一、统计套利导论：什么是统计套利？
大家好，欢迎来到《统计套利实战》的第一课。
先说说我自己的经历。2015年我刚入行时，听到「套利」两个字，第一反应就是「稳赚不赔」。后来真上了实盘，才发现事情没那么简单。今天我们就来把统计套利这件事彻底讲清楚。
1.1 什么是统计套利？
统计套利，说白了就是「找规律赚钱」。
你想想看，市场上两只股票，比如茅台和五粮液。它们都是白酒龙头，长期走势高度相关。如果某天茅台突然大涨，五粮液却没动，这合理吗？大概率不合理。统计套利就是抓住这种「不合理」，等市场自己纠偏。
核心逻辑就一句话：利用统计方法，找到价格偏离的资产对，做多被低估的，做空被高估的，赚回归的钱。
嗯，这里要注意：统计套利不是预测涨跌，而是赌「价差会回到均值」。这是本质区别。
统计套利的三大支柱：
- 协整关系：两个资产长期保持稳定关系
- 均值回归：价差偏离后会回归
- 统计显著性：不是瞎猜，要有数据支撑
1.2 统计套利 vs 无风险套利
很多新手会混淆这两个概念。我当年也犯过这个错。
无风险套利，比如期现套利：股指期货价格低于现货，你买入期货、卖出现货，锁定价差。不管市场怎么走，这钱你赚定了。这是「确定性的钱」。
统计套利呢？它赚的是「概率的钱」。你只能说「大概率会回归」，但万一不回归呢？
| 对比维度 | 无风险套利 | 统计套利 |
|---|---|---|
| 风险程度 | 理论上零风险 | 有统计风险 |
| 收益来源 | 价差锁定 | 均值回归 |
| 持仓时间 | 极短（秒级） | 数小时到数天 |
| 资金容量 | 小 | 大 |
| 策略复杂度 | 低 | 中高 |
避坑指南：我曾经在2018年做过一个统计套利策略，回测年化30%，实盘第一周就亏了8%。为什么？因为市场结构变了，那对股票的协整关系失效了。记住：统计套利的前提是「关系稳定」，一旦关系破裂，策略就是废纸。
1.3 统计套利的数学基础
别怕，我们不讲太深的数学。你只需要理解几个核心概念。
第一个：价差序列
假设有两只股票A和B，它们的价格分别是P_A和P_B。价差就是：
spread = P_A - β × P_B这里的β是「对冲比率」，说白了就是买1股A需要卖空多少股B。
第二个：平稳性
价差序列必须是平稳的。什么意思？就是它的均值和方差不会随时间变化。如果价差越走越远，那还回归个啥？
第三个：Z-score
用来衡量当前价差偏离了多少个标准差。一般当|Z| > 2时，我们就认为出现了交易机会。
Z = (当前价差 - 均值) / 标准差我的习惯：在实际项目中，我不会只用Z-score。我会结合布林带和RSI做二次确认。为什么？因为Z-score假设数据是正态分布，但金融数据往往有厚尾。多一层过滤，少一次踩坑。
1.4 课程知识体系
下面这张图是我自己整理的课程框架。你可以把它当作整个学习路径的地图。
1.5 学习路径建议
我个人建议的学习顺序是这样的：
- 先理解概念（第1-3章）：别急着写代码，把协整、平稳性这些概念吃透。我见过太多人连ADF检验是什么都不懂就开始跑策略，结果亏得一塌糊涂。
- 再搭环境（第4-6章）：装Python、配数据库、拉数据。这一步很枯燥，但基础打牢了后面才顺。
- 然后写策略（第7-15章）：从最简单的配对交易开始，逐步加复杂度。记住：先跑通，再优化。
- 最后上实盘（第16-30章）：回测、风控、部署、监控。每一步都有坑，我会把踩过的坑都告诉你。
一个小建议：每学完一章，花15分钟把代码敲一遍。光看是学不会的。我当年学量化时，光是写配对交易的代码就重写了7遍。第7遍的时候，我才真正理解了参数优化的坑在哪里。
1.6 你需要准备什么？
- Python基础：会写循环、函数、类就行。不用精通。
- 统计学基础：知道均值、方差、正态分布就够了。复杂的我们边学边补。
- 一台电脑：能跑Python就行，不需要GPU。
- 耐心：这是最重要的。统计套利不是一夜暴富的工具，它需要持续优化和迭代。
好了，第一章就到这里。记住：统计套利赚的是「概率的钱」，不是「确定性的钱」。理解这一点，你就能避开90%的坑。
公众号:蓝海资料掘金营，微信deep3321