3、协整理论入门：从直觉到实战

协整这个概念，我第一次接触是在做配对交易策略的时候。当时我盯着两只股票的走势图，发现它们虽然各自上蹿下跳，但长期来看总像被一根无形的绳子牵着。嗯，这就是协整的直观感觉。

3.1 协整的直观理解

说白了，协整描述的是两个或多个时间序列之间的长期均衡关系。你想想看，一个醉汉牵着一条狗散步——醉汉走的是随机路线，狗也到处乱跑，但狗绳的长度是固定的。所以不管它们怎么晃，距离总会在某个范围内。

在金融里，协整就是那根「狗绳」。两只股票的价格可能各自随机游走，但它们的价差（或某种线性组合）却是平稳的。这就是协整的核心思想。

3.2 平稳性与单位根检验（ADF检验）

要理解协整，必须先搞懂平稳性。平稳的时间序列，说白了就是它的统计性质（均值、方差）不随时间变化。比如白噪声就是平稳的，而股价通常是非平稳的——因为它没有固定的均值。

怎么判断一个序列是否平稳？最常用的就是单位根检验，其中ADF检验是标配。

ADF检验的原假设：序列存在单位根（即非平稳）。
备择假设：序列平稳。

如果p值小于0.05，我们就拒绝原假设，认为序列是平稳的。反之，则非平稳。

我曾经在回测一个策略时，因为没做ADF检验，直接用了两个非平稳序列做回归，结果伪回归现象严重，回测曲线漂亮得不像话，实盘却一塌糊涂。嗯，从那以后我再也不敢跳过这一步了。

# Python实现ADF检验
from statsmodels.tsa.stattools import adfuller
import numpy as np

# 模拟一个随机游走（非平稳）
np.random.seed(42)
random_walk = np.cumsum(np.random.randn(100))

# 进行ADF检验
result = adfuller(random_walk)
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
print(f'临界值: {result[4]}')

# 判断是否平稳
if result[1] < 0.05:
    print('序列平稳')
else:
    print('序列非平稳，存在单位根')

3.3 协整关系的检验方法：Engle-Granger两步法

Engle-Granger两步法，简称EG两步法，是检验协整最经典的方法。步骤很简单，就两步：

1. 第一步：用OLS回归估计长期均衡关系。比如对两个序列Y和X做回归：Y = α + βX + ε，得到残差序列ε。
2. 第二步：对残差序列ε做ADF检验。如果残差是平稳的，就说明Y和X存在协整关系。

为什么这么做？因为如果Y和X真的存在协整关系，它们的线性组合（即残差）应该是平稳的。说白了，就是看那根「狗绳」的长度是否稳定。

# Engle-Granger两步法实现
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller

# 模拟两个协整序列
np.random.seed(42)
n = 200
# 共同趋势
trend = np.cumsum(np.random.randn(n))
# 两个序列共享趋势，但各有噪声
Y = trend + np.random.randn(n) * 0.5
X = trend + np.random.randn(n) * 0.5

# 第一步：OLS回归
X_const = sm.add_constant(X)
model = sm.OLS(Y, X_const).fit()
residuals = model.resid

# 第二步：对残差做ADF检验
result = adfuller(residuals)
print(f'残差ADF检验p值: {result[1]:.4f}')

if result[1] < 0.05:
    print('存在协整关系')
else:
    print('不存在协整关系')

3.4 协整与相关性的区别

很多人容易把协整和相关性搞混。我刚开始做量化时也犯过这个错——看到两只股票相关系数高就以为它们能配对，结果亏得挺惨。

它们的区别，我用一个表格来说明：

维度	相关性	协整
关注点	短期同向变动	长期均衡关系
数学基础	皮尔逊相关系数	单位根检验、线性组合平稳性
适用场景	资产配置、风险对冲	配对交易、统计套利
对非平稳数据的处理	可能产生伪相关	专门处理非平稳序列
举例	茅台和五粮液短期同涨同跌	两只股票价差长期回归均值

你想想看，两只完全不相关的股票，如果它们都是随机游走的，它们的价差可能看起来有规律，但那只是巧合。而协整关系是经过统计检验的，有数学上的保证。

我记得有一次，一个朋友拿了两只银行股给我看，说它们相关系数高达0.9，肯定能配对。我做了协整检验后发现，p值高达0.4——根本不存在协整关系。后来果然，那两只股票的价差越走越远，如果按相关性去做配对，早就爆仓了。

3.5 本章知识体系

下面这张图，帮你理清协整理论的整体脉络：

这张图展示了协整理论的四个核心模块：直观理解是基础，ADF检验是工具，EG两步法是方法，与相关性的区别是避坑指南。把这四个点吃透了，协整就算入门了。

---

公众号:蓝海资料掘金营，微信deep3321