1. 统计套利导论：什么是统计套利？它与无风险套利的区别

各位同学，欢迎来到《统计套利：构建稳健对冲组合实战》的第一章。

咱们开门见山。统计套利，说白了就是「找规律赚钱」。你发现两个资产的价格走势像双胞胎一样，一个涨另一个也跟着涨，一个跌另一个也跟着跌。突然有一天，它们俩闹别扭了，一个往东一个往西。这时候，你赌它们会「和好」，于是买入便宜的，卖出贵的，等它们重新步调一致时平仓获利。

这就是统计套利的核心思想——利用统计规律，捕捉价格偏离后的回归机会。

1.1 统计套利 vs 无风险套利

很多新手会问：这跟传统的无风险套利有啥区别？

我举个例子你就明白了。

无风险套利：同一只股票，在A交易所卖100元，在B交易所卖101元。你同时买入A、卖出B，稳稳赚1元差价。这叫「确定性赚钱」，几乎没有风险。

统计套利：茅台和五粮液，历史上价差一直在某个范围内波动。今天价差突然拉大到历史极值，你赌它会回归。但注意——它可能不回归，可能继续扩大。这就是风险所在。

我在2015年刚入行时，就犯过这个错。当时看到两只银行股价差偏离了3个标准差，我满仓杀进去做配对交易。结果呢？价差继续扩大了5个标准差，我被迫止损。后来复盘发现，那两只银行的基本面已经发生了变化，历史规律失效了。嗯，这个教训让我记住了——统计套利不是无风险套利，它需要持续监控和风控。

1.2 统计套利的数学基础：平稳性、协整与均值回归

好了，概念讲完了。咱们来点硬核的。统计套利能成立，靠的是三个数学基石：平稳性、协整、均值回归。

1.2.1 平稳性

什么叫平稳？说白了就是「统计性质不随时间变化」。比如一只股票的价格，今天100，明天110，后天90，均值一直在变——这叫非平稳。但如果你看它的日收益率，长期均值稳定在0附近，方差也差不多——这就可能是平稳的。

为什么平稳性重要？因为统计套利需要「历史规律在未来依然有效」。如果序列不平稳，历史均值、方差都是浮云，你拿什么做预测？

1.2.2 协整

协整这个概念，我当年学的时候也觉得绕。其实你记住一句话就行：两个非平稳序列，它们的线性组合是平稳的，就叫协整。

举个例子：

• 股票A的价格：非平稳
• 股票B的价格：非平稳
• 但A - 0.8×B 这个组合：平稳

这就说明A和B存在协整关系。它们虽然各自乱跑，但始终「手拉手」——偏离了就会回来。这就是统计套利的基础。

1.2.3 均值回归

均值回归，就是「涨多了会跌，跌多了会涨」。听起来像废话，但在统计套利里，它是有严格定义的——Ornstein-Uhlenbeck过程。

公式长这样：

dX(t) = θ(μ - X(t))dt + σdW(t)

别被吓到。你只需要知道：θ是回归速度，μ是长期均值，σ是波动率。θ越大，回归越快；σ越大，噪音越多。

我在实盘中，一般用这个公式来估算「回归半衰期」——也就是价差偏离后，平均需要多久回归一半。如果半衰期超过20个交易日，我基本就不做了，太慢了，资金效率太低。

1.3 课程整体框架与学习路径

好，咱们把整个课程的蓝图铺开看看。我画了一张图，帮你快速建立全局观。

整个课程分四个阶段，层层递进：

1. 基础篇（第1-5章）：打好数学和工具基础。你会学会用Python处理金融数据，做基本的统计分析。
2. 核心方法篇（第6-15章）：这是重头戏。从经典的配对交易开始，逐步扩展到多资产组合。我会手把手带你实现完整的协整检验流程。
3. 实战篇（第16-25章）：纸上谈兵没用。这部分我会分享我的实盘经验——回测中常见的坑、滑点怎么处理、资金管理怎么做。我曾经因为忽略交易成本，回测年化30%的策略实盘直接亏钱，这些教训我都会一一告诉你。
4. 进阶篇（第26-30章）：如果你已经掌握了基础，想挑战更高频、更复杂的策略，这部分适合你。包括期权统计套利、跨市场套利等。

1.4 本章小结

咱们这一章，主要讲了三个事：

• 统计套利是什么：利用统计规律，捕捉价格偏离后的回归机会。它不是无风险套利，有模型风险。
• 三大数学基础：平稳性（统计性质不随时间变）、协整（非平稳序列的线性组合变平稳）、均值回归（偏离后会回归）。
• 课程框架：基础→核心方法→实战→进阶，四步走。

下一章，咱们会深入讲平稳性检验，手把手教你用Python做ADF检验和KPSS检验。到时候我会分享一个我踩过的坑——数据频率选错了，导致平稳性判断完全相反。嗯，到时候细说。

---

公众号:蓝海资料掘金营，微信deep3321