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，会围绕一个均值来回摆动。
我刚开始接触这个策略时，觉得它特别反直觉。你想想看，股票价格明明是随机游走的，为什么两个股票的价差会乖乖回到均值？
举个例子。假设你有两只同行业的股票，A和B。正常情况下，A比B贵5块钱。突然有一天，A涨了10块，B只涨了2块，价差变成了13块。这时候你会怎么做？
我个人习惯的做法是：卖空A，买入B。等价差回到5块附近，两边平仓，赚的就是价差回归的利润。
这就是价差回归的核心逻辑——利用价差的均值回复特性，低买高卖。
核心要点：价差回归不是预测价格方向，而是预测价差会回到均值。这是两种完全不同的交易逻辑。
统计套利基础
统计套利，就是用量化方法来找这种价差回归的机会。它跟传统套利最大的区别在于——传统套利是确定性的，统计套利是概率性的。
举个例子你就明白了：
- 传统套利：同一只股票在两个交易所价格不同，买入便宜的，卖出贵的，稳赚不赔
- 统计套利：两只股票价差偏离均值，赌它会回来，但有可能会继续偏离
我在项目中遇到过最惨的一次，就是价差偏离后没有回归，反而越走越远。嗯，那次教训让我学会了——统计套利必须设止损。
统计套利的基础步骤，我总结为三步：
- 找配对：找到两只相关性强的资产
- 验证关系：确认它们的价差是平稳的
- 交易执行：设定开仓、平仓、止损阈值
我的经验：找配对时别只看相关系数。我见过相关系数0.9的配对，价差却完全不回归。为什么？因为相关性不等于协整性。这点后面会细讲。
协整与回归的关系
很多新手会把协整和回归搞混。我刚开始也踩过这个坑。
回归，描述的是两个变量之间的静态关系。比如Y = aX + b，这个a和b是固定的。
协整，描述的是两个变量之间的动态关系。它们各自可以随机游走，但它们的线性组合是平稳的。
我画个图你就明白了：
你看，回归是找一条线把数据点串起来。协整是找一种组合，让组合后的序列变得平稳。
它们的关系是这样的：
- 如果两个序列是协整的，那么它们一定存在某种回归关系
- 但反过来，有回归关系不一定协整
- 为什么？因为回归可能是个伪回归——两个完全不相关的随机游走序列，回归结果也可能显著
避坑指南：我曾经犯过一个低级错误——直接用回归残差做交易信号，没做协整检验。结果回测曲线漂亮得不行，实盘却亏得一塌糊涂。后来才发现，那根本就是个伪回归。
课程目标与学习路径
这门课的目标很明确——让你从零到一，掌握价差回归策略的完整实现。
具体来说，学完这门课，你应该能：
| 能力 | 具体内容 |
|---|---|
| 理论基础 | 理解协整、平稳性、均值回复等核心概念 |
| 数据处理 | 能清洗、对齐、预处理金融时间序列数据 |
| 策略实现 | 能独立编写价差回归策略的完整代码 |
| 回测评估 | 能设计合理的回测框架，评估策略表现 |
| 风险控制 | 能设置止损、仓位管理等风控措施 |
学习路径我建议这样走：
- 先打基础（第1-5章）：理解核心概念，别急着写代码
- 再动手做（第6-15章）：从数据获取到策略实现，一步步来
- 然后优化（第16-25章）：加风控、做优化、搞实盘
- 最后进阶（第26-30章）：多品种、多周期、机器学习加持
我的建议：别跳着学。我见过太多人直接跳到策略实现那章，结果连协整检验的p值都看不懂。基础不牢，地动山摇。
好了，第一章就到这里。记住一句话：价差回归不是预测，而是等待。你不需要预测价差什么时候回归，你只需要在它偏离时做好准备，等它回来。