第一章：协整检验基础——什么是协整？

大家好，我是你们的老朋友。今天咱们来聊聊协整。

说实话，我刚入行那会儿，听到「协整」这个词，第一反应是：这又是什么高大上的数学概念？后来做多了交易策略，才发现这东西其实挺接地气的。

协整，英文叫 Cointegration。说白了，就是描述两个或多个时间序列之间，是否存在一种长期稳定的均衡关系。嗯，这里要注意，是「长期稳定」的关系，不是短期的那种随机波动。

1.1 协整的经济学含义

咱们先抛开数学公式，用大白话理解一下。

你想想看，两个资产的价格，比如股票A和股票B。它们可能短期内有涨有跌，但长期来看，它们的价差会围绕一个均值来回摆动。这个「价差均值回归」的现象，就是协整的核心。

我举个例子。我记得2018年做美股配对交易时，盯上了可口可乐和百事可乐。这两家公司业务高度相似，股价走势长期看是联动的。虽然有时候可口可乐涨得多，百事跌得多，但过一段时间，它们的价差又会回到一个合理范围。这就是协整关系在起作用。

从经济学角度讲，协整意味着两个变量之间存在一种「均衡机制」。当它们偏离均衡时，市场力量会促使它们回归。比如，如果A股和B股的价差拉得太大，套利者就会进场，买入便宜的、卖出贵的，直到价差恢复正常。

所以，协整的经济学含义就是：两个非平稳的时间序列，它们的线性组合可能是平稳的。这个线性组合，就是我们常说的「价差」或「残差」。

1.2 协整与相关性的区别

这个问题，我几乎每次讲课都会被问到。很多人觉得，两个资产相关性高，就一定有协整关系。其实不然。

相关性，衡量的是两个变量之间的线性关系强度。它只看「同步性」。比如，A涨10%，B也涨10%，那相关性就是1。但相关性高，不代表它们有长期均衡关系。

我给大家讲个真实案例。2015年，我做过一个策略，用沪深300和上证50做配对。这两个指数相关性高达0.95以上，但做协整检验时，发现它们根本不是协整的。为什么？因为虽然它们走势很像，但价差并没有均值回归的特性，反而越走越远。说白了，就是「看起来像，但本质不同」。

咱们用表格对比一下：

维度	相关性	协整性
衡量什么	短期同步性	长期均衡关系
时间范围	短期（如日度）	长期（如数月、数年）
数据要求	平稳序列即可	非平稳序列（如价格）
典型例子	两只科技股同涨同跌	可口可乐与百事可乐价差回归
陷阱	伪相关（如冰淇淋销量与溺水人数）	伪回归（两个无关的随机游走）

你看，相关性高不一定协整，协整也不一定相关性高。我见过一些案例，两个资产相关性只有0.3，但协整关系非常稳定。为什么？因为它们的价差虽然波动大，但始终围绕一个均值来回摆动。这就是协整的魅力。

1.3 协整的数学直觉

咱们稍微提一下数学，但别怕，很直观。

假设有两个价格序列 X_t 和 Y_t，它们都是非平稳的（比如随机游走）。但如果存在一个系数 β，使得：

Z_t = Y_t - β * X_t

这个 Z_t 是平稳的（比如白噪声），那么我们就说 X_t 和 Y_t 是协整的。

这个 β 就是协整系数，它代表了两个资产之间的「均衡比例」。比如，如果 β=2，意味着每1份X对应2份Y，价差才稳定。

在实际交易中，我们通常用OLS（普通最小二乘法）来估计这个β。但要注意，这里有个坑：OLS要求变量是平稳的，而我们的价格是非平稳的。所以，协整检验用的是「EG两步法」——先估计β，再检验残差是否平稳。

1.4 知识体系框架图

下面我用一张SVG图，把本章的核心逻辑串起来。这样你看起来更直观。

这张图把协整的核心脉络理清了。从定义到经济学含义，再到与相关性的区别，最后落到数学直觉和实际应用。你顺着这个逻辑走，就不会迷路。

1.5 小结

好了，咱们总结一下本章的重点：

• 协整：两个非平稳序列的线性组合是平稳的，存在长期均衡关系。
• 经济学含义：价差会均值回归，这是配对交易的底层逻辑。
• 与相关性区别：相关性看短期同步，协整看长期均衡。高相关不一定协整，协整也不一定高相关。
• 数学直觉：用EG两步法，先估计β，再检验残差平稳性。

我个人觉得，理解协整的关键，就是记住那个「橡皮筋」的比喻。两个资产之间有一根隐形的橡皮筋，拉远了就会被拽回来。这就是我们做均值回归策略的底气。

下一章，咱们会深入讲协整检验的具体方法——EG两步法和Johansen检验。到时候我会带上Python代码，手把手教你跑一遍。嗯，今天就到这儿，咱们下次见。

---

公众号:蓝海资料掘金营，微信deep3321