2、皮尔逊相关系数：公式推导、适用条件、在股票配对交易中的应用

好，咱们今天来聊聊皮尔逊相关系数。这玩意儿在量化里太常用了，尤其是做配对交易的时候。说白了，它就是衡量两个变量之间线性关系强弱的指标。值在 -1 到 1 之间，1 代表完全正相关，-1 代表完全负相关，0 就是没线性关系。

我个人习惯，拿到任何两个资产的时间序列，第一件事就是算一下它们的皮尔逊相关系数。这能给我一个最直观的“第一印象”。

2.1 公式推导：从协方差说起

先别急着背公式，咱们从直觉出发。你想衡量两个变量 X 和 Y 是不是“一起动”，最直接的办法就是看它们各自偏离均值的程度，是不是同步的。

这就是协方差的概念：

Cov(X, Y) = E[(X - μₓ)(Y - μᵧ)]

如果 X 和 Y 同时大于或同时小于各自的均值，乘积就是正的。一个大于均值另一个小于，乘积就是负的。所以协方差的正负，直接告诉我们相关方向。

但协方差有个大问题——它受量纲影响。比如 X 是价格（几百块），Y 是成交量（几百万手），算出来的协方差数值巨大，根本没法比较。这时候就需要标准化。

皮尔逊相关系数 ρ 就是把协方差除以两个变量的标准差：

ρ(X, Y) = Cov(X, Y) / (σₓ * σᵧ)

标准化之后，结果就乖乖落在 [-1, 1] 区间了。这个公式看着简单，但我在项目中遇到过不少坑，后面会讲。

2.2 适用条件：别乱用，有前提

嗯，这里要注意。皮尔逊相关系数不是万能的。我见过太多人上来就一顿算，结果得出个毫无意义的数字。它有几个硬性前提：

1. 线性关系假设：它只衡量线性相关。如果 X 和 Y 是完美的二次函数关系（比如 Y = X²），算出来的 ρ 可能接近 0，但这不代表它们没关系。
2. 连续变量：两个变量都应该是连续型数据。用离散的类别数据算皮尔逊，意义不大。
3. 近似正态分布：虽然对非正态数据也鲁棒，但极端偏态或存在明显异常值时，结果会严重失真。
4. 同方差性：数据点的离散程度在整个取值范围内应该大致稳定。如果数据呈现“喇叭形”扩散，皮尔逊系数会低估真实相关性。
5. 无异常值：这个我吃过亏。一个极端异常值就能把相关系数从 0.8 拉到 0.2。

2.3 在股票配对交易中的应用

配对交易的核心逻辑，就是找到两只长期走势高度相关的股票。当它们的价差（或比值）偏离历史均值时，做多被低估的那只，做空被高估的那只，赌价差回归。

皮尔逊相关系数在这里扮演什么角色？它帮我们筛选“候选配对”。

具体步骤我一般这么走：

1. 初筛：在同行业或同板块中，计算所有股票两两之间的皮尔逊相关系数。设定一个阈值，比如 ρ > 0.8，保留高度相关的对子。
2. 验证稳定性：光看全样本的相关系数不够。我会用滚动窗口（比如 60 个交易日）计算动态相关系数，看它是否稳定。如果相关系数忽高忽低，这个配对就不靠谱。
3. 协整检验：皮尔逊相关系数高，不代表价差会均值回归。还需要做协整检验（比如 Engle-Granger 两步法），确认价差序列是平稳的。
4. 构建交易信号：当标准化价差（Z-score）超过 ±2 时，触发开仓信号。

下面是一个简单的 Python 示例，展示如何计算两只股票的滚动相关系数：

import pandas as pd
import numpy as np
import yfinance as yf

# 获取两只股票的历史数据
tickers = ['AAPL', 'MSFT']
data = yf.download(tickers, start='2020-01-01', end='2023-12-31')['Adj Close']

# 计算日收益率
returns = data.pct_change().dropna()

# 计算滚动60天的皮尔逊相关系数
rolling_corr = returns['AAPL'].rolling(window=60).corr(returns['MSFT'])

# 查看最后几个值
print(rolling_corr.tail())

# 简单判断：如果最近60天相关系数低于0.5，可能配对关系在减弱
if rolling_corr.iloc[-1] < 0.5:
    print("警告：近期相关性减弱，建议暂停该配对交易")

2.4 知识体系结构图

下面这张图，帮你把本章的核心逻辑串起来：

2.5 实战中的注意事项

最后，分享几个我在实战中总结的经验：

• 样本量要够：少于 30 个数据点算出来的相关系数，统计意义不大。我一般要求至少 60 个交易日的数据。
• 小心伪相关：两只股票可能因为大盘走势而“看起来”相关。试试看用超额收益（减去市场收益）再算一次相关系数。
• 相关系数会变：别指望它一成不变。市场环境变了，行业政策变了，相关性可能瞬间崩塌。定期重新计算是必须的。
• 结合其他指标：皮尔逊相关系数只是起点。我还会看 Spearman 秩相关系数（对异常值更鲁棒），以及互信息（捕捉非线性关系）。

---

公众号:蓝海资料掘金营，微信deep3321