用 Python 揭秘均值回归策略：你的收益从何而来？

2026年重磅升级已全面落地！欢迎加入专注财经数据与量化投研的【数据科学实战】知识星球！您将获取持续更新的《财经数据宝典》与《量化投研宝典》，双典协同提供系统化指引；星球内含 500 篇以上独有高质量文章，深度覆盖策略开发、因子分析、风险管理等核心领域，内容基本每日更新；同步推出的「量化因子专题教程」系列（含完整可运行代码与实战案例），系统详解因子构建、回测与优化全流程，并实现日更迭代。我们持续扩充独家内容资源，全方位赋能您的投研效率与专业成长。无论您是量化新手还是资深研究者，这里都是助您少走弯路、事半功倍的理想伙伴，携手共探数据驱动的投资未来！

引言

在交易台和研究台上，有一个被无数次重复、却几乎没有被系统化的动作：看到某只股票跌了 5%，然后切到新闻终端找原因，再打开情绪分析工具，最后在脑子里形成一个判断。这个流程的问题在于——它无法规模化、不可复现，事后也无法审计。

本文要拆解的，是一套用自然语言提问就能完成上述全流程的金融研究系统。你只要问一句「韩国市场为什么在抛售？」或「这个季度 NVDA 和 AMD 谁更强？」，系统就会自动汇集价格、新闻、情绪和宏观背景，跑一遍因果分析，最终给出一个可解释、每条结论都能追溯到具体新闻标题的结果。

对于正在学习 Python 的同学来说，这个项目是绝佳的工程范本：它几乎没有用什么花哨的算法，更多是用「确定性逻辑兜底 + LLM 增强」的思路，把一个看似很「AI」的需求拆成了几个清晰、可控、可降级的阶段。下面我们逐阶段来看。

---

整体思路：四个阶段

系统把「一句话提问」拆成了四个环节：

1. 1. 意图分类（Listening）：先搞清楚用户到底在问什么类型的问题
2. 2. 分析引擎（Analysis Engine）：计算收益率、匹配新闻、给出带置信度的候选解释
3. 3. LLM 叙事（Narrative）：让大模型生成可读的总结，但保证有兜底
4. 4. 事件研究（Event Study）：纯计算验证「这条新闻之后到底发生了什么」

核心设计哲学只有一句话：LLM 只负责「锦上添花」，而不是「雪中送炭」。即使大模型挂了，用户也一定能拿到一个有数据来源的确定性答案。

---

阶段一：先分类，再取数

很多新手系统会直接把用户的提问映射到一只股票代码（ticker）。但这会在最有价值的问题上翻车——比如「为什么所有东西都在跌？」，因为这种问题根本没有单一的股票代码可对应。

所以第一步是一个「规划器（planner）」，它把意图分成四类：lookup（查询单只）、compare（对比）、diagnostic（诊断「为什么」）、market（大盘）。这里有一个很值得学习的工程取舍：优先用确定性的关键词匹配，只有匹配不到时才回退到 LLM。

def _classify(self, query, seed, region):
    # 是否包含「下跌/急跌」这类描述价格变动的词
    has_move = any(w in query for w in _MOVE_WORDS)
    # 是否包含「原因/为什么/理由」这类追问原因的词
    has_why = any(w in query for w in _WHY_WORDS)
    # 是否涉及大盘，或地区不是全球（说明用户在问某个具体市场）
    has_market = any(w in query for w in _MARKET_WORDS) or region != "GLOBAL"

    # 既问「为什么/在跌」，又涉及市场或多个主题 → 走「诊断」路径（新闻优先）
    if (has_why or has_move) and (has_market or len(themes) >= 2):
        return "diagnostic", themes   # news-first path（新闻优先）
    # 有两个及以上候选标的 → 走「对比」路径
    if len(seed) >= 2:
        return "compare", themes
    # 其余情况 → 普通「查询」
    return "lookup", themes

对于诊断类问题，系统采用「新闻优先（news-first）」策略：它不去猜某只股票，而是先在市场和行业的 ETF 代理上汇集新闻（例如：韩国 → EWY + SPY，半导体 → SOXX），让 LLM 读出新闻里的共同主线，然后才反推出真正在驱动行情的标的。

为什么把分类放在本地（on-device）做？ 因为确定性的关键词匹配延迟可控，避免了把所有判断都丢给慢吞吞的模型调用，从而防止接口超时（504）。

延伸小知识：这种「快路径 + 慢路径」的设计在工程上非常常见。能用规则解决的就别调模型，既省钱（API 费用）又稳定（延迟可预测）。any(...) 配合一个关键词集合，是 Python 里做轻量级意图识别最朴素也最实用的写法。

