一、统计套利概述
什么是统计套利
统计套利，说白了就是利用数学模型找市场定价的「小漏洞」。
我刚开始接触这个领域时，觉得它特别像在赌场里找概率优势。你想想看，如果两只股票历史上走势高度同步，突然有一天它们分道扬镳了——这往往意味着机会来了。
具体来说，统计套利是一种基于统计模型的中性策略。它不关心市场涨跌，只关心资产之间的相对价格关系。我个人习惯把它比作「配对交易」的升级版——从两只股票扩展到几十只、几百只。
核心思想：当资产价格偏离历史统计规律时，做多被低估的、做空被高估的，等待价格回归均值。
统计套利 vs 无风险套利
这里有个关键区别，很多新手容易搞混。
| 对比维度 | 统计套利 | 无风险套利 |
|---|---|---|
| 风险程度 | 存在统计风险 | 理论上零风险 |
| 收益确定性 | 概率性盈利 | 确定性盈利 |
| 执行难度 | 中等，需模型支持 | 极高，拼速度 |
| 市场效率 | 半强有效市场 | 弱有效市场 |
无风险套利，比如同一只股票在不同交易所的价格差。你这边买、那边卖，锁死利润。但现实中这种机会转瞬即逝，而且需要极低延迟的交易系统。
统计套利不一样。它承认风险的存在，但通过概率优势来赚钱。我在项目中遇到过这样的情况：模型显示价差偏离了2个标准差，但实际等了3天才回归。这期间浮亏是正常的，关键看你的持仓耐心和资金管理。
避坑指南：我曾经以为统计套利就是「无风险」的，结果在2015年股灾时吃了大亏。记住——统计规律在极端行情下可能失效，这叫「模型风险」。
统计套利的数学基础
平稳性
平稳性，简单说就是时间序列的统计性质不随时间变化。均值、方差、自协方差都保持稳定。
为什么这么重要？因为统计套利依赖历史规律。如果序列不平稳，历史数据就失去了参考价值。
# 一个简单的平稳性检验示例
from statsmodels.tsa.stattools import adfuller
def check_stationarity(series):
result = adfuller(series)
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
if result[1] < 0.05:
print('序列平稳，可以继续分析')
else:
print('序列不平稳，需要差分处理')嗯，这里要注意：很多金融时间序列本身不平稳，比如股价。但它们的对数收益率往往是平稳的。我习惯先做对数差分，再检验平稳性。
协整性
协整性比平稳性更进一层。它描述的是：两个或多个非平稳序列，它们的线性组合却是平稳的。
举个例子：A股和H股的同股同权标的。虽然各自价格不平稳，但价差往往围绕某个均值波动。这就是协整关系。
个人经验：我建议用Johansen检验来判断多只股票之间的协整关系。Engle-Granger两步法虽然简单，但只适用于两两配对，而且对变量顺序敏感。
# 协整检验示例
from statsmodels.tsa.vector_ar.vecm import coint_johansen
def johansen_test(data, p=1):
result = coint_johansen(data, 0, p)
print(f'迹统计量: {result.lr1}')
print(f'5%临界值: {result.cvt[:, 1]}')
# 如果迹统计量大于临界值，存在协整关系统计套利的市场假设
任何策略都有前提假设。统计套利也不例外。
- 市场存在定价偏差——价格不会永远有效，总会有暂时的错误定价
- 均值回归特性——偏离最终会回归，而不是越走越远
- 历史规律可重复——过去的关系在未来依然成立
- 交易成本可控——摩擦成本不能吃掉利润
你想想看，如果市场完全有效，统计套利就没饭吃了。但现实是，机构投资者的行为偏差、流动性冲击、信息传递延迟，都会造成短期定价错误。
关键提醒：假设3是最脆弱的。市场结构会变，比如2018年A股纳入MSCI后，很多股票的协整关系就发生了结构性变化。我建议每3-6个月重新检验一次模型假设是否仍然成立。
最后说一句：统计套利不是印钞机。它需要扎实的数学功底、严谨的回测流程、以及——嗯，一颗能承受浮亏的强大心脏。我在早期做回测时，经常发现策略在样本内表现完美，一到样本外就崩盘。后来才明白，过拟合是最大的敌人。
下一章，我会详细讲如何构建第一个统计套利模型。从数据获取到信号生成，一步步来。