3. 相关性分析：如何用协整与相关系数筛选套利对
做跨品种套利，第一步就是找「对的人」。
你想想看，如果两个品种各走各的，毫无关系，那还套什么利？说白了，我们要找的是那些「同涨同跌」或者「你涨我跌」的品种对。但这里有个坑——很多人只看相关系数，觉得0.9以上就稳了。嗯，我刚开始做套利时也这么干过，结果亏得挺惨。
3.1 相关系数：入门级筛选工具
相关系数是最直观的指标。它衡量两个变量之间的线性关系强度，取值范围在-1到1之间。
- 正相关（接近1）：比如螺纹钢和热卷，同属黑色系，走势高度同步
- 负相关（接近-1）：比如黄金和美元指数，通常反向运动
- 零相关（接近0）：比如比特币和猪肉价格，基本没关系
计算很简单，用皮尔逊相关系数公式：
import numpy as np
def pearson_corr(series1, series2):
return np.corrcoef(series1, series2)[0, 1]
# 示例：螺纹钢和热卷的日收益率
corr = pearson_corr(steel_returns, hot_coil_returns)
print(f"相关系数: {corr:.4f}")重要提醒：相关系数有个致命缺陷——它只能捕捉线性关系。而且，它假设数据是平稳的。现实中很多价格序列是非平稳的，这时候相关系数会「虚高」。我见过有人拿两个随机游走序列算出0.8的相关系数，还以为是发现了宝藏。
我的经验：相关系数只适合做初筛。我个人习惯先算一遍所有品种对的相关系数，把低于0.6的剔除掉，然后再用协整做精筛。这样效率高很多。
3.2 协整：真正的套利关系检测
相关系数看的是「价格走势是否相似」，而协整看的是「价差是否稳定回归」。
为什么协整更重要？因为套利的本质是价差回归。两个品种即使相关系数不高，但只要它们的价差在长期内围绕均值波动，那就是好的套利对。
举个例子：我记得有个学员问我，为什么豆粕和菜粕的相关系数只有0.7，但套利效果却很好？原因就是它们之间存在协整关系——价差有明确的上下界，到了边界就会回归。
3.2.1 协整的数学定义
两个非平稳时间序列 \( X_t \) 和 \( Y_t \)，如果存在一个线性组合 \( Z_t = Y_t - \beta X_t \) 是平稳的，那么它们就是协整的。
这里的 \( \beta \) 就是对冲比率。简单说，就是每做1手Y，需要做多少手X来对冲。
3.2.2 Engle-Granger两步法
这是最常用的协整检验方法，分两步走：
- 第一步：用OLS回归估计对冲比率 \( \beta \)
- 第二步：对残差序列做单位根检验（ADF检验）
import statsmodels.api as sm
def engle_granger_coint(Y, X):
# 第一步：OLS回归
X_const = sm.add_constant(X)
model = sm.OLS(Y, X_const).fit()
beta = model.params[1]
residual = model.resid
# 第二步：ADF检验残差平稳性
adf_result = sm.tsa.stattools.adfuller(residual, maxlag=1)
adf_stat = adf_result[0]
p_value = adf_result[1]
return beta, adf_stat, p_value
# 示例
beta, adf_stat, p_value = engle_granger_coint(price_Y, price_X)
print(f"对冲比率: {beta:.4f}")
print(f"ADF统计量: {adf_stat:.4f}")
print(f"p值: {p_value:.4f}")避坑指南：我曾经犯过一个错误——直接用价格做协整检验，结果发现p值很小，以为找到了好对。后来才发现，那是因为两个品种都有明显的趋势项。正确的做法是：先确认两个序列都是I(1)（一阶单整），再做协整检验。否则结果不可靠。
3.3 相关系数 vs 协整：什么时候用哪个？
| 指标 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 相关系数 | 计算快，直观易懂 | 只能检测线性关系，对非平稳数据失效 | 初筛，快速排除无关品种 |
| 协整 | 检测长期均衡关系，适合套利 | 计算复杂，对参数敏感 | 精筛，确认套利对的有效性 |
我个人习惯的流程是：先用相关系数把全市场几千个品种对砍到几十个，再用协整从几十个里挑出5-10个真正能用的。这样既节省时间，又保证质量。
3.4 实战中的注意事项
- 窗口期选择：协整检验对时间窗口很敏感。我建议至少用1年的日线数据，太短了容易误判。
- 多重检验问题：如果你同时检验100个品种对，即使它们都不协整，也会有5个左右被误判为协整（5%显著性水平）。所以，p值要设得更严格，比如0.01。
- 经济逻辑：不要只看统计结果。两个品种如果没有任何经济关联，即使统计上协整，也可能是伪回归。比如，我见过有人把中国A股和巴西咖啡豆做协整，结果p值还挺小——但你觉得这能套利吗？
我的小技巧：在做协整检验前，先画个价差图。如果价差看起来有明显的趋势或季节性，那大概率不是好的套利对。眼睛有时候比统计指标更管用。
3.5 本章知识体系
下面这张图总结了相关性分析的核心逻辑：
好了，这一章就到这里。记住：相关系数是「看脸」，协整是「看心」。两者结合，才能找到真正能赚钱的套利对。