By tecdatAI人工智能辅导, Python辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 经济, 计算机科学CS辅导, 计算机科学与技术, 金融Agent, AI agent, average, foreign exchange, forex quantitative, intelligent agent, logistic regression, Logistic与Ridge回归, Logistic回归, machine learning, machine learning enhancement, mean, mean reversion, ML, out-of-sample, Pairs Trading, python, quantitative trading, relative value, ridge regression, Ridge回归, risk management, Sharpe ratio, statistical arbitrage, Streamlit, Streamlit外汇统计套利系统, walk-forward backtesting, z-score, Z分数, 均值, 均值回归, 夏普比率, 外汇, 外汇量化, 智能体, 机器学习, 机器学习增强, 样本外, 滚动前向检验, 相对价值, 统计套利, 配对交易, 量化交易, 风险管理
本文构建了一套基于 Python 与 Streamlit 的外汇统计套利系统：以 7 个美元主要货币对的 15 分钟行情构造对数价差，用滚动 Z 分数度量偏离并决定交易方向，再用 Logistic 回归估计回复概率做入场过滤、Ridge 回归预测价差变化幅度做仓位确认。采用 40 天训练、5 天测试、步长 5 天的滚动前向检验（共 17 个样本外折叠），等权组合样本外总收益 3.98%、年化 12.28%、超额夏普 1.29、最大回撤仅 3.12%；并在模拟盘完成 12 个决策周期的自动化实盘验证，产生真实成交。
