一、价差回归概述
什么是价差回归
价差回归，说白了就是两个资产的价格差，会像橡皮筋一样被拉回来。
举个例子。我2018年做美股统计套利时，盯过可口可乐和百事可乐。这两家公司业务高度相似，股价走势也基本同步。但偶尔会出现一个涨得快、一个涨得慢的情况，价差就被拉大了。这时候，价差大概率会回归到正常水平。
这就是价差回归的核心逻辑：两个高度相关的资产，它们的价差会在均值附近波动，偏离后大概率会回归。
核心定义：价差回归（Spread Reversion）是指两个或多个金融资产的价格差，在时间序列上表现出围绕某个均值波动的特性。当价差偏离均值时，存在反向回归的统计趋势。
统计套利基础
统计套利，就是利用价差回归来赚钱。
具体怎么做？我习惯这么理解：
- 价差拉大时：做空涨得多的，做多跌得多的
- 价差回归时：两边平仓，赚取价差收敛的利润
- 价差正常时：不操作，等待下一次机会
你想想看，这不就是低买高卖吗？只不过我们买的不是单个资产，而是两个资产的配对关系。
我在项目中遇到过一个问题：有些新手以为统计套利就是无风险套利。其实不是。统计套利是概率上的优势，不是100%确定。价差可能不回归，甚至越拉越大。所以风控很重要。
个人经验：我建议新手从高流动性的股票对开始，比如同行业的龙头股。流动性差的品种，价差回归慢，滑点也大，容易亏在交易成本上。
协整与回归的关系
这里有个关键概念：协整（Cointegration）。
很多人搞不清协整和回归的关系。我简单解释一下：
| 概念 | 含义 | 关系 |
|---|---|---|
| 回归 | 两个变量之间的线性关系 | 可能是伪回归 |
| 协整 | 两个非平稳序列的线性组合是平稳的 | 真正的长期均衡关系 |
举个例子。两个醉汉走路，各自东倒西歪（非平稳）。但他们之间拴着一根绳子，距离不会太远。这个绳子就是协整关系。
普通回归可能骗人。比如我拿A股和巴西咖啡豆价格做回归，也能算出R²很高，但这是伪回归——两个完全不相关的东西，只是碰巧走势相似。
协整检验就是用来排除这种伪回归的。它验证的是：两个序列的线性组合，是否真的存在稳定的均衡关系。
避坑指南：我曾经犯过一个错误——直接用价格做回归，没做协整检验。结果回测漂亮，实盘亏得一塌糊涂。后来才明白，价格序列大多是非平稳的，直接回归就是伪回归。一定要先做协整检验。
知识体系总览
下面这张图，是我自己梳理的价差回归知识框架。你可以把它当作学习地图：
课程目标与学习路径
这门课的目标很明确：让你能独立搭建一套价差回归交易系统。
具体来说，学完这门课你应该能：
- 理解核心原理：协整、回归、价差计算、均值回归
- 掌握实现方法：Python代码实现配对选择、协整检验、交易信号生成
- 能跑回测：用历史数据验证策略有效性
- 能上实盘：对接交易接口，实现自动化交易
学习路径我建议这样走：
- 前5章：打好理论基础，搞懂协整和回归
- 第6-15章：动手写代码，实现核心算法
- 第16-25章：策略优化和风控
- 第26-30章：实盘部署和实战案例
我的建议：别急着跳着看。我见过太多人直接跳到策略部分，结果连协整检验都没搞明白，回测结果全是假的。一步一步来，基础打牢了，后面自然快。
嗯，第一章就到这里。记住一句话：价差回归不是预测价格涨跌，而是利用两个资产之间的相对关系。这个思路，贯穿整个课程。