2. 协整理论入门：协整关系的数学定义与经济学含义
各位同学，今天我们来聊聊协整。说实话，我刚入行那会儿，听到「协整」这个词，第一反应是——这又是什么高大上的数学概念？后来做多了跨市场套利才发现，协整其实就是帮我们回答一个核心问题：两个看似随机游走的资产，它们之间到底有没有「真感情」？
2.1 为什么需要协整？
先讲个我踩过的坑。2018年我在做股指期货与ETF的套利策略，当时看到沪深300和上证50的价差在扩大，我心想「这不就是均值回归吗？」直接开仓。结果呢？价差越拉越大，亏得我怀疑人生。
后来复盘才发现：相关性不等于协整。两个序列可能短期走势很像（相关性高），但长期来看它们会越走越远——这就是伪回归。协整要解决的，正是这个问题。
核心区别一句话：
- 相关性：看的是两个变量「一起动」的程度
- 协整：看的是两个变量「分开后会不会回来」
2.2 协整的数学定义
好，我们上点干货。协整的数学定义其实不复杂，我尽量用大白话讲清楚。
假设有两个时间序列 \( X_t \) 和 \( Y_t \)，它们各自都是非平稳的（比如随机游走）。但如果存在一个系数 \( \beta \)，使得它们的线性组合：
\[ Z_t = Y_t - \beta X_t \]变成了平稳序列，那么我们就说 \( X_t \) 和 \( Y_t \) 是协整的。
嗯，这里要注意：单变量非平稳，组合后平稳——这就是协整的精髓。
数学上更严谨的说法
如果两个序列都是 \( I(1) \)（一阶单整），且存在一个向量 \( (1, -\beta) \) 使得 \( Z_t \sim I(0) \)，则称它们存在协整关系。
你想想看，这就像两个人各自都在乱走（非平稳），但中间有根绳子拴着（协整关系），所以不管怎么走，距离始终不会太远。
我个人习惯：在做协整检验前，先做单位根检验（ADF检验），确认两个序列都是 I(1)。这一步省不了，否则后面全是白搭。
2.3 协整的经济学含义
协整不只是数学游戏，它有很强的经济学直觉。说白了，协整反映的是长期均衡关系。
举个例子：
- 现货与期货：理论上，期货价格应该收敛于现货价格。如果偏离太大，套利者会进场，把价差拉回来。这就是协整。
- 同行业股票：比如茅台和五粮液，虽然各自股价随机游走，但它们的价差往往围绕一个均值波动。因为基本面相似，市场情绪会驱动它们同涨同跌。
- 不同市场的同一资产：比如A股和港股上市的同一家公司，虽然交易时间、流动性不同，但长期看价格应该趋同。
经济学直觉：协整关系背后，往往存在某种「套利机制」或「基本面约束」，使得价格不会无限偏离。
2.4 协整检验的两种主流方法
做量化交易，我们最常用的协整检验方法有两种。我分别说说它们的适用场景和坑。
方法一：Engle-Granger两步法（EG检验）
这是最经典的方法，步骤很简单：
- 第一步：用OLS回归 \( Y_t = \alpha + \beta X_t + \epsilon_t \)，得到残差序列 \( \hat{\epsilon}_t \)
- 第二步：对残差做ADF单位根检验。如果残差平稳，则协整成立。
代码实现也很直接：
import statsmodels.api as sm
import numpy as np
# 假设 X, Y 是两个价格序列
X = sm.add_constant(X) # 加截距项
model = sm.OLS(Y, X).fit()
residuals = model.resid
# 对残差做ADF检验
from statsmodels.tsa.stattools import adfuller
adf_stat, p_value, _, _, critical_values, _ = adfuller(residuals)
if p_value < 0.05:
print("残差平稳，存在协整关系")
else:
print("残差不平稳，无协整关系")我曾经踩过的坑：EG检验对变量的顺序敏感！你把 X 和 Y 互换，结果可能不一样。所以建议两个方向都试一下，或者用更稳健的Johansen检验。
方法二：Johansen检验（多变量协整）
当你有三个或更多资产时，EG检验就不够用了。这时候要用Johansen检验，它可以一次性找出所有协整向量。
我个人习惯用Python的 statsmodels.tsa.vector_ar.vecm.coint_johansen 来实现：
from statsmodels.tsa.vector_ar.vecm import coint_johansen
# data 是多个资产价格组成的 DataFrame
result = coint_johansen(data, det_order=0, k_ar_diff=1)
# 输出迹统计量和最大特征值统计量
print("迹统计量:", result.lr1)
print("临界值(95%):", result.cvt)
print("最大特征值统计量:", result.lr2)
print("临界值(95%):", result.cvm)输出结果中，如果统计量大于临界值，就拒绝「无协整」的原假设。
2.5 协整关系的可视化理解
光讲理论太枯燥，我画了一张图帮你理解协整的核心逻辑：
2.6 协整 vs 相关：一个经典案例
我经常在课程里举这个例子：两个随机游走序列，相关性可能高达0.9，但它们根本不协整。为什么？因为相关性只看「同向变动」，而协整看的是「长期绑定」。
| 特征 | 相关性 | 协整 |
|---|---|---|
| 数学本质 | 衡量线性关联强度 | 衡量长期均衡关系 |
| 序列要求 | 无要求（平稳/非平稳均可） | 必须都是 I(1) 或同阶单整 |
| 时间维度 | 短期同步性 | 长期绑定关系 |
| 交易应用 | 不适合直接套利 | 统计套利的基础 |
| 伪回归风险 | 高（非平稳序列） | 低（残差平稳） |
我的建议：做跨市场套利时，先算协整，再看相关性。协整是「能不能做」的前提，相关性是「怎么做」的参考。顺序别搞反了。
2.7 协整的局限性
最后说点实在的。协整不是万能的，我在实际项目中遇到过几个问题：
- 结构突变：2015年股灾后，很多原本协整的股票对关系破裂了。协整关系不是永恒的，需要定期检验。
- 滞后性：协整检验用的是历史数据，但市场在变。你检验出协整，不代表未来依然成立。
- 参数估计误差：EG检验中的 β 是用OLS估计的，样本不同结果可能不同。我一般用滚动窗口重新估计。
避坑指南：我曾经用2017-2019年的数据做协整检验，回测表现很好。结果2020年一上线，协整关系直接失效，亏了一波。后来我养成了习惯——每季度重新检验一次协整关系，发现失效就及时止损。
好了，协整理论入门就讲到这里。记住一句话：协整是统计套利的基石，但基石也需要定期检查有没有裂缝。
公众号:蓝海资料掘金营，微信deep3321