量化交易系统信号挖掘核心算法1
两种资产的绝对价格长期是存在某种协整关系的均衡关系的。嗯，这种均衡关系就体现在价差上。价差是相对平稳的，这是一个大的假设前提
哎，如何计算这种价差呢？那就是对历史数据进行采样，采样点非常关键，每个采样点之间的间距大或小，控制在多少比较合理。这是要非常关注的，不同采样点间距，不同采样点的密度，得出来的结果可能都是不一样，太小，太密集，不精准，会上下跳动，会随机游走。太长呢，那可能敏感度又太低啊，不能够跟随行情的变化和它们之间协整关系的变化，来能够实时反馈出来。所以要精确把握好这个采样点之间的间距。那当这个间距达到理想值的时候，真正确定好这个间距的时候，再去采样。
好，基于采样结果计算这个加强序列的平均值和它的标准差。
然而，这个平均值和标准差，这个不同的采样周期，也就是说，采样点落在不同的周期可能都是不同的。那怎么样能够贴近的反反馈真实的情况呢？当前市场的正实状态呢？那就是让采样周期尽可能的贴近于当前，比方说最近的最近的10天、20天或者是5天3天，尽可能的贴近当前的周期。哎，贴近当前周期多长，这个阈值要很好的去衡量啊，一定要找到最合理最精确的阈值，然后来确定这个采样周期
当采样点的密度和采样周期都调整到一个极其理想的阈值的时候，那么我们就得到了一个比较合理的价差序列，也就是我们最为想要的目标加查序列
标准差的E是每一个采样点，它偏离平均值的程度，它是一个平均值
当价差波动极其平稳的时候，趋向于恒定值的时候，那标准差就趋向于零，也就是说，大伙很平均，每个人都一样。但这种关系基本上不存在啊，就像社会很平均，每个人都很平等，这种不不同存在，贫富差距大的时候，那就意味着标准差比较大，就是最小值和最大值中间的差值很大。虽然说平均值可能都是一样的，但是他这个每个数据点距离平均值的这个差值会很大。而这个差值就能够反映出标准差。所有数据点的差值给它做一个平均，然后开根号，那就是标准差
而当在某个周期内价差波动比较剧烈的时候，价差不均衡的时候，价差比较随机的时候，那是不是意味着这个时候他们就不存在协整关系了呢？就是没有相关性的呢？也不是啊，不一定，我们还是假设这种协整性比较差，相关性比较差，价差比较随机的这样一个统计周期，他们依然是存在相关性的，也就是说，我们假定这个背景是合理的，没问题，好，基于这个合理的背景，再做下一步计算
既然不管标准差大还是小都是合理的，那么我们就拿最新的一个数据点，也就是最新的价格去减去它平均的标准差。我们看当前最新的价格仅偏离平均标准差有多远啊，那平均标标准差不管它是多大都是合理的，那我们要确定当前最新的价格。它偏离，不管它的基准是合理还是不合理，偏离它的基准程度有多大啊，它如果本身就不合理的，那那更加不合理了，那就是不合理，上面加不合理，那如果它本身是合理的，那。偏离一部分不合理了，那就稍微不合理，它同样是不合理啊，所以我们并不关注。价差本身的合理性与。
是只关注当前最新价格，基于它价差序列标准差的偏离幅度，如果偏离标准差很大，那么就是有问题的
好，那我们就把最终得到的这个计算结果叫做叫标准差偏离评分
哎，不管它价格是如何波动，不管是价差如何波动，均衡与否，相关性大或小啊，斜整程度高或低，这些东西都不重要。在多层降噪和多层的抽象之后，那最终只需要关注的就是标准差的偏离评分
好，现在再回到我们最原始选定的标的资产A和资产B，那么他们之间一定是存在某种经济意义上的关系的。这种经济意义上的关系就像白银和黄金，长期是存在均衡关系的，他们的价格是相对跟随的，短期可能会破裂，但是很快会修复。所以他们长期来说是存在协整关系和皮尔逊相关性的
所以呢，有这样一个背景作为支撑，他不管价格如何波动，价差如何波动，驾车平稳与否，那么在较高抽象层次的较高抽象维度的当前，最新价格偏离标准差幅度的这个评分其实是相对稳定的。他可能去始终是受到某种引力，某种巨大的力量牵扯和束缚。这种力量就是他们长期的均衡关系，和他们存在经济意义的这样一个力量
所以既然这个值是相对恒定的，比方说它的阈值就是2。那它当它超过R的时候，那这个价格可能就偏移幅度过大了，它有一个回归的预期。那在2以内可能相对比较合理，也就是说偏离标准，它的幅度不是很高啊，它是一个合理的偏离，它是正常的偏离，它是正常现象，它是价格的正常波动，它即使说。价差拉大了，或者是是说是缩小了，那它是基于当前最新状态背景的一个合理的变动，它是合理的，它不是问题，它不是错误，而当超过R的时候，那么它偏离标准差的幅度就。过高了啊，这是不合理的。这是相对于我们假定的前提，他们存在均衡关系，长期存在巨大相关性，并且有经济意义的两个资产的。
这样一个背景假设的否定了，那这个否定肯定不行，这个否定必须得被否定。比如说这个信号是错误的，这是有问题的，这个价格波动是不对的啊，他必须回来。所以这个信号它其实就是一个算法对于当前价格的信号的发现，它可能就是一个开仓的信号