课程导论：什么是协整？什么是价差交易？
大家好，欢迎来到《协整关系分析与价差交易实战》。我是你们这门课的主讲人，一个在量化交易领域摸爬滚打了十来年的老家伙。
说实话，刚入行那会儿，我也跟大多数人一样，整天盯着单只股票的价格图，研究各种技术指标。什么金叉死叉、MACD背离，玩得不亦乐乎。但后来我发现一个问题——单品种的策略，稳定性太差了。市场风格一变，策略就失效，回撤大得让人睡不着觉。
直到我接触了协整和价差交易，才算是打开了新世界的大门。今天这第一节课，咱们就来聊聊，协整到底是什么？价差交易又是怎么赚钱的？
一、协整：两个不平稳的序列，却能一起跳舞
先问大家一个问题：两个随机游走的序列，能有什么稳定的关系吗？
按常理说，随机游走就是醉汉走路，每一步都随机，没有规律可循。但协整理论告诉我们：两个醉汉，如果手拉手走路，他们之间的距离就是稳定的。
这就是协整的核心思想——虽然单个时间序列是非平稳的，但它们的线性组合却是平稳的。
举个例子，我拿贵州茅台和五粮液这两只股票来说。你单独看它们的价格，都是随机游走的，没法预测。但如果你把它们的价格做个差，比如茅台价格减去某个倍数的五粮液价格，这个差值（我们叫它价差）就会围绕一个均值上下波动。
为什么会这样？因为这两家公司同属白酒行业，基本面高度相关。茅台涨了，五粮液大概率也会跟着涨。短期内可能偏离，但长期来看，它们的价格关系会回归。
协整的数学定义（简单版）：
如果两个时间序列 \(X_t\) 和 \(Y_t\) 都是 I(1)（一阶单整），且存在一个系数 \(\beta\)，使得 \(Z_t = Y_t - \beta X_t\) 是 I(0)（平稳序列），那么 \(X_t\) 和 \(Y_t\) 就是协整的。
嗯，这里要注意：协整不等于相关性。相关性高不一定协整，协整也不一定相关性高。我见过太多人把这两个概念搞混，结果吃了大亏。
二、价差交易：利用均值回归赚钱
理解了协整，价差交易就顺理成章了。
价差交易，说白了就是赌价差会回归均值。当价差偏离均值太远时，我们做空价差（卖高买低）；当价差回归均值时，我们平仓获利。
具体怎么操作？我给大家画个流程图：
你看，整个流程其实不复杂。但难点在哪？难点在于第一步——找到真正协整的配对。我刚开始做的时候，拿一堆股票乱试，结果发现很多所谓的协整对，过几个月就失效了。
我的经验之谈：选协整对，最好选同一行业、同一板块的股票。比如银行股对银行股，白酒对白酒。跨行业的配对，协整关系往往不稳定。
三、课程目标：从理论到实战，一步到位
这门课的目标很明确：让你学完就能上手做价差交易。不是光讲理论，而是带着你一步步写代码、跑回测、调参数。
具体来说，学完这门课，你应该能：
- 理解协整的数学原理——至少知道EG两步法和Johansen检验是怎么回事
- 用Python实现协整检验——statsmodels库怎么用，结果怎么看
- 构建完整的价差交易策略——从数据获取到信号生成，再到回测评估
- 规避常见陷阱——比如伪回归、参数过拟合、交易成本影响等
我记得有一次，一个学员拿着他的回测结果给我看，年化收益30%，夏普比率2.5，漂亮得不像真的。我一看，好家伙，他用的是未来数据。这种坑，我踩过不止一次，所以会在课程里专门讲怎么避免。
四、学习路径：循序渐进，别想一口吃成胖子
这门课一共30章，我把它分成了几个模块：
| 模块 | 章节 | 核心内容 |
|---|---|---|
| 基础篇 | 第1-5章 | 协整理论、平稳性检验、Python工具准备 |
| 方法篇 | 第6-12章 | EG两步法、Johansen检验、配对选择 |
| 实战篇 | 第13-22章 | 策略构建、回测框架、参数优化 |
| 进阶篇 | 第23-30章 | 多品种价差、高频价差、风险管理 |
我建议你按顺序学，别跳着看。尤其是基础篇，虽然看起来简单，但很多细节决定了你后面能不能做对。比如平稳性检验，很多人直接用ADF检验，但滞后阶数怎么选？要不要包含趋势项？这些细节不注意，结果可能完全相反。
避坑指南：我曾经在实盘交易中，因为忽略了交易成本，导致一个看起来盈利的策略实际亏损。所以课程里我会专门讲，怎么把滑点和手续费纳入回测。
五、你需要准备什么？
技术方面，你需要：
- Python 3.7+ 环境（推荐Anaconda）
- 熟悉pandas、numpy基础操作
- 了解基本的统计学概念（均值、方差、正态分布）
如果你对Python不太熟，也别慌。我会在课程里提供完整的代码，你照着敲一遍，慢慢就理解了。我当年学量化的时候，也是从抄代码开始的。
好了，第一节课就到这里。咱们下节课开始动手，用Python检验两个股票是否协整。到时候我会拿我实盘交易过的一个配对做例子，把踩过的坑都告诉你。
公众号:蓝海资料掘金营，微信deep3321