一、统计套利导论：从概念到实战框架

大家好，我是你们的老朋友。今天咱们正式开启《跨品种套利中的统计套利模型实战》这门课。第一讲，我想先聊聊最基础的问题——统计套利到底是什么？

说实话，我入行那会儿，很多人把统计套利说得神乎其神。什么「量化交易的圣杯」、「市场提款机」……嗯，后来我踩过坑才知道，它没那么玄，但确实是个好工具。

1.1 什么是统计套利？

先给个定义：统计套利，是利用统计学方法，寻找两个或多个资产之间价格关系的偏离，并押注这种偏离会回归正常水平。

说白了，就是找「亲戚」。比如螺纹钢和热卷，它们同属钢铁产业链，价格走势高度相关。某天螺纹钢突然涨了5%，热卷只涨了1%——这就不正常了。我赌它们会重新「对齐」，于是做多热卷、做空螺纹钢。

你可能会问：「这不就是配对交易吗？」没错，配对交易是统计套利最经典的形式。但统计套利的外延更广，可以扩展到多资产、多因子。

1.2 统计套利 vs 无风险套利

这两个概念经常被混淆。我刚开始做交易时也犯过糊涂——以为统计套利就是无风险套利。结果呢？亏了一笔才明白区别。

对比维度	无风险套利	统计套利
风险特征	理论上零风险	存在模型风险、尾部风险
收益来源	价差收敛（确定性）	价差回归（概率性）
持仓时间	极短（秒级到分钟级）	中等（小时级到数天）
资金容量	小（受限于流动性）	大（可容纳大资金）
典型例子	股指期货与ETF的期现套利	螺纹钢与热卷的跨品种套利

举个例子你就明白了。无风险套利就像你发现同一瓶水，A超市卖1块，B超市卖1块2。你从A买，到B卖，稳赚2毛。但统计套利呢？你发现A超市的水通常比B超市便宜1毛，但今天突然便宜了5毛——你赌它会回到1毛的差距。可万一明天A超市倒闭了呢？这就是风险。

1.3 统计套利的数学基础

做统计套利，绕不开两个数学概念：平稳性和协整。我尽量用大白话讲清楚。

1.3.1 平稳性

平稳性，说白了就是「价格差有没有规律可循」。如果两个资产的价格差像喝醉了酒一样随机游走，那你就没法套利。但如果价差围绕一个均值上下波动，那就有了套利空间。

数学上，我们通常用ADF检验来判断一个时间序列是否平稳。代码很简单：

from statsmodels.tsa.stattools import adfuller

# 假设价差序列 spread
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('价差序列平稳，可以做统计套利')
else:
    print('价差不平稳，需要进一步处理')

p值小于0.05，说明价差是平稳的。嗯，这里要注意：p值越小越好，但别迷信。我见过很多策略，ADF检验通过了，实盘却亏得一塌糊涂。为什么？因为样本外数据可能不满足同样的统计特性。

1.3.2 协整

协整是平稳性的「升级版」。两个非平稳的资产价格，它们的线性组合可能是平稳的。这就好比两个醉汉互相搀扶着走路——单独看都在乱晃，但看他们的相对位置，反而有规律。

举个例子：沪深300股指期货（IF）和上证50股指期货（IH）。单独看，两者都是非平稳的。但它们的价差（或某种比例组合）可能是平稳的。这就是协整关系。

检验协整的经典方法是Engle-Granger两步法：

from statsmodels.tsa.stattools import coint

# 假设两个价格序列 price1, price2
score, pvalue, _ = coint(price1, price2)
print(f'协整检验p值: {pvalue:.4f}')

if pvalue < 0.05:
    print('存在协整关系，可以构建套利组合')
else:
    print('不存在协整关系，换个品种试试')

1.4 统计套利的交易流程概览

好了，理论讲完了。咱们来看看实战中，统计套利到底怎么操作。我把它总结为五个步骤：

1. 品种选择：找到逻辑上相关、统计上协整的资产对。比如螺纹钢和热卷、豆粕和菜粕、IF和IH。
2. 模型构建：用历史数据估计价差的均值、标准差，确定回归阈值。通常用Z-score来标准化价差。
3. 信号生成：当Z-score超过某个阈值（比如±2），触发开仓信号。做多被低估的，做空被高估的。
4. 风险管理：设置止损、仓位控制。我个人的习惯是，单笔交易亏损不超过总资金的1%。
5. 执行与监控：实盘运行，动态调整参数。注意：模型不是一成不变的，市场结构会变，协整关系也可能破裂。

为了让你更直观地理解，我画了一张流程图：

你想想看，这个流程其实很像一个「闭环控制系统」。信号触发→开仓→监控→平仓→反馈优化。每一步都有坑，但每一步也都有优化空间。

好了，第一讲就到这里。记住：统计套利不是印钞机，它是一套需要持续打磨的系统。下一讲，我们会深入协整检验的细节，包括如何选择参数、如何处理非平稳数据。咱们到时候见。

---

公众号:蓝海资料掘金营，微信deep3321