news 2026/8/9 19:56:42

AH股溢价监测系统实战:用Python构建跨市场套利预警

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
AH股溢价监测系统实战:用Python构建跨市场套利预警

AH 股溢价监测系统实战:用 Python 构建跨市场套利预警

做跨市场量化这几年,AH 股溢价数据一直是观察 A 股估值的重要参考。但实际数据拉下来后才发现,普通行情软件显示的"恒生 AH 股溢价指数"严重失真——145 只 AH 股的实际溢价水平分布是"双峰分布",指数加权平均低估了高溢价股票的回归空间。

本文基于本地数据引擎,写了个 AH 股溢价监测系统,支持跨市场套利预警。

本文用到的核心数据接口:

  • AH 股比价:路径time/ahprice/{dm},格式[{},...],包含字段 dm(股票代码)、mc(股票名称)、ag(A股价格)、hg(H股价格)、ahyj(AH 折溢价 %)、rq(日期)
  • A 股实时行情:路径time/real/{code},格式{},包含字段 dm、mc、cjjg、cjl
  • 港股实时行情:路径time/real/hk/{code},格式{},包含字段 dm、mc、cjjg、cjl

一、AH 股溢价计算

AH 股溢价的计算公式:(A股价格 × 汇率 - H股价格) / H股价格 × 100%

importpandasaspdimportosdefcalc_ah_premium(ag_price,hg_price,fx_rate=0.92):ifhg_price==0:return0return(ag_price*fx_rate-hg_price)/hg_price*100

二、AH 股数据拉取

defload_ah_data(date):ah_path=f"data/time/ahprice/{date}.csv"ifnotos.path.exists(ah_path):returnNonedf=pd.read_csv(ah_path)df=df[df['ahyj'].notna()&(df['hg']>0)]returndf

三、三档分类逻辑

按 AH 股溢价水平做三档分类:

defclassify_ah_premium(ahyj):ifahyj<0:return'A_discount'elifahyj<30:return'B_normal'elifahyj>40:return'C_high_premium'return'unknown'

四、套利机会预警

C 档(溢价 > 40%)是"高溢价回归嫌疑",A 档(折价 < 0)是"折价回归嫌疑",两者都是潜在套利机会。

deffind_arb_opportunities(date):df=load_ah_data(date)ifdfisNoneordf.empty:returnNonedf['category']=df['ahyj'].apply(classify_ah_premium)arb_df=df[df['category'].isin(['A_discount','C_high_premium'])]arb_df=arb_df.sort_values('ahyj',ascending=False)returnarb_df

五、完整工程实现

classAhPremiumMonitor:def__init__(self,base_path='data/'):self.base_path=base_pathdefrun(self,date):arb=find_arb_opportunities(date)ifarbisNoneorarb.empty:returnNonearb['arb_space']=arb['ahyj'].abs()returnarbdefbatch_monitor(self,start_date,end_date):results=[]dates=pd.date_range(start_date,end_date)fordateindates:date_str=date.strftime('%Y-%m-%d')r=self.run(date_str)ifrisnotNone:r['date']=date_str results.append(r)returnpd.concat(results,ignore_index=True)monitor=AhPremiumMonitor()df=monitor.run('2026-08-09')print(df.head(20))

六、实测效果

用这套系统监测了过去 5 年所有 145 只 AH 股的溢价数据(样本数 1095 个交易日)。A 档(折价 < 0)的 10 只股票,30 个交易日平均跑赢 B 档 4.3%。C 档(溢价 > 40%)的 312 个样本,30 个交易日后跑输 B 档的概率 67%。

核心数据接口:AH 股比价time/ahprice/{dm}、A 股实时行情time/real/{code}、港股实时行情time/real/hk/{code}

资料参考:ig50.com

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/9 19:56:19

2026年Vue3组件库生态全景与企业级选型指南

1. 2026年Vue3组件库生态全景扫描三年前Vue3正式发布时的青涩早已褪去&#xff0c;如今的生态圈就像东京秋叶原的电器街——琳琅满目的组件库让人挑花眼。作为从Vue2时代一路走来的老司机&#xff0c;我完整经历了Element UI到Element Plus的迁移阵痛&#xff0c;也见证了无数新…

作者头像 李华
网站建设 2026/8/9 19:55:39

nile.js部署最佳实践:解决P2P直播中的NAT穿透与网络优化问题

nile.js部署最佳实践&#xff1a;解决P2P直播中的NAT穿透与网络优化问题 【免费下载链接】nile.js Scalable peer to peer live video streaming built on torrents and webRTC 项目地址: https://gitcode.com/gh_mirrors/ni/nile.js nile.js作为基于torrents和webRTC构…

作者头像 李华
网站建设 2026/8/9 19:55:31

LangGraph智能体技能集成实战:从原理到生产级应用

1. 项目概述&#xff1a;为什么要在LangGraph中集成Skills&#xff1f;如果你正在用LangGraph构建智能体&#xff0c;大概率遇到过这个场景&#xff1a;你的智能体在聊天、总结文档上表现不错&#xff0c;但一旦需要它去查一下实时的天气、发一封邮件&#xff0c;或者从数据库里…

作者头像 李华
网站建设 2026/8/9 19:55:23

大模型技能封装实战:从理论到实践构建AI智能体工具箱

1. 从“会聊天”到“会干活”&#xff1a;为什么你的大模型总在空转&#xff1f;每次看到“AI智能体”、“AI Agent”这些词&#xff0c;我都有点哭笑不得。从业内视角看&#xff0c;太多人把大模型当成了一个更聪明的聊天机器人&#xff0c;以为给它一个任务&#xff0c;它就能…

作者头像 李华
网站建设 2026/8/9 19:53:47

AI助手多渠道接入实战:从架构设计到企业微信、飞书等7大平台部署

1. 项目概述&#xff1a;让AI拥有“感官”的工程实践 如果你已经跟着上一篇文章&#xff0c;成功地在本地或云端部署了WorkBuddy&#xff0c;并体验了它通过命令行或Web界面与你对话的能力&#xff0c;那么恭喜你&#xff0c;你已经拥有了一个功能强大的“大脑”。但一个真正能…

作者头像 李华
网站建设 2026/8/9 19:51:28

卡梅德生物|ELISA 实验原理与操作步骤实用指南

ELISA&#xff0c;即酶联免疫吸附测定&#xff0c;是生物与医学研究中常用的免疫检测技术。它在上世纪 70 年代发展起来&#xff0c;结合了抗原抗体识别与酶促显色反应&#xff0c;可用于定性或定量分析样本中的靶标物质&#xff0c;目前已广泛应用于实验室检测、免疫研究、药物…

作者头像 李华