第4章 统计套利基础：均值回归理论、协整关系入门、平稳性概念、相关性不等于因果性

各位同学，欢迎来到统计套利的世界。

前面我们聊了价差套利的基本思路，说白了就是找两个品种之间的“不合理”关系。但怎么定义“不合理”？怎么判断这个关系是真实的，而不是瞎猫碰上死耗子？

这一章，我们就来啃下统计套利的几块硬骨头。我个人觉得，这是整个量化交易里最“性感”的部分——用数学去捕捉市场的“错误”。

4.1 均值回归：市场为什么总爱“回家”

先问大家一个问题：为什么价格不会一直涨，也不会一直跌？

嗯，除了基本面因素，背后有一个强大的统计力量——均值回归。

这个概念很简单：价格偏离均值太远了，它就有往回走的倾向。就像一根被拉长的橡皮筋，松手就会弹回去。

我在项目中遇到过不少新手，看到价差拉得特别大，就急着进场做回归。结果呢？价差继续扩大，爆仓了。

为什么？因为均值回归不是“一定会回归”，而是“有回归的倾向”。这个倾向需要时间，也可能被更强的趋势打破。

举个例子：

# 模拟一个均值回归过程
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
mu = 0  # 均值
theta = 0.3  # 回归速度
sigma = 0.1  # 波动率
T = 200
x = np.zeros(T)
x[0] = 2  # 初始偏离

for t in range(1, T):
    dx = -theta * (x[t-1] - mu) + sigma * np.random.randn()
    x[t] = x[t-1] + dx

plt.plot(x)
plt.axhline(y=0, color='r', linestyle='--')
plt.title('均值回归过程模拟')
plt.show()

你看，虽然价格会来回震荡，但始终围绕着均值（红线）转。这就是均值回归的数学本质。

4.2 平稳性：你的数据“靠谱”吗？

做统计套利，最怕什么？最怕你用的数据本身就不稳定。

想象一下，你拿一把尺子去量一个不断变长的东西，量出来的结果有意义吗？

这就是平稳性要解决的问题。

一个平稳的时间序列，它的统计性质（均值、方差）不会随时间改变。说白了，它的“脾气”是稳定的。

我刚开始做策略时，犯过一个低级错误：直接用两个非平稳的价格序列做回归，结果发现“相关性”高得吓人。后来一查，两个序列都是随机游走，纯粹是伪回归。

常用的检验方法是ADF检验（Augmented Dickey-Fuller Test）。

from statsmodels.tsa.stattools import adfuller

# 假设 price_series 是你的价格序列
result = adfuller(price_series)
print(f'ADF统计量: {result[0]}')
print(f'p值: {result[1]}')

if result[1] < 0.05:
    print('序列平稳，可以放心使用')
else:
    print('序列非平稳，需要差分或寻找协整关系')

p值小于0.05，说明序列平稳。否则，你就得想办法让它变平稳——比如做一阶差分。

4.3 协整关系：两个“不靠谱”的品种，凑一起就靠谱了

好，问题来了：如果两个品种单独看都不平稳，但它们之间的价差却是平稳的，这算怎么回事？

这就是协整的精髓。

协整关系，说白了就是两个非平稳序列的线性组合，变成了平稳序列。它们之间有一个长期均衡关系，短期可能会偏离，但长期一定会回来。

我记得有一次做螺纹钢和热卷的套利。单独看，两个价格都在涨，都不平稳。但它们的价差却非常稳定，一直在±50点内波动。这就是典型的协整关系。

检验协整的经典方法是Engle-Granger两步法：

1. 第一步：用OLS回归估计协整系数
2. 第二步：对残差做ADF检验，看是否平稳

from statsmodels.tsa.stattools import coint
import pandas as pd

# 假设有两个价格序列
price_a = pd.Series(...)
price_b = pd.Series(...)

score, pvalue, _ = coint(price_a, price_b)
print(f'协整检验p值: {pvalue}')

if pvalue < 0.05:
    print('存在协整关系，可以做配对交易')
else:
    print('没有协整关系，别硬做')

4.4 相关性 ≠ 因果性：别被数字骗了

这是整个量化交易里最容易被忽视的坑。

两个品种相关系数0.9，就代表它们有关系吗？不一定。

我给你讲个经典笑话：美国离婚率和缅因州的人造黄油消费量，相关系数高达0.99。难道离婚是因为黄油吃多了？

当然不是。这就是伪相关——两个变量同时受第三个因素影响，或者纯粹是巧合。

在套利交易中，我见过太多人犯这个错。比如发现A和B相关性很高，就以为可以做配对。结果一进场，相关性就消失了。

怎么避免？记住三点：

• 相关性不等于因果性——高相关不代表一个能预测另一个
• 协整比相关性更可靠——协整检验的是长期均衡，不是短期波动
• 加入经济逻辑——两个品种为什么会有关系？比如螺纹钢和铁矿石，上下游关系，逻辑通顺

4.5 知识体系总览

下面这张图，帮你理清本章的核心逻辑：

这张图把四个概念串起来了。你想想看，均值回归是目标，平稳性是前提，协整是工具，相关性是陷阱。每一步都不能少。

嗯，这一章的内容就到这里。记住，统计套利不是玄学，是数学。但数学只是工具，真正的判断力来自你对市场的理解。

---