本工具专为 QDII 基金(纳指 ETF) 交易者设计,通过对不同市场标的(如 513300 与 159941)的折溢价率进行实时监控与历史统计对比,发现统计学意义上的价格回归机会,辅助套利决策。
由于 QDII 基金受限于外汇额度、交易时差及申赎限制,二级市场价格常与实际净值(NAV)出现显著背离(溢价)。
- 套利机会:当标的 A 的溢价率显著高于标的 B 时,可通过卖出 A 买入 B 的方式,在不改变底层资产(均为纳指 100)的前提下,获取折溢价回归带来的超额收益。
- 统计决策:通过历史分位排名(Percentile)和频数分布,量化当前“价差”是否处于极端区域。
本项目集成了数据抓取、统计建模与交互可视化三大核心模块:
- 价格抓取:基于
akshare接口获取 ETF 每日复权收盘价。 - 净值对齐:自动匹配东方财富(EM)官方发布的单位净值,确保折溢价率计算的准确性。
- 跨年处理:针对 QDII 净值披露延迟(T+2)及跨年行情(2026 年初)进行了日期容错逻辑优化。
- 溢价差计算 (Spread):。
- 历史分位点 (Percentile):计算当前 Spread 在历史长河中的排名位置,定位“机会/风险”区间。
- 回归预期 (Alpha Prediction):量化当前 Spread 回归至历史均值(Mean)所需的获利空间。
- 趋势看板:展示双标的溢价波动及价差走势,辅助观察相关性收敛/发散。
- 概率直方图:使用莫兰迪低饱和度配色,直观展示价差分布频率。
- 视觉锚点:自动在分布图中标注珊瑚粉色高亮柱子,实时反映当前水位。
| 指标名称 | 含义 | 交易参考 |
|---|---|---|
| 最新价差 (Spread) | 两标的溢价率之差 | 负值代表标的 1 相对标的 2 较便宜。 |
| 历史分位排名 | 当前价差低于历史上多少个交易日 | 低于 5% 代表进入“黄金坑”,回归概率大。 |
| 预期回归收益 | 价差回到历史均值时的潜在获利 | 评估该笔套利操作的风险收益比。 |
| 5%/95% 水位线 | 统计学上的极端边界 | 触碰该线通常代表非理性杀跌或冲高。 |
- 数据源:AkShare (EM Data)
- 处理引擎:Pandas / NumPy
- 可视化:PyEcharts (ECharts 5.0 Core)
- 安装依赖:
pip install akshare pandas numpy pyecharts - 运行脚本:
python arbitrage_analysis.py - 查看输出:浏览器打开
arbitrage_report_final.html
本工具仅作为统计分析辅助工具,所计算的预期收益基于历史均值回归假设,不构成投资建议。QDII 交易涉及汇率波动、流动性缺失及基金公司限额风险,请审慎操作。