---

阶段二：分析引擎——诚实地标注「相关」而非「因果」

这是整个系统在科学态度上最值得称道的地方。引擎会计算每日收益率，标记出超过阈值的异常波动，再在一个时间窗口内匹配相关新闻。但它从不声称因果关系，只产出带置信度的「候选解释」。

# 在指定日期附近的时间窗口内，找出匹配的新闻
matched = _news_within(news, r["date"], window_days)
# 用收益率符号判断当天涨跌方向：涨为 +1，跌为 -1
direction = 1 if r["ret_pct"] > 0 else -1
# 计算匹配新闻的平均情绪极性（取不到则回退到当日情绪）
avg_pol = mean([n["sentiment"]["polarity"] for n in matched]) or sentiment_on(...)
# 判断「情绪方向」是否与「价格方向」一致
aligned = None if avg_pol is None else (avg_pol > 0) == (direction > 0)

drivers.append({
    "date": r["date"],
    "return_pct": r["ret_pct"],
    "impact": impact_score(r["ret_pct"]),        # 影响力打分，范围 -5..+5
    "confidence": _confidence(matched, aligned), # 新闻越多、情绪越一致 → 置信度越高
})

置信度的设计逻辑很清晰：初始很低，每匹配到一条相关新闻就上升一点（但有上限），如果情绪方向和价格方向一致还会额外加分。最终结果按收益率的绝对值排序，让波动最大的行情先冒头。

易错点提醒：很多人会想当然地把「新闻和股价同时出现」当成「新闻导致了股价」。这就是经典的「相关不等于因果」陷阱。这套系统的做法很克制——它只说「这条新闻出现在这次波动附近，置信度多少」，把最终判断交还给人。这种诚实标注，恰恰是一个可被审计的系统应有的样子。

补充一点关于 mean([...]) or sentiment_on(...) 这个写法：当列表为空时 mean([]) 会触发异常或返回假值，利用 Python 的 or 短路特性回退到备用值，是一种简洁的兜底技巧——但要注意它在结果合法但为「假值」（如 0）时可能误触发，实际项目中需谨慎。

---

阶段三：LLM 叙事——但永远有兜底

排名靠前的驱动因素、情绪趋势、宏观背景会一起交给 LLM，让它返回严格的 JSON：一段总结、3~5 条各自绑定到具体新闻标题的关键发现、一个情绪趋势标记，以及一句免责声明。

设计铁律是：LLM 只是在一个「已经存在的结果」上做增强。

# 先用启发式规则生成一个总是有效的基础结果（兜底）
base = _fallback(engine, ticker, series, lang)

# 如果没有配置 LLM，直接返回兜底结果
if not openrouter:
    return base

try:
    # 调用大模型，并强制要求返回 JSON 格式
    parsed = json.loads(await openrouter.chat(chain, messages, response_format=JSON))
    base["summary"] = parsed["summary"]                  # 用模型生成的总结覆盖
    base["key_findings"] = clean(parsed["key_findings"]) # 清洗后覆盖关键发现
except Exception:
    return base   # 模型失败 → 直接返回兜底的启发式结果

如果模型调用超时或返回了垃圾内容，用户依然能拿到一个有数据来源、确定性的答案。服务永远不会出现一片空白的尴尬场面。

工程思维：这就是所谓的「优雅降级（graceful degradation）」。注意这里用了 try/except 把整个模型解析过程包起来，并且要求模型 response_format=JSON——但即便如此也不能假设它一定返回合法 JSON，所以 json.loads 失败时立刻回退。这是接入任何外部不可靠服务时都该有的防御性编程习惯。

---

阶段四：事件研究——用纯计算做事后验证

阶段二回答的是「这次波动附近有什么新闻？」，而事件研究回答的是一个更严格的问题：「在某条新闻发布之后，实际上发生了什么？」最妙的是，这一步完全用手头已有数据做纯计算，不需要额外调任何 API。

import bisect

# 找到新闻发布日当天或之后的第一个交易日的下标
i0 = bisect.bisect_left(dates, news_date)
base = closes[i0]   # 以该交易日的收盘价为基准

# 分别计算 +1 / +3 / +5 个交易日后的收益率
for h in (1, 3, 5):
    j = i0 + h
    # 越界则置空，否则计算相对基准的涨跌百分比（保留两位小数）
    rets[str(h)] = round((closes[j] - base) / base * 100, 2) if j < len(closes) else None

