4. 相关性分析：皮尔逊相关系数、Spearman秩相关、相关性陷阱与伪回归

各位同学，今天我们来聊聊相关性分析。说实话，这是配对交易里最容易踩坑的地方。我见过太多人看到两个资产走势图长得像，就兴奋地冲进去做配对，结果亏得底裤都不剩。

为什么会这样？因为相关性 ≠ 因果关系。你想想看，冰淇淋销量和溺水人数高度相关，但你能说吃冰淇淋导致溺水吗？显然不能。在金融数据里，这种「伪相关」比比皆是。

4.1 皮尔逊相关系数：最常用的「线性」度量

皮尔逊相关系数，说白了就是衡量两个变量之间线性关系的强度和方向。它的值在 -1 到 1 之间：

• 1：完全正相关，一个涨另一个也涨
• -1：完全负相关，一个涨另一个跌
• 0：没有线性关系

公式长这样：

ρ = Cov(X, Y) / (σX * σY)

其中 Cov 是协方差，σ 是标准差。嗯，这里要注意，皮尔逊系数对异常值极其敏感。我在项目中遇到过，某次分析两只银行股的相关性，本来一直稳定在 0.85 左右，结果因为某天一家银行出了财报黑天鹅，单日暴跌 8%，相关系数直接掉到 0.3。你说这合理吗？

4.2 Spearman秩相关：不怕异常值的「排序」法

那有没有不怕异常值的方法？有，Spearman秩相关就是干这个的。

它的思路很简单：不看具体数值，只看排名。比如两只股票某天的收益率，一个排第1，一个排第2，那它们的秩就是1和2。然后计算这些秩的皮尔逊相关系数。

我个人的习惯是：先跑Spearman，再跑皮尔逊。如果两者差异很大，说明数据里有异常值或者非线性关系，需要进一步排查。

import numpy as np
from scipy.stats import pearsonr, spearmanr

# 模拟数据
x = np.array([1, 2, 3, 4, 5, 100])  # 注意这个100是异常值
y = np.array([2, 4, 6, 8, 10, 200])

pearson_corr, _ = pearsonr(x, y)
spearman_corr, _ = spearmanr(x, y)

print(f"皮尔逊相关系数: {pearson_corr:.3f}")
print(f"Spearman秩相关: {spearman_corr:.3f}")

运行结果：皮尔逊是 1.0（因为异常值完美线性），Spearman也是 1.0。但如果把异常值改成 (100, 50)，皮尔逊会降到 0.6 左右，而 Spearman 可能还是 0.9 以上。你看，Spearman 更稳健。

4.3 相关性陷阱：为什么高相关不等于好配对？

这是今天最重要的部分。我曾经犯过一个错误：看到两只科技股的相关性高达 0.95，兴冲冲地建了配对，结果一个月后价差越走越大，亏了 15%。

问题出在哪？高相关性 ≠ 协整关系。相关性衡量的是同步性，而协整衡量的是长期均衡关系。两只股票可能因为市场情绪同步上涨，但它们的价差并不稳定，随时可能发散。

举个具体例子：

特征	相关性	协整性
衡量什么	短期同步性	长期均衡
时间范围	短期	长期
对配对交易的意义	辅助参考	核心条件
常见陷阱	伪回归	结构突变

你想想看，如果两只股票只是碰巧在某个时间段走势相似，但基本面完全不同，那它们的相关性迟早会崩塌。这就是所谓的「相关性陷阱」。

4.4 伪回归：最隐蔽的坑

伪回归，说白了就是两个毫无关系的非平稳时间序列，因为都带有趋势，算出来的相关系数却很高。

我记得有一次，一个学员兴奋地告诉我，他发现中国GDP和某只小盘股的相关性高达 0.9。我问他：「你做了差分检验吗？」他愣住了。

伪回归的典型特征：

• 两个序列都是非平稳的（有趋势或随机游走）
• 回归的 R² 很高，但 Durbin-Watson 统计量很低
• 残差序列也是非平稳的

怎么避免？很简单：先做单位根检验。如果两个序列都是非平稳的，那就对差分后的序列做相关性分析，或者直接做协整检验。

from statsmodels.tsa.stattools import adfuller

# 模拟两个随机游走
np.random.seed(42)
n = 100
x = np.cumsum(np.random.randn(n))
y = np.cumsum(np.random.randn(n))

# 皮尔逊相关系数
corr, _ = pearsonr(x, y)
print(f"原始序列相关系数: {corr:.3f}")  # 可能很高

# 差分后
dx = np.diff(x)
dy = np.diff(y)
corr_diff, _ = pearsonr(dx, dy)
print(f"差分后相关系数: {corr_diff:.3f}")  # 接近0

你看，两个完全独立的随机游走，原始序列的相关系数可能高达 0.7 甚至 0.8，但差分后立刻现原形。这就是伪回归的威力。

4.5 本章知识体系

下面这张图总结了相关性分析的核心逻辑，你可以对照着梳理思路：

嗯，总结一下今天的内容：皮尔逊看线性，Spearman看排序，相关性陷阱提醒你别被高数字迷惑，伪回归则要求你先做平稳性检验。这四个概念，是配对交易入门必须啃下来的硬骨头。

我个人习惯是：拿到两个序列，先画图看走势，然后做ADF检验看平稳性，接着算Spearman秩相关，最后才考虑要不要做协整检验。这套流程帮我避开了不少坑。

---

公众号：蓝海资料掘金营，微信 deep3321