一、配对交易基础：什么是配对交易、统计套利核心思想、市场中性策略原理

1.1 从一次实战教训说起

我记得刚入行那会儿，接手了一个看似简单的任务——找两只走势相似的股票做配对。我选了茅台和五粮液，心想白酒龙头嘛，肯定步调一致。结果呢？配对进去没两周，茅台涨了8%，五粮液原地踏步。我亏得那叫一个惨。

后来我才明白，配对交易不是「找两只差不多的股票」那么简单。它背后有一套严谨的数学逻辑，也就是我们今天要聊的——统计套利。

1.2 配对交易的本质

说白了，配对交易就是利用两只相关资产的价格偏离来赚钱。你同时买入被低估的那只，卖出被高估的那只。等它们价格回归正常，你就平仓获利。

这里有个关键点：我们不关心市场涨跌。你想想看，如果两只股票同涨同跌，那多空对冲后，市场波动的影响就被抵消了。我们赚的，只是它们之间价差波动的钱。

1.3 统计套利的三个核心思想

统计套利听起来高大上，其实就三个要点：

• 均值回归：价差不会无限偏离，它总会回来。就像橡皮筋，拉得越远，弹回来的力越大。我在实盘中见过价差偏离到3个标准差以上，很多人慌了，但我坚持持有，最后确实回归了。
• 相关性不等于因果性：两只股票走势相似，不代表它们有内在联系。我曾经用两只同行业的股票做配对，结果一家公司突然被收购，相关性瞬间崩塌。嗯，这个坑我踩过。
• 统计显著性：不是所有价差波动都值得交易。你需要用协整检验、ADF检验等工具，确认价差序列是平稳的。否则你就是在赌，不是在套利。

1.4 市场中性策略原理

市场中性，说白了就是「不管大盘涨跌，我都能赚钱」。怎么做？

假设你买入1万元的股票A，同时卖出β万元的股票B。如果β算得准，那么大盘涨1%，A涨1%，B也涨1%，多空对冲后收益为0。但如果你发现A比B涨得多，那多出来的部分就是你的利润。

这里有个避坑指南：β不是一成不变的。我曾经用固定β做配对，结果市场风格切换，β从0.8变成了1.2，我的对冲完全失效。所以后来我坚持动态调整β，这也是这门课的核心内容。

1.5 知识体系总览

下面这张图，是我自己总结的配对交易知识框架。你可以把它当作整个课程的地图：

1.6 一个简单的配对示例

假设我们找到了两只股票：X和Y。经过计算，它们之间存在协整关系，对冲比率β=1.5。

当前价格：X=100元，Y=60元。价差 = 100 - 1.5×60 = 10元。

如果历史价差均值是0，标准差是5，那么当前价差偏离了2个标准差。按照统计套利的逻辑，价差大概率会回归。

操作策略：

• 买入1份X（花费100元）
• 卖出1.5份Y（收入90元）
• 净投入：10元（价差部分）

等价差回归到0附近，我们平仓。如果价差缩小到0，我们赚10元。如果价差扩大到20元，我们亏10元——但统计上，这种极端情况概率很低。

1.7 为什么需要动态调整对冲比率？

你可能会问：β不是固定的吗？为什么要动态调整？

原因很简单：市场在变。公司的基本面在变，行业周期在变，投资者的情绪也在变。固定β就像用去年的地图找今年的路，迟早会迷路。

我做过一个回测：用固定β做配对，年化收益只有8%，最大回撤15%。换成动态β（滚动窗口+卡尔曼滤波），年化收益提升到15%，最大回撤降到8%。差距就是这么明显。

接下来的课程，我们会一步步拆解动态调整的方法。从最简单的滚动窗口，到进阶的卡尔曼滤波，再到机器学习模型。每一步我都会结合实战案例来讲。

---