统计套利入门：均值回归理论、协整关系、平稳性检验（ADF检验）
各位同学，今天我们来聊聊统计套利的底层逻辑。说实话，我刚入行那会儿，觉得统计套利就是「买低卖高」四个字。后来在实盘里摔了几次跟头，才明白事情没那么简单。
统计套利的核心，说白了就一句话：找到两个会「相互拉扯」的资产，在它们偏离太远时下注，等它们回归。这背后的数学支撑，就是均值回归理论、协整关系，以及平稳性检验。
核心观点：统计套利不是预测价格涨跌，而是预测「价差」会回归均值。你赚的是市场短期定价错误的钱。
1. 均值回归理论：价格会「回家」吗？
均值回归，听起来玄乎，其实特简单。你想想看，一根橡皮筋拉长了，松手就会弹回去。价格也一样——当它偏离历史均值太远，就有往回走的倾向。
我在2018年做过一个股指期货的统计套利策略。当时IF和IC的价差拉到了历史极值，我按均值回归的逻辑进场，结果价差继续扩大，差点爆仓。后来复盘发现：均值回归不是必然发生的，它只在「协整关系」成立时才有效。
所以，别看到价格偏离均值就无脑冲。你得先问自己三个问题：
- 这个价差序列是平稳的吗？
- 两个资产之间真的有长期均衡关系吗？
- 回归的时间窗口我能扛得住吗？
我的习惯：每次做均值回归策略前，我都会先画一张价差走势图，肉眼看看它是不是「上下乱窜但总回到中间」。如果价差像脱缰野马一样越跑越远，那均值回归就不适用。
2. 协整关系：两个资产之间的「隐形锁链」
协整，这个词听起来高大上，其实就一个意思：两个非平稳的时间序列，它们的线性组合是平稳的。
举个例子。茅台和五粮液，单看价格都是随机游走的（非平稳），但它们的价差可能很稳定（平稳）。为什么？因为基本面相似，市场情绪同步，机构资金在两者之间来回搬砖。这就是协整。
我记得有一次，一个实习生跑来问我：「老师，两个相关性很高的股票，是不是就能做配对交易？」我说：「不一定。相关性高不代表协整。你想想，两个股票都跟着大盘涨跌，相关性当然高，但它们的价差可能越拉越大——这就是伪回归。」
协整和相关性，区别在哪？我整理了一张表：
| 概念 | 定义 | 对交易的意义 |
|---|---|---|
| 相关性 | 两个变量线性相关的程度 | 高相关不代表价差稳定，可能伪回归 |
| 协整 | 两个非平稳序列的线性组合平稳 | 价差有均值回归特性，适合统计套利 |
所以，做统计套利的第一步，不是算相关系数，而是做协整检验。
3. 平稳性检验（ADF检验）：你的价差「稳」吗？
平稳性，说白了就是序列的统计性质（均值、方差）不随时间变化。一个平稳的价差序列，才能用均值回归策略。
ADF检验，全称Augmented Dickey-Fuller检验，是检验平稳性的标准工具。它的逻辑很简单：
- 原假设H0：序列存在单位根（非平稳）
- 备择假设H1：序列不存在单位根（平稳）
- 判断标准：p值 < 0.05，拒绝H0，认为序列平稳
嗯，这里要注意：ADF检验的p值不是万能的。我见过很多新手，看到p值小于0.05就兴奋地冲进去，结果亏得一塌糊涂。为什么？因为ADF检验对滞后阶数很敏感，选错了阶数，结果可能完全相反。
避坑指南：我曾经在回测中用了默认的ADF参数，结果策略表现完美。实盘一跑，直接崩了。后来发现是滞后阶数选得太小，导致检验结果不可靠。建议用AIC或BIC准则自动选择滞后阶数，别偷懒用默认值。
下面是一个完整的ADF检验代码示例，我习惯用statsmodels库：
import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import adfuller
import yfinance as yf
# 1. 获取数据
ticker1 = 'AAPL'
ticker2 = 'MSFT'
data = yf.download([ticker1, ticker2], start='2020-01-01', end='2023-12-31')['Adj Close']
# 2. 计算价差（这里用简单线性回归的残差）
import statsmodels.api as sm
X = sm.add_constant(data[ticker2])
model = sm.OLS(data[ticker1], X).fit()
spread = data[ticker1] - model.params[1] * data[ticker2] - model.params[0]
# 3. ADF检验
result = adfuller(spread, autolag='AIC')
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
print(f'临界值:')
for key, value in result[4].items():
print(f' {key}: {value:.4f}')
# 4. 判断
if result[1] < 0.05:
print('✅ 价差序列平稳，适合统计套利')
else:
print('❌ 价差序列非平稳，需要重新选择配对')
这段代码里，我用了autolag='AIC'，让模型自动选择最优滞后阶数。这是我在实战中踩坑后养成的习惯。
4. 知识体系总览
说了这么多，我画了一张图，帮你把本章的知识点串起来：
从这张图你能看到，均值回归、协整关系、平稳性检验，三者是环环相扣的。没有协整，均值回归就是空中楼阁；没有平稳性检验，你根本不知道价差会不会「一去不回头」。
5. 实战中的几个要点
最后，分享几个我在实战中总结的经验：
- 别只看p值，要看ADF统计量。p值告诉你是否平稳，统计量告诉你「有多平稳」。统计量越负，平稳性越强。
- 多品种组合的协整。不一定是两个品种，三个、四个也可以。我做过一个能源板块的统计套利，用了原油、天然气、煤炭三个品种，效果比两两配对好得多。
- 协整关系会漂移。别以为一次检验通过就万事大吉。我建议每3个月重新检验一次，防止关系失效。
- 交易成本是隐形杀手。价差回归需要时间，如果交易成本太高，可能还没等到回归，你的账户先扛不住了。
一个小技巧：在做ADF检验前，先对价差序列做一次可视化。如果价差看起来像「白噪声」一样围绕0轴上下波动，那大概率是平稳的。如果看起来像「随机游走」一样没有中心，那基本没戏。肉眼判断虽然不精确，但能帮你快速过滤掉明显不合适的配对。
好了，这一章的内容就到这里。统计套利的入门，说白了就是搞懂「均值回归、协整、平稳性」这三个词。下一章我们会深入讲如何构建一个完整的配对交易策略，包括进场信号、止损止盈、仓位管理等实战细节。
公众号:蓝海资料掘金营，微信deep3321