1. 统计套利策略概述：定义、原理、市场中性概念、统计套利 vs 无风险套利
1.1 到底什么是统计套利？
统计套利，说白了就是「找规律赚钱」。
我刚开始接触量化的时候，总觉得套利就是无风险地捡钱。后来踩了坑才明白——统计套利不是无风险套利，它赌的是「历史会重演」。你想想看，如果两只股票过去三年走势高度同步，某天突然背离了，你会怎么做？
对，做多跌的那个，做空涨的那个。等它们回归均值，你就赚了。
这就是统计套利的本质：利用统计规律，捕捉价格偏离后的回归机会。
核心定义：统计套利是一种基于统计模型和概率论的交易策略，通过识别资产间的统计关系，在价格出现暂时性偏离时建立多空组合，期望价格回归后获利。
1.2 统计套利的原理
原理其实不复杂。我习惯把它拆成三步：
- 找关系——找到两只或多只资产之间的统计相关性
- 建模型——用回归、协整等方法量化这个关系
- 抓偏离——当实际价格偏离模型预测值时，开仓交易
举个例子。我在做A股统计套利时，经常用「配对交易」这个经典框架。比如茅台和五粮液，它们同属白酒板块，长期走势高度相关。如果某天茅台涨了3%，五粮液只涨了0.5%，这个价差就超出了正常范围。嗯，这时候就可以做多五粮液、做空茅台，等价差回归。
个人经验：我建议初学者先从配对交易入手。它逻辑清晰，回测也容易做。我曾经用这个方法跑过一年的实盘，年化收益大概在8%-12%之间，最大回撤控制在3%以内。当然，前提是选对了配对标的。
1.3 市场中性概念
市场中性，是统计套利的灵魂。
什么叫市场中性？说白了就是你的组合对大盘涨跌不敏感。大盘涨10%，你的组合不一定会涨；大盘跌10%，你的组合也不一定会跌。因为你同时持有多头和空头，市场风险被对冲掉了。
我举个例子你就明白了：
- 你买入100万茅台，同时卖出100万五粮液
- 大盘涨了，茅台和五粮液都涨，但你的净头寸是0
- 你赚的是它们之间的价差变化，不是大盘的方向
这就是市场中性的核心——剥离市场风险，只赚统计规律的钱。
避坑指南：我曾经犯过一个错误——以为多空头寸等额就是市场中性。其实不对。真正的市场中性要考虑Beta值。如果茅台的Beta是1.2，五粮液的Beta是0.8，等额做多空并不能完全对冲市场风险。你需要根据Beta调整仓位比例。
1.4 统计套利 vs 无风险套利
这两个概念经常被混淆。我直接给你画个对比表：
| 对比维度 | 统计套利 | 无风险套利 |
|---|---|---|
| 风险程度 | 有风险（模型风险、执行风险） | 理论上无风险 |
| 收益来源 | 价格回归均值 | 市场定价错误 |
| 持仓时间 | 几天到几周 | 几秒到几分钟 |
| 资金容量 | 较大 | 较小 |
| 典型例子 | 配对交易、ETF套利 | 跨市场价差套利、期现套利 |
你想想看，无风险套利就像在超市里发现同一瓶水左边卖2块、右边卖1块，你直接买右边卖左边。但统计套利更像是——你发现这两瓶水过去一年价格差都在0.5元以内，今天突然差到了1元，你赌它会回去。
区别很明显：一个靠确定性，一个靠概率。
我的看法：实盘中，纯粹的无风险套利机会越来越少，而且竞争极其激烈。统计套利虽然承担了模型风险，但胜在容量大、机会多。我个人更倾向于把80%的精力放在统计套利上，剩下的20%去抓那些偶尔出现的无风险机会。
1.5 统计套利的知识体系
为了让你更直观地理解，我画了一张结构图：
1.6 一个简单的配对交易示例
光说不练假把式。我给你看一段伪代码，模拟配对交易的逻辑：
# 伪代码：配对交易核心逻辑
def pair_trading(stock_A, stock_B, lookback=60, entry_z=2.0):
# 1. 计算价差
spread = stock_A.price - stock_B.price * hedge_ratio
# 2. 计算Z-score
z_score = (spread - spread.mean()) / spread.std()
# 3. 交易信号
if z_score > entry_z:
# 做空价差：卖A，买B
sell(stock_A)
buy(stock_B)
elif z_score < -entry_z:
# 做多价差：买A，卖B
buy(stock_A)
sell(stock_B)
else:
# 持仓不动或平仓
pass这段代码虽然简单，但已经包含了统计套利的三个核心要素：价差计算、偏离度量、信号触发。我在实盘中用的框架比这个复杂得多，但底层逻辑一模一样。
小技巧：Z-score的阈值设置很关键。我习惯用2.0作为入场阈值，0.5作为出场阈值。太小的阈值会导致频繁交易，手续费吃掉利润；太大的阈值又可能等不到回归。你可以根据自己的回测结果调整。
1.7 本章小结
统计套利不是魔法，它是一门概率游戏。你不需要预测大盘涨跌，只需要找到那些「走散了的兄弟」，赌它们会重新走到一起。
记住三个关键词：统计关系、市场中性、均值回归。把这三点吃透了，后面的章节你会越学越顺。