它度量每个事件之后 +1/+3/+5 个交易日的「前向收益率」并取平均，给出一个完全不依赖 LLM 的理智检查（sanity check）：如果那些被标为「正面」的新闻，平均之后却跟着负的前向收益，那么这个矛盾本身就是一个信号——而且它是用透明的方式算出来的。

bisect 用法补充：bisect.bisect_left 是 Python 标准库里在「有序列表」中做二分查找的利器。它返回的是「保持有序时应插入的位置」，用来快速定位「某日期之后的第一个交易日」非常合适，时间复杂度是 O(log n)，比线性遍历高效得多。前提是 dates 必须是已排序的。

---

一个完整的案例串联

我们用「韩国市场为什么在抛售？」这个问题，把四个阶段串起来感受一下：

1. 1. 分类：句子里有「为什么」「抛售」，且指向韩国市场 → 判定为 diagnostic，走新闻优先路径。
2. 2. 取数与分析：在 EWY、SPY 等代理上汇集新闻，发现某日 ETF 出现了 -4.22% 的明显回落，匹配到附近的相关标题，给出带置信度的候选解释。
3. 3. 生成叙事：LLM 读出主线——长期叙事仍偏多（半导体与 AI 硬件强势），但近期情绪转向「恶化」，与当日下跌形成对照；若模型失败，则返回启发式兜底总结。
4. 4. 事后验证：对关键新闻做 +1/+3/+5 日的前向收益统计，检验「情绪方向」和「实际后续走势」是否自洽。

整个过程的每一条结论，都能点回到一条具体的新闻标题。这就是「可解释」三个字的分量。

---

总结

这套系统给学习 Python 的同学最大的启发，其实不在于它做了什么炫酷的 AI，而在于它的工程克制：

• • 确定性优先，LLM 兜底：能用关键词、规则、纯计算解决的，绝不轻易丢给模型，既省成本又稳定。
• • 诚实标注，拒绝越界：只说「相关」和「置信度」，不轻易宣称「因果」，让结果可审计。
• • 优雅降级，永不空白：用 try/except 和 _fallback 保证服务在任何情况下都有结果可返回。
• • 善用标准库：bisect、mean、短路求值这些朴素工具，组合起来就能解决真实问题。

把一个模糊的需求拆成「分类 → 分析 → 增强 → 验证」四个边界清晰、可单独测试、可单独降级的阶段——这种把复杂问题结构化的能力，比任何单一的库或算法都更值钱。建议刚入门的同学反复体会这套分层思路，它能用在你今后几乎所有的项目里。

---

参考文章

加入专注于财经数据与量化投研的知识星球【数据科学实战】，获取本文完整研究解析、代码实现细节。

财经数据与量化投研知识社区

2026年全面升级已落地！【数据科学实战】知识星球核心权益如下：

1. 1. 双典系统赋能：获赠《财经数据宝典》与《量化投研宝典》完整文档，凝练多年实战经验，构建系统化知识框架；
2. 2. 量化因子日更教程（2026重磅新增）：每日更新「量化因子专题教程」，配套完整可运行代码与实战案例，深度拆解因子构建、回测与优化全流程；
3. 3. 量化文章专题教程库：500+篇星球独有高质量教程式文章，系统覆盖策略开发、因子研究、风险管理等核心领域，内容基本每日更新，并配套精选学习资料与实战参考；
4. 4. 量化投研实战课程：赠送《AKQuant-入门及实战》《PyBroker-入门及实战》视频课程，手把手教学，快速掌握量化策略开发技能；
5. 5. 财经数据支持：定期更新国内外财经数据，为策略研发提供精准、可靠的数据基础；
6. 6. 顶尖学者与行业专家分享：年度邀请学术界博士与业界资深专家开展前沿论文精讲与实战案例分享，不少于4场，直击研究前沿与产业实践；
   专家直连答疑：与核心开发者及领域专家实时互动，高效解决投研实战难题；
7. 7. 专业社群与专属福利：加入高质量交流社群，获取课程折扣及更多独家资源。

星球已沉淀丰富内容生态——涵盖量化文章专题教程库、因子日更系列、高频数据集、PyBroker实战课程、专家深度分享与实时答疑服务。无论您是初探量化的学习者，还是深耕领域的从业者，这里都是助您少走弯路、高效成长的理想平台。诚邀加入，共探数据驱动的投资未来！

好文推荐