第二章 品种选择与相关性分析

做跨品种套利，第一步不是写代码，不是调参数。

第一步是——选品种。

品种选错了，后面再花哨的模型都是白搭。我见过太多人一上来就搞什么协整、卡尔曼滤波，结果两个品种压根儿就没关系，纯属浪费时间。说白了，品种选择是地基，地基不稳，楼盖得再高也得塌。

品种筛选逻辑

我个人习惯，先画一个圈。这个圈怎么画？

• 同产业链：比如螺纹钢和热卷，豆粕和豆油，焦煤和焦炭。它们之间有天然的上下游关系，价格传导机制清晰。
• 同交易所：同一个交易所的品种，交易时间、交割规则、保证金制度都一致，省去很多麻烦。
• 流动性充足：日均成交量低于10万手的品种，我基本不看。流动性差，滑点能吃掉你所有利润。
• 合约连续性：主力合约切换频繁的品种，做回测时数据拼接很头疼。我个人偏好那些主力合约能持续3个月以上的品种。

嗯，这里要注意一点：别只看相关性系数高就往上冲。我踩过这个坑。

相关系数计算

相关系数，最常用的就是皮尔逊相关系数。公式我就不写了，大家都会。我直接给代码。

import numpy as np
import pandas as pd

def calc_pearson(series1, series2):
    """
    计算皮尔逊相关系数
    """
    return series1.corr(series2)

# 示例：螺纹钢和热卷的日收益率相关性
rb_returns = rb_prices.pct_change().dropna()
hc_returns = hc_prices.pct_change().dropna()

corr = calc_pearson(rb_returns, hc_returns)
print(f"螺纹钢与热卷收益率相关性：{corr:.4f}")

但说实话，光看一个相关系数不够。为什么？因为相关系数只能衡量线性关系，而且对异常值极其敏感。你想想看，如果数据里有一天出现极端行情，相关系数可能直接从0.8掉到0.3。

所以我一般会同时算三个指标：

三个指标都达标，我才敢说这两个品种「有关系」。

协整检验入门

相关系数高，不代表能套利。你想想看，两个随机游走的序列，相关系数也可能很高，但它们的价差会发散，没法回归。

协整检验，就是用来判断两个序列之间是否存在长期均衡关系。说白了，就是看价差会不会「均值回归」。

最常用的方法是Engle-Granger两步法。我直接上代码：

from statsmodels.tsa.stattools import coint

def check_cointegration(series1, series2):
    """
    Engle-Granger协整检验
    返回：p值，如果p < 0.05，说明存在协整关系
    """
    score, pvalue, _ = coint(series1, series2)
    return pvalue

# 示例
p_val = check_cointegration(rb_prices, hc_prices)
if p_val < 0.05:
    print(f"存在协整关系，p值={p_val:.4f}")
else:
    print(f"不存在协整关系，p值={p_val:.4f}")

另外，协整检验的p值不是万能的。p值小于0.05只说明存在协整关系，但不代表这个关系能持续多久。我见过一些品种，历史数据协整性很好，但一进入实盘，协整关系就断了。为什么？因为市场结构变了，比如政策变化、交割规则调整。

滚动窗口分析

静态的协整检验有个大问题——它假设关系是恒定的。但市场是动态的，协整关系也会随时间变化。

所以，我强烈建议用滚动窗口来做动态分析。

def rolling_cointegration(series1, series2, window=252):
    """
    滚动窗口协整检验
    window: 窗口大小，默认252个交易日（约1年）
    """
    p_values = []
    for i in range(window, len(series1)):
        s1 = series1[i-window:i]
        s2 = series2[i-window:i]
        _, p_val, _ = coint(s1, s2)
        p_values.append(p_val)
    return p_values

# 绘制p值变化
p_vals = rolling_cointegration(rb_prices, hc_prices)
# 如果p值持续大于0.05，说明协整关系已经破裂

我个人习惯用252天的窗口（约1年），步长设成5天（每周更新一次）。这样既能捕捉到关系的变化，又不会太频繁导致信号噪音。

下面这张图，是我自己总结的品种选择与相关性分析的整体框架：

这个框架我用了好几年，基本没出过大问题。每一步都有它的意义：品种筛选是粗筛，相关性分析是细筛，协整检验是最终确认。滚动窗口则是持续监控，防止关系破裂。

好了，这一章的内容就到这里。品种选好了，相关性也确认了，下一步就是构建套利策略的核心——价差模型与交易信号。不过那是下一章的事了。