时间序列 phi AR(1) （序列的一阶自相关系数）的用法

phi 的含义

phi 是 AR(1) 模型的系数，表示价差序列的一阶自相关系数：

• phi < 0：均值回归（负相关，价差会反向调整）
• phi 越接近 -1：回归倾向越强
• phi >= 0：无均值回归特性

具体使用场景

1. 动态调整 Z-score 阈值

当前代码使用固定阈值：

ZSCORE_THRESHOLD_LONG = 0.2
ZSCORE_THRESHOLD_MIDDLE = 1.5
ZSCORE_THRESHOLD_SHORT = 1.8

使用 phi 动态调整：

def get_dynamic_zscore_threshold(phi: float, base_threshold: float) -> float:
    """
    根据phi动态调整Z-score阈值
    
    原理：
    - phi越负（如-0.5），回归倾向越强 → 可以降低阈值（更敏感）
    - phi接近0（如-0.1），回归倾向弱 → 需要提高阈值（更保守）
    """
    if phi >= 0:
        # 无回归特性，大幅提高阈值（几乎不开仓）
        return base_threshold * 5.0  
    elif phi <= -0.5:
        # 强回归倾向，可以降低阈值
        return base_threshold * 0.7
    elif phi <= -0.3:
        # 中等回归倾向，略微降低阈值
        return base_threshold * 0.9
    else:
        # 弱回归倾向，提高阈值
        return base_threshold * 1.3

# 使用示例
phi = result['phi']  # 从健康监控结果获取
adjusted_threshold = get_dynamic_zscore_threshold(phi, self.ZSCORE_THRESHOLD_LONG)
if abs(zscore) > adjusted_threshold:
    # 开仓信号

2. 评估交易信号的可靠性

在 zscore_analysis 方法中，使用 phi 评估信号强度：

def zscore_analysis(self, coin: str, price_data_cache: dict, phi: float = None) -> bool:
    """
    增强版：加入phi评估信号可靠性
    """
    # ... 现有代码 ...
    
    # 如果phi可用，评估信号可靠性
    if phi is not None:
        if phi >= 0:
            # 无回归特性，拒绝所有信号
            logger.warning(f"phi={phi:.3f} >= 0，无均值回归特性，拒绝交易信号 | 币种: {coin}")
            return None
        
        # 计算信号强度系数
        signal_strength = abs(phi)  # phi越负，信号越强
        
        if signal_strength < 0.1:
            logger.warning(f"phi={phi:.3f}，回归倾向极弱，信号不可靠 | 币种: {coin}")
            return None
        
        # 根据phi调整阈值
        phi_multiplier = 1.0 / signal_strength  # phi=-0.5时，multiplier=2.0
        adjusted_threshold_long = self.ZSCORE_THRESHOLD_LONG * phi_multiplier
        
        if abs(direction) < adjusted_threshold_long:
            logger.info(f"phi={phi:.3f}，调整后阈值={adjusted_threshold_long:.2f}，Z-score={direction:.2f}未达标 | 币种: {coin}")
            return None

3. 计算预期持仓时间

phi 与半衰期相关，可用于估算持仓时间：

def estimate_holding_period(phi: float, current_zscore: float) -> float:
    """
    根据phi和当前Z-score估算预期持仓时间
    
    原理：
    - 半衰期 = -log(2) / log(1 + phi)
    - 预期回归到均值的时间 ≈ 半衰期 × log(|zscore|) / log(2)
    """
    if phi >= 0 or phi <= -1:
        return float('inf')  # 无法回归
    
    halflife = -np.log(2) / np.log(1 + phi)
    
    # 估算回归到均值的时间（假设回归到0.5倍标准差）
    target_zscore = 0.5
    if abs(current_zscore) < target_zscore:  
        return 0  # 已经接近均值
    
    # 使用对数衰减模型估算
    periods = halflife * np.log(abs(current_zscore) / target_zscore) / np.log(2)  
    
    return max(1, int(periods))

# 使用示例
phi = result['phi']
current_zscore = 2.5
expected_periods = estimate_holding_period(phi, current_zscore)
logger.info(f"预期持仓时间: {expected_periods} 个周期（基于phi={phi:.3f}）")

4. 风险控制：过滤弱回归信号

在开仓前检查 phi：

def should_open_position(zscore: float, phi: float, halflife: float) -> tuple[bool, str]:
    """
    综合判断是否应该开仓
    
    Returns:
        (should_open, reason)
    """
    # 检查1：phi必须为负（有回归特性）
    if phi >= 0:
        return False, f"phi={phi:.3f} >= 0，无均值回归特性"
    
    # 检查2：phi不能太接近0（回归倾向太弱）
    if phi > -0.05:
        return False, f"phi={phi:.3f}，回归倾向极弱"
    
    # 检查3：半衰期不能太长（回归太慢）
    if halflife > 50:
        return False, f"半衰期={halflife:.1f}期，回归太慢"
    
    # 检查4：Z-score必须足够大
    if abs(zscore) < 1.0:
        return False, f"Z-score={zscore:.2f}，偏离不够大"
    
    # 检查5：根据phi调整Z-score要求
    min_zscore = 1.5 / abs(phi)  # phi=-0.3时，需要Z-score>5.0
    if abs(zscore) < min_zscore:
        return False, f"Z-score={zscore:.2f} < 调整后阈值{min_zscore:.2f}"
    
    return True, "所有条件满足"

# 使用示例
health_result = monitor.update(logA, logB)
phi = health_result.get('phi')  # 需要从diagnostics中提取，或提升到主返回
halflife = health_result['halflife']
zscore = self._calculate_zscore(...)

should_open, reason = should_open_position(zscore, phi, halflife)
if should_open:
    # 执行开仓
else:
    logger.info(f"拒绝开仓: {reason}")

5. 仓位管理：根据 phi 调整仓位大小

def calculate_position_size(base_size: float, phi: float, halflife: float) -> float:
    """
    根据phi和半衰期调整仓位大小
    
    原理：
    - phi越负，回归倾向越强 → 可以加大仓位
    - 半衰期越短，回归越快 → 可以加大仓位
    """
    if phi >= 0:
        return 0  # 无回归特性，不开仓
    
    # phi强度系数（0-1）
    phi_strength = min(1.0, abs(phi) / 0.5)  # phi=-0.5时为1.0
    
    # 半衰期系数（半衰期越短，系数越大）
    halflife_coefficient = max(0.3, min(1.0, 10 / halflife))  # 半衰期=10时为1.0
    
    # 综合调整系数
    adjustment = (phi_strength + halflife_coefficient) / 2
    
    return base_size * adjustment

# 使用示例
base_position = 1000  # 基础仓位
adjusted_position = calculate_position_size(base_position, phi, halflife)
logger.info(f"基础仓位: {base_position}, 调整后仓位: {adjusted_position:.0f} (phi={phi:.3f}, halflife={halflife:.1f})")

总结

将 phi 提升到主返回结果后，可用于：

1. 动态调整 Z-score 阈值（根据回归强度）
2. 评估信号可靠性（过滤弱信号）
3. 估算持仓时间（结合半衰期）
4. 风险控制（开仓前验证）
5. 仓位管理（根据回归强度调整仓位）