第1章:配对交易入门
1.1 配对交易的历史与演变
配对交易,说白了就是找两个长得像的股票,做多一个、做空另一个。听起来简单吧?但这里面的门道可不少。
我第一次接触配对交易是在2015年。那时候我刚从量化研究岗转到实盘交易,带我的老交易员跟我说:「小子,别整天想着预测涨跌,你得学会找关系。」他说的就是配对交易的核心——寻找价格之间的稳定关系。
配对交易最早可以追溯到20世纪80年代。当时华尔街有一群量化交易员,他们发现某些股票的价格走势高度相关。比如可口可乐和百事可乐,或者通用汽车和福特。当它们的价差偏离正常范围时,就会产生套利机会。
我记得有个经典案例:摩根士丹利的量化团队在1987年股灾后,系统性地应用了配对交易策略。他们发现,即使市场暴跌,某些股票对之间的价差仍然会回归均值。这个发现让配对交易从「玄学」变成了「科学」。
核心演变脉络:
- 1980年代:手工配对,依赖交易员经验
- 1990年代:统计方法引入,协整检验成为标配
- 2000年代:高频配对交易兴起,延迟成为关键
- 2010年代至今:机器学习辅助选对,但核心逻辑不变
嗯,这里要注意一点。很多人以为配对交易是高频交易的专利。其实不是。我见过不少做日线级别配对交易的团队,年化收益也能做到15%以上。关键在于你选什么样的股票对,以及怎么管理风险。
1.2 主要应用场景
配对交易到底能用在哪些地方?我根据自己的实战经验,总结了三个最常见的场景:
- 行业龙头配对:比如茅台和五粮液,或者招行和兴业银行。同行业、同属性,价差回归的概率高。
- ETF与成分股配对:比如做多沪深300ETF,同时做空几只权重股。这种配对流动性好,交易成本低。
- 跨市场配对:比如A股和H股的同一家公司,或者黄金和白银。这种配对需要处理汇率和时区问题,但机会也更大。
我曾经在2018年做过一个白酒行业的配对策略。当时选了贵州茅台和五粮液,用协整模型计算价差。结果发现,每当价差超过2个标准差,大概率会在5个交易日内回归。这个策略在震荡市里表现特别好,但在单边上涨行情中会亏钱。
我的建议:刚开始做配对交易,先从同行业、同市值的股票对入手。别一上来就搞跨市场、跨品种,那是在给自己挖坑。
1.3 策略优势与风险
配对交易最大的优势是什么?市场中性。你想想看,不管大盘涨还是跌,只要价差回归,你就能赚钱。这在熊市里简直就是救命稻草。
我统计过自己过去三年的交易记录:配对策略在牛市中跑输大盘,但在熊市中能稳定盈利。整体夏普比率在1.2左右,最大回撤不超过8%。这个表现,说实话,比很多主观交易策略强多了。
| 维度 | 优势 | 风险 |
|---|---|---|
| 市场环境 | 牛熊通吃,市场中性 | 单边行情中表现差 |
| 风险控制 | 回撤可控,有统计支撑 | 价差可能不回归 |
| 资金效率 | 可加杠杆,资金利用率高 | 交易成本侵蚀利润 |
| 策略容量 | 适合大资金,流动性好 | 高频交易中滑点严重 |
但是,风险也是实实在在的。我曾经踩过一个坑:2019年做了一对银行股配对,协整检验通过了,历史回测也很漂亮。结果实盘刚跑了一个月,两家银行同时出了利空消息,价差直接崩了。那次亏损让我明白了一个道理——统计关系不等于因果关系。
避坑指南:我曾经以为协整检验通过就万事大吉。后来发现,协整关系会随时间变化。建议每3个月重新检验一次,别偷懒。
为什么会这样?因为股票的基本面在变,市场情绪在变,监管政策也在变。你去年找到的完美配对,今年可能就失效了。所以,配对交易不是一劳永逸的,需要持续监控和调整。
我个人习惯的做法是:同时维护10-15个股票对,每个对子分配5%-8%的资金。一旦某个对子的价差超过3个标准差还不回归,我就果断止损。别想着「再等等」,等来的往往是更大的亏损。
1.4 知识体系框架
下面这张图是我自己总结的配对交易知识体系。你看完应该能明白,这门课到底要讲什么。
你看,配对交易其实就四个环节:选对、信号、风控、执行。每个环节都有坑,也都有技巧。后面的章节我会一个一个拆开来讲。
最后说一句:别把配对交易想得太神秘。它本质上就是统计套利的一种。你只要掌握了协整检验和均值回归这两个核心概念,剩下的就是细节问题了。
公众号:蓝海资料掘金营,微信deep3321