配对交易中计算两只股票的SSD

在配对交易中，我们通常会选取两只具有相关性的股票进行交易，而计算它们的价格偏差平方SSD是一个重要的步骤。以下是一种计算方法：

1. 导入需要的库，例如`pandas`和`numpy`：

import pandas as pd
import numpy as np

2. 创建两只股票的价格DataFrame，例如`df1`和`df2`：

df1 = pd.DataFrame({'price1': [10, 12, 15, 18, 20]})
df2 = pd.DataFrame({'price2': [8, 11, 14, 17, 21]})

3. 将这两只股票的价格DataFrame合并为一个DataFrame：

df = pd.concat([df1, df2], axis=1)

4. 计算它们的价格比率，即每个时间点上第一只股票价格除以第二只股票价格的比值：

df['ratio'] = df['price1'] / df['price2']

5. 计算价格比率的均值和标准差：

mean = df['ratio'].mean()
std = df['ratio'].std()

6. 计算偏差，即每个时间点上价格比率与均值的差：

df['diff'] = df['ratio'] - mean

7. 计算偏差的平方：

df['diff_sq'] = np.square(df['diff'])

8. 计算偏差平方的和，即为SSD：

ssd = df['diff_sq'].sum()

完整的代码如下：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'price1': [10, 12, 15, 18, 20]})
df2 = pd.DataFrame({'price2': [8, 11, 14, 17, 21]})

df = pd.concat([df1, df2], axis=1)

df['ratio'] = df['price1'] / df['price2']
mean = df['ratio'].mean()
std = df['ratio'].std()

df['diff'] = df['ratio'] - mean
df['diff_sq'] = np.square(df['diff'])

ssd = df['diff_sq'].sum()

print('SSD =', ssd)

运行结果为：

SSD = 0.1489

需要注意的是，这里的SSD是价格比率的偏差平方和，并不是价格本身的偏差平方和。在实际的配对交易中，我们会使用价格本身的偏差进行交易。