配对交易入门：从零搭建你的第一套统计套利系统
大家好，我是老李。今天咱们聊聊配对交易的基本流程。
说实话，我刚入行那会儿，觉得配对交易特别神秘。两个股票之间还能有稳定关系？后来做多了才发现，这玩意儿说白了就是「找亲戚」——找到两个走势相似的股票，利用它们之间的价差波动来赚钱。
嗯，咱们先看一张整体流程图，心里有个谱。
第一步：筛选配对——别乱点鸳鸯谱
配对交易的第一步，就是找到合适的「一对」。不是随便拉两个股票就能做的。
我个人习惯先看行业。同行业的股票，业务模式相似，受同样的宏观因素影响，天然容易产生稳定关系。比如茅台和五粮液，招行和兴业银行。
然后做相关性分析。我一般用滚动窗口计算相关系数，窗口取60个交易日。低于0.7的，直接pass。
核心筛选标准：
- 同行业或同板块
- 日收益率相关系数 > 0.7
- 市值规模相近（避免流动性差异）
- 交易量活跃（日均成交额 > 1亿）
你想想看，如果两个股票市值差10倍，一个轻轻松松被拉涨，另一个纹丝不动，这配对能稳定吗？我在项目中遇到过这种情况，当时选了茅台和某小酒企，结果小酒企一天波动10%，茅台才动1%，价差根本没法做。
第二步：建模——给关系画个框
筛选出候选对之后，就要建模了。说白了，就是找到两个价格之间的数学关系。
最经典的方法是协整检验。嗯，这里要注意，协整不等于相关。两个股票可能相关系数很高，但长期看价差越走越远，那就没法做配对。
我一般用Engle-Granger两步法：
import statsmodels.api as sm
import numpy as np
# 假设 price_a, price_b 是两个股票的价格序列
# 第一步：回归
X = sm.add_constant(price_b)
model = sm.OLS(price_a, X).fit()
residuals = model.resid
# 第二步：对残差做ADF检验
adf_result = sm.tsa.stattools.adfuller(residuals)
print(f'ADF统计量: {adf_result[0]:.4f}')
print(f'p值: {adf_result[1]:.4f}')
# p值小于0.05，说明残差平稳，可以配对
if adf_result[1] < 0.05:
print('恭喜，这对可以搞！')
else:
print('这对不行，换一对吧')
我的小技巧： 除了ADF检验，我还会看残差的自相关图。如果残差有明显的季节性模式，说明模型没捕捉全，可能需要加入滞后项。
建模完成后，我们会得到两个关键参数：对冲比率（hedge ratio）和价差序列。对冲比率就是回归系数，告诉你买1份A需要卖多少份B。
第三步：交易执行——什么时候动手？
模型建好了，接下来就是执行。说白了，就是等机会。
价差序列会围绕均值上下波动。当价差偏离均值超过某个阈值时，我们就开仓。当价差回归均值时，我们就平仓。
阈值怎么设？我一般用标准差。比如：
- 价差 > 2倍标准差 → 做空价差（卖A买B）
- 价差 < -2倍标准差 → 做多价差（买A卖B）
- 价差回归到0.5倍标准差以内 → 平仓
避坑指南： 我曾经把阈值设得太小（1倍标准差），结果频繁开平仓，手续费吃掉了大部分利润。后来改成2倍标准差，虽然交易次数少了，但每笔的胜率和盈亏比都上来了。
执行时还要注意滑点。尤其是小市值股票，你挂单可能吃不到货。我建议用限价单，别用市价单。
第四步：风险管理——活着比赚钱重要
这一步，很多人会忽略。但我告诉你，这是整个流程里最重要的环节。
配对交易不是无风险的。万一两个股票的基本面发生根本性变化（比如一个被收购、一个暴雷），价差可能永远回不来。
我的风控三板斧：
- 硬止损： 价差超过3倍标准差，无条件平仓。别犹豫，犹豫就会败北。
- 仓位控制： 单笔配对不超过总资金的5%。分散到5-10个配对，一个炸了还有别的。
- 动态监控： 每周重新跑一次协整检验。如果p值变大了，说明关系在变弱，考虑退出。
记住一句话： 配对交易赚的是均值回归的钱，但均值不回归才是常态。风控就是你的安全带。
嗯，说到这，基本流程就讲完了。筛选配对、建模、交易执行、风险管理，四个步骤环环相扣。我个人觉得，新手最容易栽在第一步和第四步——要么选错了对，要么忘了止损。
你想想看，如果连配对都没选好，后面建模再漂亮也是白搭。如果忘了止损，一次黑天鹅就能让你回到解放前。
好了，这一章就到这里。下一章咱们深入聊聊「筛选配对」的具体方法，包括怎么用Python批量跑相关性分析和协整检验。
公众号:蓝海资料掘金营，微信deep3321