2、配对交易基础：配对交易的核心思想、配对选择的逻辑（同行业、同板块、高相关性）、经典配对案例（可口可乐与百事可乐）
各位同学，欢迎来到第二章。
上一章我们聊了统计套利的整体框架，说白了就是「找规律、吃价差」。那这一章，咱们就深入最经典、最接地气的一个分支——配对交易。
我个人觉得，配对交易是量化入门最好的实战练习。为什么？因为它逻辑清晰，回测起来也直观。你不需要搞复杂的机器学习模型，核心就一句话：找两个亲兄弟，一个跌多了就买它，一个涨多了就卖它。
2.1 配对交易的核心思想
配对交易的核心思想，其实特别朴素。
你想想看，市场上很多股票是「同涨同跌」的。比如茅台和五粮液，招商银行和兴业银行。它们之间有一个长期稳定的价差关系。当这个价差短期偏离了正常范围，市场迟早会把它拉回来。
我们的策略就是：做多被低估的那个，做空被高估的那个。等价差回归，两边平仓，赚取差价。
核心公式：
配对交易的本质是 市场中性。你同时持有多头和空头，大盘涨跌对你的影响基本抵消。你赚的是「相对价值」的钱，不是「方向」的钱。
我在项目中遇到过不少新手，上来就问：「老师，这个策略是不是稳赚？」
嗯，这里要泼一盆冷水。配对交易不是无风险套利。它赌的是「均值回归」。如果价差一直不回归，甚至越拉越大，那就亏惨了。所以，止损是必须的。
2.2 配对选择的逻辑
选对「对子」，是配对交易成功的一半。另一半是择时和风控。
那怎么选？我总结了三步走：
2.2.1 同行业、同板块
这是最基础的条件。两个公司业务越像，它们的股价走势就越容易同步。
- 同行业：比如都是银行股，都受利率、宏观经济影响。
- 同板块：比如都是白酒板块，都受消费旺季、政策影响。
你总不能把茅台和宁德时代配对吧？一个喝酒，一个开车，八竿子打不着。它们之间的价差关系，没有任何经济逻辑支撑。
2.2.2 高相关性
光说「同行业」还不够，我们要用数据说话。最常用的指标就是皮尔逊相关系数。
我个人习惯，相关系数低于0.8的，基本不考虑。0.9以上才算优质候选。
小技巧：不要只看全样本的相关系数。我建议用滚动窗口计算，比如60天或90天。因为相关性是会变的。有些股票过去3年高度相关，最近半年可能就脱钩了。
举个例子，我拿可口可乐和百事可乐的历史数据算一下：
| 股票对 | 全样本相关系数 | 近60天滚动相关系数 |
|---|---|---|
| 可口可乐 vs 百事可乐 | 0.92 | 0.88 |
| 招商银行 vs 兴业银行 | 0.89 | 0.85 |
你看，即使是最经典的配对，滚动相关系数也会波动。所以，动态监控很重要。
2.2.3 协整性检验
相关系数高，不代表价差关系稳定。这里要引入一个更严格的统计概念——协整。
简单说，协整就是两个时间序列的线性组合是平稳的。如果两个股票是协整的，它们的价差会围绕一个均值波动，不会越跑越远。
避坑指南：我曾经踩过一个坑。两只股票相关系数高达0.95，我兴冲冲地开始跑策略。结果回测一塌糊涂。后来一查，它们只是「伪相关」——都跟大盘高度相关，但彼此之间没有稳定的价差关系。所以，一定要做协整检验，别只看相关系数。
常用的协整检验方法是Engle-Granger两步法或Johansen检验。代码实现也不复杂：
import statsmodels.api as sm
from statsmodels.tsa.stattools import coint
# 假设 price1 和 price2 是两个股票的价格序列
score, p_value, _ = coint(price1, price2)
if p_value < 0.05:
print("存在协整关系，可以配对")
else:
print("不存在协整关系，放弃")嗯，这里要注意，p值小于0.05才算通过。我一般会设得更严，比如0.01。
2.3 经典配对案例：可口可乐与百事可乐
说到配对交易的经典案例，绕不开可口可乐和百事可乐。这两家公司，简直就是为配对交易量身定做的。
- 同行业：都是碳酸饮料巨头，全球竞争。
- 同板块：都是消费品板块，受通胀、消费习惯影响一致。
- 高相关性：历史相关系数长期在0.9以上。
- 协整性：经过检验，它们的价差序列是平稳的。
我记得有一次，百事可乐因为某个季度的财报不及预期，股价大跌。而可口可乐当天没什么动静。这时候，价差就拉大了。
按照配对交易的逻辑：
- 做多百事可乐（被低估了，等它反弹）
- 做空可口可乐（相对被高估了，等它回落）
结果呢？过了两周，百事可乐的利空消化完毕，股价回升。可口可乐也没跌多少，但价差确实回归了。这一来一回，赚了大概3%的收益。虽然不多，但胜在稳定。
实战要点：
- 开仓时机：价差偏离均值2倍标准差以上，可以考虑开仓。
- 止损设置：价差偏离3倍标准差，或者亏损达到总资金的1%，无条件止损。
- 平仓条件：价差回归到均值附近，或者达到目标收益。
你可能会问：「老师，万一价差就是不回归呢？」
问得好。这就是配对交易最大的风险——结构突变。比如两家公司发生了并购、重组、或者行业政策巨变。这时候，原来的价差关系可能就失效了。所以，我建议每3个月重新检验一次协整关系，别偷懒。
2.4 本章小结
这一章我们讲了配对交易的核心思想、选对子的逻辑，以及一个经典案例。说白了，就是找两个「亲兄弟」，利用它们之间的价差波动来赚钱。
下一章，我们会深入具体的策略构建流程，包括价差计算、标准化、开平仓信号设计。到时候我会手把手带大家写一个完整的回测框架。
好，今天就到这里。有什么问题，欢迎在评论区交流。
公众号:蓝海资料掘金营，微信deep3321