一、统计套利基础：从定义到实战入门

大家好，我是老张。在外汇市场摸爬滚打了十几年，今天咱们聊聊统计套利这个有意思的话题。

说实话，我刚入行那会儿，对统计套利也是一头雾水。直到有一次，我发现欧元和英镑的走势总像一对跳舞的搭档——你进我退，我进你退。嗯，这就是统计套利的雏形。

1.1 什么是统计套利？

统计套利，说白了就是利用数学模型找规律。它不像传统套利那样盯着价差不放，而是用统计学的方法，寻找资产价格之间的稳定关系。

我个人习惯把它分成三步：

• 找关系：发现两个或多个资产之间的统计相关性
• 建模型：用数学公式描述这种关系
• 抓机会：当关系偏离正常范围时入场

1.2 外汇市场有什么特点？

外汇市场跟股票市场不一样，它有自己独特的脾气。我在做统计套利时，最深的体会就是这几点：

特点	对统计套利的影响
24小时交易	模型需要处理不同时区的数据
高流动性	滑点小，执行成本低
杠杆高	收益放大，风险也放大
受宏观影响大	突发事件容易打破统计规律

我曾经吃过一次亏：2015年瑞士央行突然取消欧元兑瑞郎汇率下限，那天我手里的统计套利模型全部失效。嗯，这就是外汇市场的残酷之处——黑天鹅事件随时可能发生。

1.3 均值回归理论

均值回归，听起来高大上，其实道理很简单：价格涨多了会跌，跌多了会涨。就像橡皮筋，拉得太长总会弹回来。

我刚开始做量化时，总想着抓趋势。后来发现，在外汇市场里，很多货币对其实都在一个区间里来回震荡。这时候，均值回归策略就特别好用。

举个例子：假设EUR/USD过去一年都在1.10到1.20之间波动。当它跌到1.1050时，我就买入；涨到1.1950时，我就卖出。这就是最朴素的均值回归。

1.4 协整概念入门

协整，这个词听起来很学术。但说白了，就是两个变量之间有一种长期稳定的关系。

我记得第一次接触协整时，被那些数学公式搞得头大。后来我发现，用Python做协整检验其实很简单：

import statsmodels.api as sm
import numpy as np

# 假设eur和gbp是两个货币对的价格序列
eur = np.array([1.10, 1.11, 1.09, 1.12, 1.11])
gbp = np.array([1.30, 1.31, 1.29, 1.32, 1.31])

# 做协整检验
result = sm.tsa.stattools.coint(eur, gbp)
print(f"协整检验p值: {result[1]:.4f}")

# p值小于0.05，说明存在协整关系
if result[1] < 0.05:
    print("这两个货币对存在长期稳定关系")
else:
    print("没有发现协整关系")

你看，代码就这么几行。但要注意，协整检验只是第一步。真正重要的是理解背后的经济逻辑——为什么这两个品种会长期保持稳定关系？

知识体系总览

下面这张图，是我自己总结的统计套利知识框架。你把它记在心里，后面的课程就都好理解了：

这张图把今天讲的内容串起来了。你仔细看看，每个模块之间都有联系。统计套利不是孤立的知识点，它是一个完整的交易体系。

好了，第一章的内容就到这里。记住我今天说的：统计套利不是玄学，它是用数学和统计学的工具，在外汇市场里寻找可重复的盈利模式。后面我们会一步步深入，把每个知识点都吃透。