3、基础统计特征：均值、方差、偏度、峰度在交易数据中的应用、滚动窗口统计量

聊到交易数据的统计特征，很多人第一反应就是「算个平均值看看」。嗯，这没错，但远远不够。我做了这么多年量化，发现真正能从数据里挖出Alpha的，往往不是那些花里胡哨的模型，而是对基础统计量的深刻理解。

说白了，价格序列和收益率序列就像一个人的心电图。均值告诉你心脏跳得有多快，方差告诉你心跳稳不稳，偏度和峰度则能暴露出一些「异常搏动」——而这些异常，往往就是超额收益的来源。

3.1 均值：趋势的锚点

均值是最直观的统计量。在交易数据里，我们通常关注两种均值：

• 价格均值：比如过去20日的平均收盘价（MA20），这是趋势跟踪的基础
• 收益率均值：比如过去60日的平均日收益率，用来衡量一段时间的「赚钱效应」

我个人习惯把均值当作「回归的引力中心」。价格偏离均值太远，迟早要拉回来——这就是均值回归策略的逻辑基础。

3.2 方差与标准差：波动率的度量

方差衡量的是数据偏离均值的程度。在金融里，我们更常用标准差（方差的平方根），因为它和价格单位一致。

标准差在交易中有两个核心用途：

1. 风险度量：标准差越大，价格波动越剧烈，风险越高
2. 信号过滤：当价格突破「均值±n倍标准差」时，往往意味着极端行情

你想想看，如果一只股票过去20天的标准差是2%，今天突然涨了5%，这已经偏离均值2.5个标准差。这种极端情况要么是趋势启动，要么是噪音——怎么判断？我一般会结合成交量来看。

3.3 偏度：不对称性的信号

偏度衡量的是数据分布的不对称程度。简单说：

• 正偏度：右尾更长，意味着有更多的大涨
• 负偏度：左尾更长，意味着有更多的大跌
• 零偏度：对称分布（比如正态分布）

在交易里，偏度是个被很多人忽视的Alpha来源。我记得有一次分析某只小盘股的收益率分布，发现它的偏度高达1.8——这意味着它经常出现「突然拉升」的情况。后来我基于这个特征做了一个事件驱动策略，效果相当不错。

3.4 峰度：尾部风险的预警

峰度衡量的是数据分布的「尖峭程度」和「尾部厚度」。金融数据有个特点：峰度通常远大于3（正态分布的峰度）。

为什么？因为市场经常出现「肥尾」——极端事件发生的概率比正态分布预测的要高得多。

峰度的实际应用：

• 高峰度（>3）：意味着极端行情频繁，适合做波动率策略
• 低峰度（<3）：意味着市场相对平稳，适合做趋势策略

我个人习惯把峰度和偏度结合起来看。比如：负偏度+高峰度，这是典型的「崩盘前兆」——左尾厚且尖，说明市场随时可能暴跌。这个组合信号我在2015年股灾前就捕捉到过，可惜当时没敢重仓做空。

3.5 滚动窗口统计量：动态视角

静态的统计量只能告诉你「过去整体怎么样」，但交易需要的是「现在怎么样」。所以我们要用滚动窗口——也就是滑动时间窗，实时计算最新的统计特征。

滚动窗口的核心参数有两个：

下面是我常用的滚动统计量计算代码：

import pandas as pd
import numpy as np

def rolling_stats(price_series, window=20):
    """
    计算滚动窗口的均值、标准差、偏度、峰度
    """
    df = pd.DataFrame(index=price_series.index)
    df['rolling_mean'] = price_series.rolling(window).mean()
    df['rolling_std'] = price_series.rolling(window).std()
    df['rolling_skew'] = price_series.rolling(window).skew()
    df['rolling_kurt'] = price_series.rolling(window).kurt()
    return df

# 示例：计算某股票日收益率的滚动统计量
returns = pd.Series([0.01, -0.02, 0.03, 0.005, -0.01, ...])
stats = rolling_stats(returns, window=20)
print(stats.tail())

3.6 知识体系总览

下面这张图把本章的核心逻辑串起来了。你可以看到，基础统计量从不同维度刻画了交易数据的特征，而滚动窗口则让这些特征「活」了起来。

这张图展示了从原始交易数据到Alpha信号的完整链路。四个基础统计量分别从不同角度刻画市场状态，而滚动窗口让这些特征具备了时效性。最终，我们把这些动态特征组合起来，就能生成有效的交易信号。

好了，这一章的内容就到这里。记住，统计量本身不是目的，目的是从数据里找到那些「不寻常」的模式。下次当你看到一只股票的偏度突然飙升时，不妨多问一句：是不是有什么事情要发生了？