如何理解Phi值

phi 值的含义

phi 是 AR(1) 模型中的一阶自回归系数，用于衡量价差的均值回归强度。

1. 模型背景

在 _halflife_score 方法中（第180-183行），拟合了以下模型：

            spread_lag = spread.shift(1).iloc[1:]
            delta = spread.diff().iloc[1:]

            model = sm.OLS(delta, sm.add_constant(spread_lag)).fit()

模型形式为：

Δspread_t = α + φ × spread_{t-1} + ε_t

其中：

• delta = Δspread_t（价差的一阶差分）
• spread_lag = spread_{t-1}（滞后一期的价差）
• phi = φ（自回归系数）

2. phi 的数值含义

• phi < 0：存在均值回归（负反馈）
  • 价差偏离均值时，会向均值回归
  • 绝对值越大，回归越快
• phi = 0：无均值回归（随机游走）
• phi > 0：发散（正反馈，不健康）

3. 代码中的判断逻辑

            # 稳健性检验3：phi 边界条件
            if phi >= 0:
                return 0, np.inf, "NO_MEAN_REVERSION", model
            elif phi <= -1:  # 修正：从-2改为-1
                return 0, np.inf, "OVER_CORRECTION", model

• phi >= 0：无均值回归，协整关系失效
• phi <= -1：过度修正，模型不稳定
• 理想范围：-1 < phi < 0

4. 与半衰期的关系

            try:
                halflife = np.log(2) / np.log(1 / (1 + phi))

半衰期表示价差偏离均值后，回归到一半所需的时间。phi 越接近 -1，半衰期越短，回归越快。

5. 实际应用

在第89行提取 phi 值，用于：

• 诊断协整关系的健康度
• 评估均值回归速度
• 作为监控指标输出

总结：phi 是衡量价差均值回归强度的核心参数，负值表示存在均值回归，绝对值越大回归越快，是评估协整关系质量的重要指标。