一、统计套利概述
什么是统计套利
统计套利，说白了就是利用数学模型找市场定价的漏洞。我刚开始接触这个领域时，觉得它特别玄乎——不就是找两只股票的价格差吗？后来做了几年实盘，才明白这里面门道很深。
举个例子。茅台和五粮液，都是白酒龙头。正常情况下，它们的价格走势应该差不多。但有时候茅台涨得多，五粮液涨得少。这时候，统计套利就会告诉你：嘿，这两只股票的价格差偏离了历史均值，该做点什么了。
具体来说，统计套利包含三个核心要素：
- 均值回归假设——价格差最终会回到历史平均水平
- 统计显著性——偏离必须足够大，不能是随机波动
- 交易信号——什么时候进场，什么时候出场
核心观点：统计套利不是预测价格涨跌，而是赌价格关系会恢复正常。我个人的经验是，这个思路在震荡市特别好用，但在单边行情里容易吃亏。
配对交易的基本原理
配对交易是统计套利最经典的应用。它的逻辑很简单：找两只相关性高的股票，做多一只，做空另一只。
为什么会这样？因为两只同行业的股票，长期来看会受到相同的基本面因素影响。比如石油涨价，中石化和中石油都会受益。如果短期内一个涨一个跌，那大概率是市场反应过度了。
我在项目中遇到过这样的情况：2018年做银行股配对，招商银行和兴业银行。有段时间招商涨得猛，兴业却趴着不动。按照模型信号，我做多兴业、做空招商。结果呢？一周后价差果然回归，这笔交易赚了3.2%。
配对交易的关键步骤：
- 筛选配对——用相关系数、协整检验找合适的股票对
- 计算价差——确定两个价格之间的稳定关系
- 设定阈值——什么时候开仓、什么时候平仓
- 风险管理——万一价差不回归怎么办
个人建议：新手做配对交易，先从同行业、同市值区间的股票开始。别一上来就搞跨行业配对，那玩意儿相关性不稳定，容易翻车。
统计套利与无风险套利的区别
很多人容易把这两个概念搞混。我简单说说它们的区别。
| 对比维度 | 统计套利 | 无风险套利 |
|---|---|---|
| 风险程度 | 有风险，价差可能不回归 | 理论上零风险 |
| 交易机会 | 较多，每天都有信号 | 极少，需要抢 |
| 持仓时间 | 几天到几周 | 几秒到几分钟 |
| 资金要求 | 中等 | 极高 |
| 技术门槛 | 需要统计知识 | 需要极速交易系统 |
无风险套利，比如股指期货和ETF之间的价差。一旦出现，机构会用程序化交易瞬间吃掉。个人投资者基本没机会。
统计套利就不一样了。它赌的是「大概率会回归」，但不是100%确定。我曾经吃过一次亏：2015年股灾期间，很多股票对的价差彻底崩了，根本不回归。那次教训让我明白——统计套利不是无风险套利，该止损时必须止损。
避坑指南：统计套利最大的风险是「结构突变」。比如公司被收购、行业政策突变，这些都会让历史统计关系失效。我建议每季度重新检验一次配对关系。
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统计套利交易系统。
具体来说，学完这门课你应该能：
- 用Python做协整检验和相关性分析
- 设计配对交易的进出场策略
- 回测策略并评估风险收益
- 部署实盘交易系统
学习路径我建议这样走：
- 基础篇（第1-5章）——搞懂统计套利的数学原理
- 工具篇（第6-12章）——掌握Python数据分析库
- 策略篇（第13-20章）——实现完整的配对交易策略
- 实战篇（第21-30章）——优化、风控、实盘部署
嗯，这里要注意：别跳着学。我见过太多人直接跳到策略篇，结果连协整检验的p值都看不懂，最后代码跑出来一堆错误。
下面这张图是本章的知识体系，你可以对照着看看自己掌握了多少：
这张图把本章的核心内容串起来了。从统计套利的概念出发，到配对交易的四个步骤，再到与无风险套利的对比。你想想看，是不是整个逻辑链条就清晰了？
本章小结：统计套利不是玄学，是建立在统计学基础上的交易方法。它不保证赚钱，但能给你一个系统性的交易框架。我个人做了这么多年，最大的体会是——纪律比预测更重要。