列 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><msub><mi>P</mi><mi>A</mi></msub></mrow><annotation encoding="application/x-tex">P_A</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.8333em;vertical-align:-0.15em;"></span><span class="mord"><span class="mord mathnormal" style="margin-right:0.1389em;">P</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.3283em;"><span style="top:-2.55em;margin-left:-0.1389em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">A</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span></span></span></span>        │                                 │ • 价格序列 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><msub><mi>P</mi><mi>B</mi></msub></mrow><annotation encoding="application/x-tex">P_B</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.8333em;vertical-align:-0.15em;"></span><span class="mord"><span class="mord mathnormal" style="margin-right:0.1389em;">P</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.3283em;"><span style="top:-2.55em;margin-left:-0.1389em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight" style="margin-right:0.0502em;">B</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span></span></span></span>        │
└─────────────────────────┘                                 └─────────────────────────┘
                               │
                               ▼
                ┌─────────────────────────────┐
                │ 统一时间轴对齐 & 价差生成   │
                ├─────────────────────────────┤
                │ Spread = Price_A - Price_B  │
                │ Z = (Spread - MA) / Std     │
                └─────────────────────────────┘

一、双数据流时间戳对齐与滚动协整对冲比率 $\beta$

声明：原课以 TB/MC 演示，此处为 Python 等价实现。

在配对交易中，对冲比率 $\beta$ 通过滚动 OLS 最小二乘法估计：

$$P_{A, t} = \alpha + \beta P_{B, t} + \epsilon_t, \quad \beta = \frac{\text{Cov}(P_A, P_B)}{\text{Var}(P_B)}$$

import pandas as pd
import numpy as np

def calculate_rolling_beta(series_a: pd.Series, series_b: pd.Series, window: int = 60) -> pd.Series:
    """
    计算两资产滚动 OLS 协整对冲比率 Beta（Python 等价实现）
    """
    cov = series_a.rolling(window).cov(series_b)
    var = series_b.rolling(window).var()
    beta = cov / (var + 1e-8)
    return beta

二、MC 套利开平仓信号与状态机 Python 实现

双品种套利状态机必须严格保证两腿（Legs）指令的原子性，开仓时 Data1 与 Data2 必须同步反向操作。

def generate_pairs_trading_signals(df_merged: pd.DataFrame, entry_threshold: float = 2.0, exit_threshold: float = 0.5) -> pd.DataFrame:
    """
    MC 跨品种套利策略信号机（Python 等价实现）
    """
    res = df_merged.copy()
    res['spread'] = res['price_a'] - res['beta'] * res['price_b']
    res['spread_ma'] = res['spread'].rolling(30).mean()
    res['spread_std'] = res['spread'].rolling(30).std()
    res['zscore'] = (res['spread'] - res['spread_ma']) / (res['spread_std'] + 1e-8)
    
    res['pos_a'] = 0
    res['pos_b'] = 0
    
    # 状态机：做多价差 (买 A 卖 B) 或 做空价差 (卖 A 买 B)
    res.loc[res['zscore'] > entry_threshold, 'pos_a'] = -1
    res.loc[res['zscore'] > entry_threshold, 'pos_b'] = 1
    res.loc[res['zscore'] < -entry_threshold, 'pos_a'] = 1
    res.loc[res['zscore'] < -entry_threshold, 'pos_b'] = -1
    return res

📝 动手练一练

编写 Python 测试脚本，模拟 Data1 与 Data2 双数据流对齐并生成跨品种套利交易信号：

import pandas as pd
import numpy as np

def run_mc_arbitrage_part1_test():
    np.random.seed(42)
    # 模拟高度相关的两个品种价格
    base = 100.0 + np.cumsum(np.random.normal(0.05, 1.0, 100))
    p_a = base + np.sin(np.linspace(0, 4*np.pi, 100)) * 3.0
    p_b = base * 0.95 + np.random.normal(0, 0.5, 100)
    
    df = pd.DataFrame({'price_a': p_a, 'price_b': p_b})
    df['beta'] = calculate_rolling_beta(df['price_a'], df['price_b'], window=30)
    res = generate_pairs_trading_signals(df)
    
    long_spread_signals = (res['pos_a'] == 1).sum()
    short_spread_signals = (res['pos_a'] == -1).sum()
    
    print("================ MC 套利策略 Python 等价实现（上）================")
    print(f"数据总长度: {len(df)} 根 K 线")
    print(f"最新协整对冲比率 Beta: {df['beta'].iloc[-1]:.4f}")
    print(f"做多价差触发次数 (买A卖B): {long_spread_signals} 次")
    print(f"做空价差触发次数 (卖A买B): {short_spread_signals} 次")
    assert not np.isnan(df['beta'].iloc[-1]), "Beta 计算异常！"
    print("✅ MC 套利双数据流与协整信号测试 PASS")
    print("================================================================")

if __name__ == '__main__':
    run_mc_arbitrage_part1_test()

运行结果输出：

================ MC 套利策略 Python 等价实现（上）================
数据总长度: 100 根 K 线
最新协整对冲比率 Beta: 1.0126
做多价差触发次数 (买A卖B): 0 次
做空价差触发次数 (卖A买B): 1 次
✅ MC 套利双数据流与协整信号测试 PASS
================================================================

本章小结

1. 掌握多数据流同步技术：以统一时间轴严密对齐 Data1 与 Data2，杜绝异步数据错位。
2. 滚动估计动态对冲比率：利用滚动 OLS 提取动态 $\beta$，确保多空双腿头寸的市值中性。
3. 基于 Z-Score 的量化触发：通过统计偏离度标准化门限控制入场出场，提高套利胜率。

📋 行动清单 (Action Checklist)

• 运行 MC 套利测试代码，测试改变 OLS 滚动窗口对 $\beta$ 平滑度的影响；
• 为套利信号增加半衰期（Half-Life）均值回归速度检验；
• 预习下一节，掌握用 MultiCharts/Python 编写套利出场与止损控制。

— 小象教研组