4. 描述性统计：均值、方差、偏度、峰度、极值分析，理解碳价分布特征

做碳市场高频交易，第一步不是跑模型，而是先摸清数据的「脾气」。

说白了，就是得知道碳价这个数字到底是怎么分布的。它是不是像正态分布那样规规矩矩？还是说经常抽风？

我个人习惯，拿到任何新的碳市场数据，第一件事就是跑一遍描述性统计。这就像医生看病先量体温、测血压一样，是基本功。

4.1 均值与方差：碳价的「中心」和「波动」

均值，就是碳价的平均价格。但这里有个坑——碳价数据往往有尖峰厚尾特征，均值很容易被极端值带偏。

我记得有一次分析广东碳市场的盘中数据，某天下午突然出现一笔异常高的成交，直接把当天的均值拉高了3%。如果你只看均值，会以为市场情绪突然亢奋了。其实呢？就是一笔错单。

方差（或标准差）衡量的是碳价的波动程度。方差越大，说明价格越「跳」。

你想想看，如果方差突然放大，往往意味着有重大消息要出来了，或者市场流动性出了问题。

import numpy as np
import pandas as pd

# 假设 df 是包含碳价数据的 DataFrame，列名为 'price'
# 计算日内5分钟频率的均值和标准差
df['return'] = df['price'].pct_change()
daily_stats = df.resample('1D').agg({
    'price': ['mean', 'std', 'min', 'max'],
    'return': ['std']
})
print(daily_stats.head())

4.2 偏度：碳价是「左偏」还是「右偏」？

偏度描述的是数据分布的不对称性。

• 偏度 > 0（右偏）：说明价格经常出现较大的正涨幅，但跌幅相对温和。市场情绪偏乐观。
• 偏度 < 0（左偏）：说明价格容易暴跌，但上涨比较缓慢。市场情绪偏悲观。

我在研究欧盟碳市场（EU ETS）时发现，政策公布前后的偏度变化非常明显。政策利好时，偏度瞬间转正；政策利空时，偏度直接跳水到负值。

4.3 峰度：碳价的「尖峰厚尾」特征

峰度衡量的是数据分布的「尖锐」程度。

• 峰度 > 3（尖峰）：说明价格集中在均值附近，但尾部（极端值）比正态分布更厚。这就是典型的「尖峰厚尾」。
• 峰度 < 3（平峰）：分布比较平坦，极端值较少。

碳市场的数据，尤其是高频数据，峰度通常远大于3。我见过最高的峰度值出现在湖北碳市场的开盘瞬间，峰度一度超过20。

为什么会这样？因为碳市场不是连续竞价，而是有集合竞价和间歇性交易。价格经常在某个区间内「僵持」，然后突然爆发。

4.4 极值分析：捕捉碳价的「极限」

极值分析，说白了就是研究碳价「最坏的情况」和「最好的情况」。

我们通常关注两个指标：

• 最大值/最小值：日内最高价和最低价，反映当天的价格区间。
• 极值间隔：两次极端价格之间的时间间隔。如果间隔越来越短，说明市场越来越不稳定。

我个人习惯用「极值比率」——即日内最高价除以最低价。这个比率如果超过1.05（5%的波动），我就会警惕起来，检查是否有异常事件。

# 计算日内极值比率
df['daily_range'] = df.groupby(df.index.date)['price'].transform(lambda x: x.max() / x.min())
# 标记异常波动日
abnormal_days = df[df['daily_range'] > 1.05].index.date
print(f"异常波动天数: {len(set(abnormal_days))}")

4.5 知识体系：描述性统计的核心逻辑

下面这张图，是我自己总结的碳价分布特征分析框架。你可以把它当作一个检查清单。

4.6 实战案例：一次完整的描述性统计

拿某试点碳市场2023年7月的数据举个例子。我随机抽了一天，跑了一下描述性统计：

看到这个结果，我的第一反应是：峰度5.87，说明这个市场有「肥尾」风险。做策略时，止损要设得比正态分布假设下更宽一些。