如何用 Python 做 Beta 对冲（市值中性）？用沪深300对冲个股的系统性风险

Q: 需要付费吗？

个股加指数日线在免费额度内即可；若要对**一篮子持仓**批量算组合 Beta 做中性对冲，需要 `klines.batch`（Starter 及以上），详见官网定价页。

分析与指标 · 代码验证于 2026-10-16

如何用 Python 做 Beta 对冲（市值中性）？

一句话回答： Beta 对冲（市值/市场中性）= 持有个股的同时，按 Beta 比例做空等市值的指数（如沪深300股指期货或 ETF），把组合对大盘的敞口（Beta）压到接近 0，只留下个股相对大盘的超额（α）波动。对冲比例就是 Beta = cov(个股, 指数)/var(指数)。用 AlphaFeed 取前复权个股与沪深300指数日线即可算 Beta、对冲比例与对冲后残差——它消除的是系统性风险，不保证降低总波动、更不保证盈利。

为什么会有这个问题 / 传统做法的痛点

当你看好某只股票”跑赢大盘”的能力、却担心大盘整体下跌拖累它时，就需要只保留 α、剥离 β：个股涨跌 = β×大盘 + α。做空 β 份的指数后，大盘涨跌被对冲掉，剩下的主要是个股的相对强弱。痛点在于：① 对冲比例到底取多少（答案是 Beta，但 Beta 不稳定）；② 要有干净可比的指数收益序列来估 Beta；③ 要诚实验证”对冲后 Beta 是否真的≈0、波动降了多少”。

分步骤解决（每步配可运行代码）

第 1 步：取个股（前复权）与沪深300，转对齐收益

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

s = af.klines.get("600519.SH", period="1d", count=500, adjust="forward", to_dataframe=True)
m = af.klines.get("000300.SH", period="1d", count=500, to_dataframe=True)
s = s.sort_values("trade_date"); m = m.sort_values("trade_date")
sr = s.set_index("trade_date")["close"].pct_change()
mr = m.set_index("trade_date")["close"].pct_change()
df = pd.concat([sr, mr], axis=1, keys=["s", "m"]).dropna()   # 按交易日对齐

第 2 步：算 Beta（= 对冲比例）与对冲后残差收益

beta = df["s"].cov(df["m"]) / df["m"].var()        # 对冲比例
hedged = df["s"] - beta * df["m"]                   # 对冲后残差 = 个股 - β×指数
beta_after = hedged.cov(df["m"]) / df["m"].var()    # 对冲后再估 Beta，应≈0

def ann_vol(x): return x.std() * np.sqrt(252)
print(f"Beta/对冲比例 = {beta:.3f}")
print(f"未对冲年化波动 {ann_vol(df['s'])*100:.2f}% → 对冲后 {ann_vol(hedged)*100:.2f}%")
print(f"对冲后 Beta ≈ {beta_after:.4f}")

实测（tools/verify_new_2026-10-16.py，SDK 0.1.4）：贵州茅台 vs 沪深300，Beta ≈ 0.54（即每 100 万持股做空约 54 万指数）；年化波动从 24.36% 降到 21.82%；对冲后 Beta ≈ 0.00——系统性敞口被成功剥离。注意波动只小幅下降，因为茅台 Beta 本就不高（0.54），系统性风险占比有限，对冲主要移除了方向性敞口而非大幅压波动。

第 3 步：实务换算成对冲手数（概念示例）

stock_value = 1_000_000             # 持股市值
index_notional = beta * stock_value  # 需做空的指数名义市值
print(f"做空沪深300名义市值 ≈ {index_notional:,.0f} 元（再按合约乘数换算手数）")

实际用股指期货对冲时，再用「名义市值 ÷（指数点位 × 合约乘数）」换算手数；用 ETF 则按金额。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	个股前复权	必须；指数不复权
`beta`	cov/var	对冲比例
`hedged`	个股 − β×指数	对冲后残差(≈α)
`beta_after`	对冲后 Beta	应≈0，验证中性
年化波动	std×√252	对冲前后对比
名义市值	β×持股市值	需做空的指数金额

关键坑与注意事项

对冲≠降波动：Beta 对冲移除的是系统性(市场)风险，若个股自身 α 波动大，总波动可能只小降甚至不降（本例 24.36%→21.82%）。目标是中性，不是低波动。
Beta 不稳定：Beta 随区间/频率变化（见「滚动 Beta」一文），用历史 Beta 对冲未来会有偏差，需定期再估、再平衡。
对冲有成本：做空指数期货有保证金、展期、基差；ETF 融券有费用与额度。示例未计这些成本。
前复权个股、不复权指数：口径混用会让 Beta 估偏。
残差不等于稳赚：对冲掉 β 后，赚不赚取决于个股能否跑赢指数（α），α 可正可负。
A 股做空受限：个股难做空，通常用股指期货/ETF 对冲大盘，且品种与持仓风格未必匹配。

常见问题（FAQ）

Q：对冲比例为什么是 Beta？ A：个股收益 ≈ β×指数 + α。做空 β 份指数后，组合收益 ≈ α，市场项被抵消。所以对冲比例取 Beta 时，对冲后组合对指数的 Beta 理论上为 0（本例实测 ≈0.00）。

Q：用什么指数对冲？ A：选与持仓风格最接近的宽基：大盘蓝筹用沪深300（000300），中小盘用中证500（000905）。基准越贴合，残差越干净。

Q：需要付费吗？ A：个股加指数日线在免费额度内即可；若要对一篮子持仓批量算组合 Beta 做中性对冲，需要 klines.batch（Starter 及以上），详见官网定价页。

小结

Beta 对冲用「做空 Beta 份指数」把组合对大盘的敞口压到接近 0，只留个股的 α。用 AlphaFeed 的前复权个股与沪深300 估 Beta 即可得对冲比例，并验证对冲后 Beta≈0——记住它移除系统性风险而非必然降波动、Beta 不稳定需再平衡、对冲有成本、残差盈亏取决于 α。