3、配对交易策略：配对选择方法、相关性分析、距离法（最小化平方距离）

配对交易，说白了就是找两个「长得像」的股票，然后赌它们之间的价差会回归。我刚开始做量化那会儿，觉得这玩意儿特简单——找两个同行业的股票不就行了？结果亏得我怀疑人生。后来才明白，选对配对，这门手艺就成功了一半。

3.1 配对选择的核心逻辑

配对交易的第一步，是找到一对「好基友」。什么叫好基友？就是它们的历史价格走势高度同步，偶尔闹别扭分开，但最终会重归于好。嗯，这跟现实中的朋友关系有点像。

我个人习惯把配对选择分成三个层次：

• 行业逻辑层：同行业、同产业链、业务模式相似。比如茅台和五粮液，中国平安和中国人寿。
• 统计关系层：用数学方法验证它们是否真的「同步」。
• 交易可行性层：流动性够不够？交易成本高不高？能不能做空？

我在项目中遇到过最坑的一次，是选了中石油和中石化。行业逻辑完美，但实际交易时发现中石油的流动性差得离谱，滑点吃掉了我大部分利润。所以你看，光看行业是不够的。

3.2 相关性分析——别被表面数据骗了

很多人一上来就计算皮尔逊相关系数，觉得大于0.8就是好配对。我告诉你，这招在牛市里还行，一到震荡市就露馅了。

为什么？因为相关性不等于协整性。两个股票可能相关性很高，但价差却不会回归。举个例子，茅台和五粮液的相关性常年维持在0.9以上，但它们的价差其实一直在扩大——茅台涨得比五粮液快多了。你按相关性做配对，迟早亏光。

我建议用以下方法做相关性分析：

1. 滚动相关性：不要只看全样本的相关性，要看过去60天、120天的滚动相关性是否稳定。
2. Spearman秩相关：对极端值不敏感，更适合金融数据。
3. 偏相关分析：剔除市场整体走势的影响，看两个股票之间的「纯关系」。

3.3 距离法——最小化平方距离

距离法是我个人最偏爱的配对选择方法。它简单、直观，而且效果出奇的好。说白了，就是把两个股票的历史价格标准化后，计算它们之间的「距离」，距离越小，配对越好。

具体步骤如下：

1. 价格标准化：把两个股票的价格都转换成均值为0、标准差为1的序列。这一步很重要，因为不同股票的价格绝对值差异很大。
2. 计算平方距离：对每一天，计算两个标准化价格的差值的平方，然后求和。
3. 选择最小距离：在所有可能的配对中，选择平方距离最小的那一对。

公式长这样：

D² = Σ (P_A_t - P_B_t)²

其中：
P_A_t = 股票A在t时刻的标准化价格
P_B_t = 股票B在t时刻的标准化价格
t = 1, 2, ..., N（N为样本天数）

你想想看，这个距离越小，说明两个股票的历史走势越「贴在一起」。一旦它们分开，价差就大概率会回归。

3.4 实战中的配对筛选流程

我一般会走这么一套流程，你可以直接拿去用：

步骤	方法	筛选标准
1. 行业筛选	同行业或同产业链	业务相似度 > 70%
2. 相关性检验	滚动相关性 + Spearman	均值 > 0.8，标准差 < 0.1
3. 距离法排序	最小化平方距离	排名前10%
4. 协整性验证	ADF检验	p值 < 0.05
5. 流动性检查	日均成交额	> 5000万

这套流程下来，基本能筛掉90%的伪配对。剩下的，就是值得你花时间去研究的「真命天子」了。

3.5 一张图看懂配对选择

下面这张图是我自己画的配对选择流程，你可以把它当成操作手册：

这张图把整个流程串起来了。你从行业筛选开始，一步步往下走，每一步都有明确的筛选标准。我建议你把这张图打印出来贴在工位上，做配对交易时对照着来。

3.6 一些心里话

配对选择这件事，说难不难，说简单也不简单。我见过太多人把时间花在优化交易参数上，结果配对选错了，怎么优化都是白搭。

记住一句话：好的配对是成功的一半。花80%的时间在配对选择上，20%的时间在交易执行上，这个比例我觉得刚刚好。

嗯，今天就聊到这儿。下一节我们会深入讲价差的计算和交易信号的生成，到时候再细聊。

---

公众号:蓝海资料掘金营，微信deep3321