事件套利基础：数学原理与实战框架
做量化这些年，我越来越觉得事件套利是个很有意思的领域。它不像高频交易那样拼速度，也不像宏观对冲那样拼格局。说白了，它是在「信息差」和「市场反应滞后」之间找饭吃。
今天这一章，我们先把地基打牢。我会从数学原理讲起，再聊统计套利怎么跟事件驱动结合，最后说说风险因子剥离——这三个东西搞明白了，后面的实战才有底气。
事件套利的数学本质
事件套利的核心，其实就一句话：预期收益 = 事件发生概率 × 事件影响幅度 - 当前价格偏差。
嗯，听起来很简单对吧？但实际做起来，坑多得很。
我习惯把事件套利的数学框架拆成三个部分：
- 事件概率模型：判断某个事件会不会发生
- 影响幅度估计：事件发生后，价格会变动多少
- 时间衰减因子：事件越晚发生，年化收益越低
核心公式（简化版）：
E[Return] = P(event) × ΔP - (1-P(event)) × Loss - t × r
其中：
P(event) = 事件发生概率
ΔP = 事件发生后的预期价格变动
Loss = 事件未发生时的最大亏损
t = 持仓时间
r = 资金成本率你想想看，如果P(event)是80%，ΔP是10%，但万一没发生要亏30%，那这笔交易其实不划算。我在2019年做过一个并购套利案例，当时市场普遍认为并购成功率90%以上，结果因为反垄断审查失败，股价直接腰斩。那次之后，我给自己定了个规矩：永远把「事件失败」的损失算清楚。
统计套利与事件驱动的结合
很多人觉得统计套利和事件驱动是两码事。前者靠数学，后者靠消息。其实不然。
我个人习惯的做法是：用统计套利的方法来量化事件的影响。
举个例子。某公司要发布财报，市场预期EPS是1.2元。这时候你该怎么做？
- 纯事件驱动派：赌财报超预期，直接买入
- 纯统计套利派：看历史波动率，做期权策略
- 结合派（我推荐）：先算「预期偏差的统计分布」，再决定仓位
具体怎么结合？我一般分三步走：
- 建立事件数据库：把过去5年同类事件的价格反应记录下来
- 计算统计特征：均值、标准差、偏度、峰度
- 构建交易信号：当当前预期偏差超过2个标准差时，触发交易
一个小技巧：别只看价格变动，要看「残差」。把市场整体波动剥离掉，剩下的才是事件本身的贡献。我曾经因为没做这一步，把大盘上涨的功劳算到了事件头上，结果回测曲线漂亮得不像话，实盘直接打脸。
风险因子剥离：别让噪音干扰你
做事件套利最怕什么？最怕你以为是事件在驱动价格，其实是别的因子在作祟。
常见的干扰因子包括：
| 因子类型 | 影响方式 | 剥离方法 |
|---|---|---|
| 市场因子 | 大盘涨跌掩盖事件效应 | 回归剥离：收益 = α + β×市场收益 + ε |
| 行业因子 | 同行业公司同时波动 | 做多事件股，做空行业ETF |
| 流动性因子 | 小盘股波动大，容易误判 | 用Amihud指标调整信号强度 |
| 情绪因子 | 市场恐慌/贪婪放大反应 | 加入VIX或恐慌指数作为协变量 |
我记得有一次做业绩预告套利，回测时夏普比率高达3.5，兴奋得不行。结果仔细一查，发现大部分收益来自小盘股在牛市中的贝塔暴露。把市场因子剥离后，夏普直接掉到0.8。嗯，这就是不剥离风险因子的代价。
我建议的做法是：每笔事件套利交易，都跑一遍多因子回归。
# 伪代码示例：风险因子剥离
def event_return_attribution(returns, market_returns, industry_returns):
"""
剥离市场因子和行业因子后的事件收益
"""
import statsmodels.api as sm
X = sm.add_constant(np.column_stack([market_returns, industry_returns]))
model = sm.OLS(returns, X).fit()
# α就是剥离后的纯事件收益
alpha = model.params[0]
residual = model.resid
return alpha, residual注意：剥离因子不是越多越好。加太多因子会导致过拟合，尤其是那些跟事件本身相关的因子。比如你剥离了「波动率因子」，但事件本身就会改变波动率——这就把婴儿和洗澡水一起倒掉了。
本章知识体系总览
下面这张图是我自己梳理的框架，把事件套利的三个核心模块串起来了。你可以把它当作一个检查清单，每次做交易前过一遍。
这张图我每次做策略评审都会拿出来看一遍。三个模块缺一不可：数学原理给你方向，统计套利给你方法，风险因子剥离给你纯度。
最后说一句掏心窝的话：事件套利看着简单，做起来难。难就难在「概率」和「幅度」都是动态的。市场在变，参与者在变，监管也在变。我见过太多人拿着一个历史回测漂亮的策略直接上实盘，结果亏得底裤都不剩。
嗯，这一章先到这里。下一章我们会聊具体的事件类型和交易流程——到时候我会拿几个我实际做过的案例来拆解。