3. 协整理论：协整关系的数学定义、Engle-Granger两步法
各位做套利的朋友，咱们今天聊点硬核的——协整理论。
说实话，我刚入行那会儿，看到“协整”两个字就头大。什么平稳性、单整阶数，听着像天书。但后来我发现，这东西说白了就是：两个不靠谱的玩意儿，凑在一起反而靠谱了。
你想想看，螺纹钢和热卷，单独看价格走势，都是上蹿下跳的猴子。但它们的价差呢？往往会在一个区间里来回晃悠。这就是协整的魅力。
3.1 协整关系的数学定义
先上定义，别怕，我尽量用人话讲。
假设有两个时间序列 X_t 和 Y_t，它们各自都是非平稳的。但存在一个线性组合：
Z_t = Y_t - β * X_t如果 Z_t 是平稳的，那我们就说 X_t 和 Y_t 之间存在协整关系。
这里有几个关键点：
- 单整阶数要相同：两个序列必须都是 I(1) 或者都是 I(2)。一个 I(1) 和一个 I(2) 没法玩。
- 线性组合要平稳：这是核心。平稳意味着均值回归，价差会往中间跑。
- β 是协整系数：它决定了两个品种的配比关系。比如螺纹钢和热卷，β 可能是 1.05 或者 0.95。
重要提醒：协整 ≠ 相关性。两个高度相关的序列，可能根本不协整。我见过有人把相关系数 0.9 的品种拿来做套利，结果亏得底朝天。为什么？因为相关性只描述同步性，协整才描述长期均衡。
3.2 协整的直观理解
打个比方。你牵着一条狗散步。狗会跑来跑去，但绳子会把它拉回来。狗的位置（Y_t）和你的位置（X_t）都是非平稳的——你们都在移动。但狗和你的距离（Z_t）是平稳的——它总在绳子长度附近晃悠。
这就是协整的直观图像：两个非平稳序列，被一根看不见的“绳子”拴在一起。
我在做豆粕和菜粕的套利时，就深刻体会到了这一点。这两个品种单独看，价格受天气、库存、政策影响，完全随机游走。但它们的价差呢？长期来看，就是围绕一个均值在波动。为什么？因为饲料厂可以互相替代，价差大了就会有人切换配方。
3.3 Engle-Granger两步法
好了，理论讲完了，咱们来点实操。Engle-Granger两步法，简称 EG 两步法，是检验协整最经典的方法。我建议你把它刻在脑子里。
第一步：估计协整回归
说白了，就是跑一个 OLS 回归：
Y_t = α + β * X_t + ε_t这里 ε_t 就是残差，也就是我们说的价差。β 就是协整系数。
具体步骤：
- 选两个品种，比如螺纹钢（RB）和热卷（HC）。
- 取它们的价格序列，做 OLS 回归。
- 得到残差序列
ε_t = Y_t - α - β * X_t。
我的经验：做回归时，我习惯把成交量大的品种放在左边（Y_t），成交量小的放在右边（X_t）。这样回归系数更稳定。当然，这不是硬性规定，但我在项目中试过，效果确实好一些。
第二步：检验残差的平稳性
这一步才是关键。我们要检验残差 ε_t 是不是平稳的。最常用的方法是 ADF 检验（Augmented Dickey-Fuller test）。
代码示例（Python）：
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller
# 假设 price1 和 price2 是价格序列
# 第一步：OLS回归
X = sm.add_constant(price1)
model = sm.OLS(price2, X).fit()
residuals = model.resid
# 第二步：ADF检验
adf_result = adfuller(residuals, maxlag=1)
print(f'ADF统计量: {adf_result[0]:.4f}')
print(f'p值: {adf_result[1]:.4f}')
if adf_result[1] < 0.05:
print('残差平稳，存在协整关系')
else:
print('残差不平稳，不存在协整关系')这里要注意几个坑：
- 滞后阶数：ADF 检验需要选滞后阶数。我一般用 AIC 准则自动选，或者直接设 maxlag=1。为什么？因为价差序列通常自相关不强，滞后太多反而降低检验功效。
- 临界值：EG 两步法的临界值跟普通 ADF 不一样。因为残差是估计出来的，不是真实值。不过大多数软件（包括 statsmodels）会自动调整，你直接用 p 值判断就行。
我曾经踩过的坑：有一次我检验螺纹钢和热卷的协整关系，ADF 的 p 值是 0.06，差一点就显著了。我当时想，算了，不协整就不做吧。结果后来发现，是因为我用了日线数据，样本量不够。换成 5 分钟数据后，p 值直接降到 0.01。所以，样本量很重要。一般建议至少 200 个数据点。
3.4 协整检验的完整流程
我把整个流程画成了一张图，方便你理解：
3.5 实际应用中的注意事项
讲完了理论和方法，我再说几个实际中容易踩的坑：
| 常见问题 | 我的建议 |
|---|---|
| 数据频率怎么选？ | 日线数据适合长周期套利，分钟线适合短线。我个人偏好用 1 小时线，平衡了噪音和信号。 |
| 协整关系会变吗？ | 会！市场结构在变，协整关系也会漂移。我建议每 3 个月重新检验一次。 |
| 多个品种怎么选？ | 先做相关性分析，筛选出相关性高的品种对，再逐一做协整检验。 |
| β 系数怎么用？ | β 就是你的对冲比率。比如 β=1.05，意味着做多 1 手 Y 的同时，要做空 1.05 手 X。 |
一个小技巧：做 EG 两步法时，我习惯把回归结果里的 R² 也看一眼。R² 越高，说明两个品种的长期关系越紧密。一般来说，R² 在 0.8 以上的品种对，套利效果会比较好。
3.6 总结
协整理论是跨品种套利的基石。没有它，你就是在瞎蒙。有了它，你至少知道哪些品种对值得做，哪些该放弃。
EG 两步法虽然简单，但非常实用。我到现在还在用这个方法筛选品种对。记住：先检验，再交易。别看着价格走势像就往上冲，那是赌博，不是量化。
好了，这一章就到这里。下一章咱们聊聊如何用协整关系构建实际的交易策略，包括开仓信号、止损设置、仓位管理这些实战内容。
公众号:蓝海资料掘金营，微信deep3321