二、多品种选择：品种筛选标准、行业板块分类、流动性要求、波动率匹配
好，咱们进入正题。多品种配对交易，第一步就是选品种。这一步要是走偏了，后面再好的策略也白搭。我见过不少新手，上来就挑自己熟悉的股票，结果流动性差、波动率不匹配，最后配对效果一塌糊涂。说白了，选品种就像选队友，得门当户对才行。
2.1 品种筛选标准——我的四道关卡
我个人习惯用四个维度来筛选，缺一不可。你想想看，如果一只股票每天成交额才几百万，你配对进去，一买一卖就把价格打飞了，那还怎么玩？
核心筛选四要素：
- 相关性门槛：配对品种的历史相关系数 ≥ 0.7，我一般取0.8以上才放心
- 协整性检验：Engle-Granger两步法或Johansen检验，p值 < 0.05
- 数据完整性：近3年无停牌超过5个交易日，无重大重组事件
- 交易成本容忍：双边买卖价差 + 佣金 ≤ 0.3%
我在项目中遇到过一只票，相关性测出来0.85，看着挺美。结果一查，它跟配对标的在某个行业事件上高度相关，但事件过后相关性就崩了。所以啊，光看数字不行，还得看背后的逻辑是否可持续。
我的小技巧：用滚动窗口算相关性，窗口设60个交易日。如果最近60天的相关性突然掉到0.6以下，我会直接剔除这对组合。别问为什么，吃过亏。
2.2 行业板块分类——别跨行业瞎配对
配对交易的核心逻辑是同涨同跌。不同行业的股票，驱动因素完全不同。你拿一个银行股跟一个科技股配对，那不是找罪受吗？
我一般把品种分成以下几类：
| 板块类别 | 典型品种 | 配对逻辑 | 注意事项 |
|---|---|---|---|
| 金融板块 | 银行、券商、保险 | 利率敏感、流动性好 | 注意政策风险，如降准降息 |
| 周期板块 | 钢铁、煤炭、有色 | 商品价格驱动、波动大 | 注意期货联动，隔夜跳空风险 |
| 消费板块 | 白酒、食品、家电 | 业绩稳定、波动适中 | 注意季节性因素，如春节效应 |
| 科技板块 | 半导体、软件、通信 | 成长性强、波动剧烈 | 注意事件驱动，如新品发布 |
| 医药板块 | 创新药、医疗器械 | 政策敏感、防御性强 | 注意集采政策，黑天鹅较多 |
我建议，配对的两个品种最好来自同一板块，或者至少是高度相关的子行业。比如银行配银行，白酒配白酒。跨板块配对不是不行，但需要额外做行业风险对冲，复杂度翻倍。
警告：我曾经尝试过用茅台配招商银行，想着都是大蓝筹。结果茅台涨的时候招行不动，招行涨的时候茅台跌。最后发现它们的驱动因子完全不同——茅台看消费，招行看利率。嗯，那次亏得不多，但教训深刻。
2.3 流动性要求——别把自己套进去
流动性是配对交易的命门。你想想看，如果一只股票一天只成交几百万，你建仓10万块进去，想平仓的时候发现卖单稀稀拉拉，滑点能吃掉你一半利润。
我个人习惯用以下几个指标来评估流动性：
- 日均成交额：不低于5000万人民币，我一般取1亿以上
- 买卖价差：不超过0.1%，最好在0.05%以内
- 订单簿深度：买一卖一挂单量至少能容纳我单次交易量的5倍
- 换手率：不低于0.5%，但也不超过10%（太高说明投机盘多）
实战经验：我做过一个回测，用日均成交额低于3000万的品种做配对，年化收益看起来不错，但实际交易时滑点把收益吃掉了60%。从那以后，流动性成了我的第一道筛选标准。
还有一个容易被忽略的点——流动性时间分布。有些股票上午活跃下午冷清，有些正好相反。我建议你统计一下每个时段（比如每30分钟）的成交量分布，确保你的交易时段内流动性充足。
2.4 波动率匹配——门当户对才长久
波动率不匹配，是配对交易最常见的坑。你想想，一个波动率20%的品种配一个波动率40%的品种，价差波动会被高波动品种主导，低波动品种几乎起不到对冲作用。
我一般用30日滚动波动率来匹配，要求两个品种的波动率比值在0.8到1.2之间。具体来说：
# 波动率匹配示例（Python伪代码）
import numpy as np
def volatility_match(price1, price2, window=30):
ret1 = np.log(price1).diff()
ret2 = np.log(price2).diff()
vol1 = ret1.rolling(window).std() * np.sqrt(252)
vol2 = ret2.rolling(window).std() * np.sqrt(252)
ratio = vol1 / vol2
# 要求比值在0.8~1.2之间
return (ratio > 0.8) & (ratio < 1.2)
为什么会这样？因为波动率不匹配会导致两个问题：
- 对冲效率下降：高波动品种的仓位需要频繁调整，交易成本飙升
- 价差信号失真：价差的波动主要由高波动品种贡献，低波动品种的均值回复特性被淹没
我的避坑指南：我曾经用一只波动率25%的银行股配一只波动率45%的券商股，回测时看着价差挺漂亮。实盘跑了两个月，发现价差经常突破3倍标准差，但就是不回归。后来一查，原来是券商股的波动率在某个时间段突然飙升到60%，直接把配对逻辑打乱了。所以我现在做配对前，一定会看波动率的稳定性——不光看均值，还要看波动率的波动率（二阶矩）。
2.5 知识体系总览
下面这张图是我自己整理的，把多品种选择的几个核心维度串起来了。你可以把它当作一个检查清单，每次选品种时过一遍。
嗯，以上就是多品种选择的全部内容。说白了，就是四个字——门当户对。相关性高、同板块、流动性好、波动率匹配，这四个条件都满足了，你的配对交易就成功了一半。剩下的，就是执行层面的功夫了。