核心用法
Pair Trade Screener 是一款专业的统计套利分析工具，专注于识别和评估配对交易机会。其核心工作流程包括八个步骤：首先定义股票池（支持按行业筛选或自定义股票列表），然后获取至少两年的历史价格数据；接着计算股票间的相关系数和Beta值，筛选出相关性≥0.70的候选对；通过ADF检验进行协整测试，验证长期均衡关系；计算价差Z-score以量化当前偏离程度；基于统计阈值生成明确的入场/出场信号；提供市场中性的仓位配置建议；最终输出结构化的分析报告。
用户可通过命令行工具执行两种主要操作：：find_pairs.py 用于批量筛选行业内的协整股票对，，analyze_spread.py 用于深入分析特定配对的交易信号。工具支持保守型（Z≥±2.0）和激进型（Z≥±1.5）两种入场策略，并配备多重退出机制包括均值回归止盈、止损和90天时间限制。
显著优点
统计严谨性：采用学术界公认的协整检验（Engle-Granger方法）和均值回归模型，非主观判断驱动。要求相关系数≥0.70、协整p值<0.05、半衰期<90天等多重质量标准，有效过滤伪相关。
市场中性：策略设计天然对冲市场风险，无论牛市、熊市或震荡市均可运作，与传统多头策略相关性低，提供真正的分散化价值。
操作透明：所有信号基于可验证的数学公式，Z-score阈值、仓位配比、止损位均有明确规则，便于回测和风控。
文档完善：从方法论到故障排查均有详细说明，包含Python实现示例、API文档和常见用例，降低学习门槛。
潜在缺点与局限性
数据依赖性强：完全依赖FMP API的数据质量和可用性，免费版每日限250次请求，大规模筛选受限。历史数据缺口、除权除息处理异常会直接影响分析结果。
相关性破裂风险：统计关系可能因公司重大事件（并购、分拆、破产）、行业监管变化或宏观冲击而永久失效。工具虽检测结构性断裂，但无法预测未来事件。
执行复杂性：实际交易需同时完成多空双向操作，涉及融券成本、借券难度、滑点控制和两腿执行风险，纸面收益与实盘结果可能存在显著差距。
滞后性：基于日频收盘价计算，信号生成存在固有延迟，对快速均值回归的机会反应不足。
过度拟合隐患：历史最优参数（如Z-score阈值、回看周期）在未来未必有效，需配合样本外测试和滚动优化。
适合的目标群体
- 量化研究员与策略开发者：学习统计套利方法论，快速验证配对假设
- 对冲基金分析师：构建市场中性组合，寻找与传统因子低相关的Alpha来源
- 金融专业学生：理解协整、均值回归、Z-score等核心概念的实践应用
- 个人投资者：在特定行业（如公用事业、银行股）寻找相对价值机会，但需具备衍生品交易经验和风险承受能力
使用风险
技术风险：API服务中断或密钥失效将导致工具无法运行；Python依赖库版本冲突可能影响计算准确性。
模型风险：统计显著性不等于经济显著性，交易成本（约0.4%往返）可能侵蚀微薄价差收益；半衰期估计误差导致持仓周期误判。
市场风险：极端波动期（VIX>30）相关性普遍崩溃，策略可能连续止损；流动性不足的股票难以按理论价格执行。
合规风险：融券交易受监管限制，部分市场或账户类型无法实施空头端；需自行确认当地法规允许此类策略。