统计 / 反转
难度：新手
#反转#统计#布林带#震荡
均值回归（布林带 / Z-Score）
通俗理解
价格偏离'正常中枢'太远就会拉回，像被拉长的橡皮筋终会弹回。跌过头就买、涨过头就卖。
✅ 优点
- 震荡市胜率较高
- 逻辑直观易懂
- 回撤相对可控
- 参数含义清晰
⚠️ 缺点 / 风险
- 遇单边趋势会逆势扛单巨亏
- 需先判断序列是否平稳
- 窗口参数敏感
- 突发消息易失效
📐 标的选取方法
如何从全部可交易品种中筛出适合本策略的标的：资产范围、流动性门槛、过滤规则与容量约束。
- 可选范围：具备稳定均值的品种——宽基 ETF、利率/货币 ETF、相关性强的行业龙头、外汇主要货币对、股指期货近月合约。
- 均值存在性检验：用 ADF 单位根检验与方差比检验筛选，要求 Hurst < 0.5、回归半衰期在 5–30 个交易日之间，否则不是合适的均值回归标的。
- 流动性门槛：日均成交额 ≥ 5000 万元且盘口价差稳定；回避流动性差的中小盘个股（单笔冲击成本高）。
- 波动区间：日波动率 1%–4% 较为理想；超过 6% 通常意味着趋势或事件主导，均值回归易失效。
- 剔除规则：剔除有并购、重组、退市风险、业绩预亏等重大事件的标的；个股避开财报密集披露窗口。
- 分散要求：同一板块最多 2 个标的，避免行业性单边行情把「回归」做成「逆势加仓」。
- 常见坑：均值回归最怕趋势市，应叠加趋势过滤器（如只在 200 日均线之上做多、之下做空）。
参考代码 python
import pandas as pd def bollinger_z(close: pd.Series, window=20, k=2.0): mu = close.rolling(window).mean() sd = close.rolling(window).std() z = (close - mu) / sd signal = (z < -k).astype(int) - (z > k).astype(int) # 低估买 高估卖 return z, signal
示例为最小可运行片段，用于理解思路；实盘需补充数据、手续费、风控与回测框架。
参考文献 / 延伸
- Bollinger, J. (2001). Bollinger on Bollinger Bands.
- Poterba, J., & Summers, L. (1988). Mean Reversion in Stock Prices.
🌦️ 适用市场环境
区间震荡、波动率收敛、价格围绕中枢稳定回归的市场（成熟蓝筹横盘、价差回归、低波动环境）。
⚔️ 策略博弈关系
克制的策略
被克制的可能性
遇单边趋势或结构性破位时，被趋势跟踪与横截面动量克制，逆势扛单可能巨亏。
🌍 全球宏观与政治扰动影响分析
均值回归押注「价格终将回到中枢」。宏观稳定、央行托底时它极其稳定；一旦发生结构性断裂或流动性危机，「便宜的可以更便宜」，逆势扛单风险极高。
📈 全球宏观因子扰动
-
受益
低波动 + 央行看跌期权托底
价格围绕中枢反复回归，横盘品种与稳定价差表现最佳。
-
受益
通胀温和 / 利率平稳
宏观无重大扰动，回归假设成立，胜率高。
-
受损
流动性收缩 / 融资成本上升
价差扩大且难以收敛，持仓隔夜成本上升。
-
受损
危机 / 波动率骤升
相关性崩溃、跳空缺口不回归，逆势加仓可能爆仓（如 LTCM）。
-
受损
衰退 / 通缩
资产中枢结构性下移，历史均值失效，「越跌越买」持续亏损。
🏛️ 政治与地缘事件扰动
-
受损
禁止卖空 / 涨跌停限制
无法建立或平掉回归腿，风险敞口无法对冲。
-
受损
突发监管 / 行业整治
个股中枢断层下移，价格不再回归历史区间。
-
受损
地缘冲突 / 黑天鹅
跳空与单边走势使回归假设彻底失效。
-
受益
贸易摩擦缓和 / 政策回归常态
事件造成的异常价差向常态回归，是策略的收割窗口。
-
受损
制裁 / 退市风险
标的单边归零，协整与相关性彻底断裂，扛单即巨亏。
适应 / 崩坏边界：适应：央行托底的低波动区间市、成熟蓝筹横盘、相关性稳定的价差。崩坏：危机、结构性破位、流动性枯竭、卖空受限。
💡 讨论引导（点击可一键提问）
不知从何说起？挑一个问题直接发问，帮助社区冷启动。
🧩 策略实现代码区 0 个实现
同一策略派系下，社区成员各自分享自己的代码实现；社区投票 + 官方评选，最优秀的实现会被选为「代表实现」置顶展示。
登录后提交实现还没有实现，欢迎成为第一个分享者。
💬 讨论区
- 还没有评论，来做第一个吧。