一、协整分析概述：什么是协整？

大家好，我是你们的老朋友。今天咱们来聊聊协整——这个在量化交易里绕不开的概念。

说实话，我刚入行那会儿，第一次听到“协整”这个词，脑子里蹦出来的想法是：“这玩意儿是不是跟‘整合’差不多？”后来踩了不少坑才明白，协整可不是简单的相关性，它背后藏着更深的统计规律。

1.1 协整的经济学含义

先说说协整到底在讲什么。

你想想看，两个时间序列，比如茅台和五粮液的股价。它们各自可能都是随机游走的——今天涨明天跌，看起来毫无规律。但神奇的是，它们之间的价差却可能非常稳定，总是在一个范围内波动。

这就是协整的核心思想：单个序列不平稳，但它们的线性组合却平稳。

我在做配对交易策略时，经常用这个逻辑。比如我同时持有两只股票，一只做多，一只做空。只要它们的价差回归均值，我就能赚钱。说白了，协整就是帮我们找到这种“长期绑定”的关系。

1.2 协整的数学定义

好，咱们来点硬核的。数学上怎么定义协整？

假设有两个时间序列 X_t 和 Y_t，它们都是 I(1) 过程——也就是一阶单整，一阶差分后平稳。如果存在一个系数 β，使得：

Z_t = Y_t - β * X_t

这个 Z_t 是平稳的，也就是 I(0)，那么我们就说 X_t 和 Y_t 是协整的。

嗯，这里要注意：β 就是协整系数，它代表了两个序列之间的长期比例关系。

我记得有一次做原油期货的配对，发现近月合约和远月合约的价差居然不平稳。后来一查，原来是交割制度导致的季节性偏差。所以啊，协整检验前一定要先搞清楚数据背后的逻辑。

1.3 协整与相关性的区别

很多人容易把协整和相关性搞混。我刚开始也犯过这个错。

相关性衡量的是两个变量之间的线性关系强度。但两个高度相关的随机游走序列，它们的差可能还是随机游走的——根本不协整。

举个例子：

特征	相关性	协整
关注点	短期同步性	长期均衡关系
序列要求	无要求	同阶单整
应用场景	风险对冲、因子分析	配对交易、统计套利
数学检验	皮尔逊系数	Engle-Granger、Johansen

说白了，相关性看的是“一起动”，协整看的是“分不开”。

1.4 协整分析的知识体系

为了让大家更直观地理解协整分析的全貌，我画了一张图：

1.5 协整检验的直觉理解

协整检验到底在检验什么？

我个人的理解是：它在问一个问题——两个醉汉走路，虽然各自东倒西歪，但他们之间的绳子是不是一直连着？

如果绳子断了，那就是不协整。如果绳子一直连着，虽然两人晃来晃去，但距离始终有限——这就是协整。

在实际项目中，我常用 Engle-Granger 两步法：

1. 第一步：用 OLS 回归估计协整系数 β
2. 第二步：对残差做单位根检验，看是否平稳

我曾经用这个方法做过一组银行股的配对，效果还不错。但要注意，样本外检验时协整关系可能会失效——市场结构变了，原来的关系就不成立了。

1.6 协整在量化交易中的角色

协整分析是配对交易的基石。没有协整，配对交易就成了无源之水。

我见过不少新手，看到两只股票走势很像就直接做配对，结果亏得一塌糊涂。为什么？因为走势像不代表协整。协整要求的是价差平稳，而不是价格走势相似。

举个例子：

• 协整对：两只同行业股票，基本面相似，价差长期稳定
• 非协整对：两只不同行业股票，短期走势巧合，长期各走各路

所以啊，做配对交易前，一定要先过协整检验这一关。这是底线，不能省。

好了，关于协整的基本概念就聊到这儿。下一节咱们会深入讲协整检验的具体方法，包括 Engle-Granger 和 Johansen 检验的 Python 实现。到时候我会带着大家一步步写代码，把理论落地。

---

公众号:蓝海资料掘金营，微信deep3321