第四章：核心数学基础——均值回归与协整、相关性分析、标准差与Z-Score、正态分布与尾部风险
各位同学，欢迎来到第四章。这一章，咱们要啃点硬骨头——数学基础。
别急着关页面。我知道很多人一听到「数学」两个字就头疼。但套利策略这东西，说白了就是数学游戏。你数学功底越扎实，策略的护城河就越深。我做了这么多年量化，见过太多人因为数学不过关，回测时风光无限，实盘时亏得底裤都不剩。
今天这章，我会把四个核心概念讲透：均值回归、协整、相关性分析、以及正态分布与尾部风险。每个概念我都会结合实战经验来讲，保证你听完就能用。
4.1 均值回归：套利策略的基石
先聊聊均值回归。这个概念，我愿称之为套利策略的「灵魂」。什么意思呢？就是资产价格在偏离均值后，有回归均值的趋势。涨多了会跌，跌多了会涨——听起来像废话，但背后有数学逻辑支撑。
我个人习惯把均值回归想象成一根橡皮筋。价格被拉得越远，回弹的力道就越强。套利策略的核心，就是捕捉这种「回弹」的利润。
核心公式：
均值回归的核心假设：价格序列是平稳的，即均值、方差在时间上保持稳定。
检验方法：ADF检验（Augmented Dickey-Fuller Test）
举个例子。假设某只股票的历史均价是100元，现在跌到了90元。如果它存在均值回归特性，那么未来大概率会涨回100元附近。你就在90元买入，等它涨到100元卖出，赚这10块钱的差价。
听起来简单？嗯，这里要注意——不是所有资产都适合均值回归策略。我刚开始做套利时，踩过一个坑：拿趋势性很强的资产做均值回归，结果越跌越买，越买越亏，最后仓位爆了。
避坑指南：我曾经在2018年用均值回归策略做比特币，结果比特币从6000美元一路跌到3000美元，我一路加仓，最后亏了40%。后来我才明白——趋势行情里做均值回归，等于接飞刀。
4.2 协整：比相关性更高级的关系
说到协整，很多人会把它和相关性搞混。我明确告诉你——这是两码事。
相关性衡量的是两个变量「同涨同跌」的程度。而协整衡量的是两个变量之间是否存在长期稳定的线性关系。即使两个资产的相关性很低，它们也可能存在协整关系。
举个例子。股票A和股票B，短期看它们涨跌不同步，相关性只有0.3。但长期看，它们的价差始终围绕一个固定值波动。这就是协整。
实战技巧：我个人习惯用「价差序列」来判断协整。如果价差序列是平稳的（通过ADF检验），那么这两个资产就存在协整关系。这时候就可以做配对交易——价差扩大时做空价差，价差缩小时做多价差。
协整检验的步骤很简单：
- 选取两个资产的价格序列
- 做线性回归，得到残差序列
- 对残差序列做ADF检验
- 如果残差平稳，则存在协整关系
# Python 协整检验示例
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
# 第一步：线性回归
price_a = sm.add_constant(price_a)
model = sm.OLS(price_b, price_a).fit()
residuals = model.resid
# 第二步：对残差做ADF检验
adf_result = adfuller(residuals)
print(f'ADF统计量: {adf_result[0]}')
print(f'p值: {adf_result[1]}')
# p值小于0.05，说明残差平稳，存在协整关系4.3 相关性分析：皮尔逊 vs 斯皮尔曼
相关性分析，是套利策略的「体检报告」。它告诉你两个资产之间到底有没有关系，关系有多强。
常用的有两种：皮尔逊相关系数和斯皮尔曼秩相关系数。
| 指标 | 皮尔逊相关系数 | 斯皮尔曼秩相关系数 |
|---|---|---|
| 适用场景 | 线性关系 | 单调关系（包括非线性） |
| 对异常值敏感度 | 高 | 低 |
| 数据要求 | 正态分布 | 无分布要求 |
| 取值范围 | -1 到 1 | -1 到 1 |
我一般怎么用？如果数据看起来比较「干净」，没有太多异常值，我会用皮尔逊。但如果数据里有明显的异常点——比如某天突然暴涨暴跌——我会改用斯皮尔曼，因为它对异常值不敏感。
个人经验：我在做加密货币套利时，经常遇到极端行情。这时候皮尔逊相关系数会变得很不稳定，今天0.8，明天0.2。换成斯皮尔曼后，结果稳定多了。说白了，斯皮尔曼更适合「脏数据」场景。
4.4 标准差与Z-Score：量化偏离程度
标准差衡量的是数据的离散程度。Z-Score衡量的是某个数据点偏离均值的程度，单位是标准差。
公式很简单：
Z = (X - μ) / σ
其中X是当前值，μ是均值，σ是标准差。
在套利策略里，Z-Score就是你的「入场信号」。当Z-Score的绝对值大于某个阈值（比如2），就说明价格偏离均值太远了，大概率会回归。
# Z-Score 计算示例
import numpy as np
# 假设 prices 是价格序列
mean = np.mean(prices)
std = np.std(prices)
current_price = prices[-1]
z_score = (current_price - mean) / std
print(f'当前Z-Score: {z_score:.2f}')
# 交易信号
if z_score > 2:
print('做空信号：价格过高，预期回归')
elif z_score < -2:
print('做多信号：价格过低，预期回归')
else:
print('观望：价格在合理范围内')注意：Z-Score的阈值不是固定的。我见过有人用1.5，有人用2.5，还有人用3。这取决于资产的波动特性。我个人习惯先用历史数据回测，找到最优阈值。别拍脑袋定阈值，那是赌博。
4.5 正态分布与尾部风险
正态分布，就是那个钟形曲线。很多金融模型都假设收益率服从正态分布。但现实呢？
现实是——金融数据的尾部比正态分布要「厚」得多。什么意思？就是极端行情发生的概率，比正态分布预测的要高得多。
举个例子。按照正态分布，3倍标准差以外的事件，发生的概率只有0.3%。但在真实市场里，这种「黑天鹅」事件隔几年就来一次。2008年金融危机、2020年疫情暴跌、2022年Luna崩盘——这些都是尾部事件。
核心观点：如果你完全依赖正态分布来设计套利策略，你可能会在尾部事件中爆仓。我见过太多人，回测时年化30%，实盘时遇到一次尾部事件就亏光。
怎么应对尾部风险？我的做法是：
- 用历史数据计算实际分布的尾部厚度（峰度）
- 在策略中加入止损和仓位管理
- 永远不要满仓，留足安全边际
避坑指南：我曾经设计过一个套利策略，回测了5年数据，夏普比率高达3.0。结果实盘第3个月就遇到一次「闪崩」，策略直接亏了15%。后来我复盘发现，那5年回测数据里没有包含任何尾部事件。从那以后，我每次回测都会刻意加入「压力测试」——模拟极端行情下的表现。
好了，这一章的内容就到这里。数学基础打牢了，后面的策略搭建才能稳。下一章我们会进入实战环节，开始搭建第一个完整的套利策略。
公众号:蓝海资料掘金营，微信deep3321