一、统计套利基础：从一次实战教训说起

各位同学好，我是老张。在量化圈摸爬滚打十几年，今天咱们聊聊统计套利。

先讲个故事。2015年那会儿，我刚开始做跨市场套利。看到A股和H股的同股同权标的，价差动不动就10%以上。我心想，这不就是捡钱吗？结果呢？价差不仅没收敛，反而越拉越大。亏了钱不说，还被风控叫去喝茶。

后来我才明白——那不是无风险套利，那是统计套利。两者有本质区别。

1.1 什么是统计套利？

统计套利，说白了就是利用统计规律赚钱。它不保证每次都对，但长期来看，胜率能让你盈利。

举个例子。茅台和五粮液，都是白酒龙头。历史上它们的价格走势高度相关。如果某天茅台突然大涨，五粮液没动，价差拉大了。这时候我可能会做多五粮液、做空茅台，赌价差回归。

注意，这不是无风险的。万一茅台继续涨，五粮液继续跌呢？有可能。但统计上，这种偏离大概率会修复。这就是统计套利的核心逻辑。

1.2 统计套利 vs 无风险套利

这两者经常被混淆。我当年就吃过这个亏。咱们用表格对比一下：

对比维度	无风险套利	统计套利
确定性	100%确定	概率性（70%-80%胜率）
风险	几乎为零	存在模型风险、尾部风险
机会频率	极低（秒级甚至更低）	较高（分钟级到日级）
资金容量	小	大
典型例子	股指期货期现套利	配对交易、ETF套利

无风险套利，比如股指期货和现货之间的价差。理论上，价差超过交易成本就能套。但现实中，这种机会转瞬即逝，而且资金容量有限。

统计套利呢？机会多，容量大，但你要承担风险。我个人的经验是：统计套利赚的是概率的钱，不是确定的钱。你想想看，如果每次都能赚，那市场早就被套平了。

1.3 统计套利的数学基础

搞统计套利，离不开两个核心概念：均值回归和协整性。

1.3.1 均值回归

均值回归，就是价格会围绕某个均值上下波动。高了会跌，低了会涨。听起来简单，但实际应用时坑很多。

我曾经犯过一个错误。2017年做螺纹钢和热卷的套利，看到价差偏离历史均值两个标准差，直接开仓。结果呢？价差继续偏离，最后止损出局。后来复盘发现——均值不是一成不变的。市场结构变了，均值也会变。

判断均值回归，常用的方法有：

• 布林带：价格触及上下轨时，回归概率大
• RSI指标：超买超卖区域
• Z-score：标准化后的偏离程度

这里给个简单的Z-score计算代码：

import numpy as np
import pandas as pd

def calculate_zscore(spread, window=20):
    """
    计算价差的Z-score
    spread: 价差序列
    window: 滚动窗口
    """
    mean = spread.rolling(window).mean()
    std = spread.rolling(window).std()
    zscore = (spread - mean) / std
    return zscore

# 使用示例
# zscore = calculate_zscore(spread, window=20)
# 当zscore > 2 或 zscore < -2 时，考虑开仓

1.3.2 协整性

协整性，是统计套利的灵魂。它描述的是两个或多个时间序列之间是否存在长期稳定的关系。

举个例子。上证50和沪深300，长期来看走势高度一致。但短期可能有偏离。如果它们存在协整关系，那么偏离后大概率会回归。

检验协整性，最常用的是Engle-Granger两步法：

1. 对两个序列做线性回归，得到残差
2. 对残差做单位根检验（ADF检验）

如果残差是平稳的，说明存在协整关系。

from statsmodels.tsa.stattools import adfuller
import statsmodels.api as sm

def check_cointegration(price1, price2):
    """
    检验两个价格序列的协整性
    返回: (是否协整, p值)
    """
    # 第一步：回归
    X = sm.add_constant(price2)
    model = sm.OLS(price1, X).fit()
    residuals = model.resid
    
    # 第二步：ADF检验
    adf_result = adfuller(residuals, maxlag=1)
    p_value = adf_result[1]
    
    # p值小于0.05，认为存在协整关系
    is_cointegrated = p_value < 0.05
    return is_cointegrated, p_value

# 使用示例
# is_coint, p = check_cointegration(price_a, price_b)
# print(f"是否协整: {is_coint}, p值: {p:.4f}")

1.4 统计套利的市场逻辑

为什么统计套利能赚钱？这背后有深刻的市场逻辑。

第一，市场不是完全有效的。 如果市场完全有效，价格永远合理，就没有套利空间。但现实中，信息传递有延迟，投资者情绪会波动，导致价格短期偏离。

第二，套利力量的存在。 当价差偏离时，套利者会入场，推动价格回归。这本身就是一种自我实现的预言。你想想看，如果所有人都相信价差会回归，那它真的会回归。

第三，基本面约束。 很多资产之间存在天然的比价关系。比如豆粕和菜粕，都是蛋白饲料，可以相互替代。如果价差过大，饲料厂会调整配方，从而推动价差回归。

下面这张图，展示了统计套利的完整逻辑框架：

这张图把统计套利的逻辑串起来了。从市场非有效出发，到数学基础，再到策略构建和风险控制，最后落到盈利来源。每个环节都不可或缺。

1.5 小结

统计套利不是无风险套利，它赚的是概率的钱。核心在于找到稳定的统计关系，然后耐心等待价格回归。

我个人觉得，做统计套利最难的，不是数学，不是代码，而是心态。当价差持续偏离时，你能不能扛住？当连续亏损时，你还相不相信模型？这些才是真正的考验。

好了，这一章就到这里。记住：统计套利是科学，也是艺术。科学的部分可以量化，艺术的部分需要经验积累。