第3章：统计套利入门：均值回归、协整关系与配对交易

各位同学，今天我们来聊聊统计套利。说实话，这是我最喜欢的策略类型之一。为什么？因为它有数学支撑，有统计逻辑，不是那种拍脑袋的玄学交易。

我在2015年刚接触量化时，第一个实盘策略就是配对交易。那时候踩了不少坑，但也积累了很多经验。今天我把这些心得都分享给你们。

3.1 均值回归：市场的“橡皮筋”效应

先问大家一个问题：价格会永远朝一个方向跑吗？

当然不会。涨多了会跌，跌多了会涨。这就是均值回归的核心思想——价格围绕某个均值上下波动，偏离太远就会被“拉回来”。

我个人习惯把均值回归想象成一根橡皮筋。你拉得越远，回弹的力就越大。在金融市场里，这个“力”就是套利空间。

嗯，这里要注意：均值回归不是100%发生的。我在项目中遇到过一只股票，偏离均值后继续偏离了整整两周，差点爆仓。所以一定要设止损。

3.2 协整关系：比相关性更靠谱

很多人以为相关性高就能做配对交易。错！大错特错！

相关性高不代表两者会一起回归。举个例子：两个股票都涨了10%，但一个是因为业绩好，一个是因为游资炒作。它们之间没有稳定的数学关系。

协整就不一样了。它描述的是两个时间序列的线性组合是平稳的。说白了，就是A和B的价差会在某个范围内波动，不会越跑越远。

指标	相关性	协整性
数学含义	线性相关程度	长期均衡关系
适用场景	短期趋势判断	配对交易策略
稳定性	容易变化	相对稳定
我的建议	别单独用	首选指标

我曾经犯过一个错误：用相关性0.95的两只银行股做配对，结果价差越走越大，亏了不少。后来才发现它们虽然相关，但不协整。从那以后，我每次做配对交易前，必做Engle-Granger检验。

3.3 配对交易：实战四步法

好了，理论讲完了，咱们直接上干货。配对交易怎么做？我总结了一个四步法。

第一步：筛选候选对

找同行业、同板块的股票。比如茅台和五粮液，中国平安和中国人寿。别把茅台和特斯拉放一起，那叫跨界，不叫配对。

第二步：协整检验

用Python的statsmodels库做ADF检验。p值小于0.05才算通过。

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

# 假设price_a和price_b是两个价格序列
spread = price_a - beta * price_b
result = adfuller(spread)
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')

if result[1] < 0.05:
    print('恭喜！存在协整关系')
else:
    print('不协整，换一对试试')

第三步：计算价差与阈值

用滚动窗口计算价差的均值和标准差。我习惯用60天窗口。

# 计算滚动Z-score
window = 60
mean_spread = spread.rolling(window).mean()
std_spread = spread.rolling(window).std()
z_score = (spread - mean_spread) / std_spread

# 设定开仓阈值
entry_threshold = 2.0
exit_threshold = 0.5

第四步：执行交易信号

当Z-score > 2时，做空价差（卖A买B）。当Z-score < -2时，做多价差（买A卖B）。Z-score回到0.5以内就平仓。

3.4 避坑指南

做配对交易这几年，我踩过的坑比走过的路还多。挑几个重点说说。

3.5 本章知识体系

说了这么多，咱们用一张图把核心逻辑串起来。

这张图把本章的核心内容都串起来了。从左到右，从理论到实战。你想想看，是不是一目了然？

好了，统计套利入门就讲到这里。记住一句话：配对交易不是印钞机，它是概率游戏。做好风控，严格执行，长期下来才能赚钱。