配对交易与协整：统计套利的核心逻辑 • halo 的技术博客

统计套利的基本原理#

统计套利（Statistical Arbitrage）是一类基于量化模型识别资产价格暂时偏离、并通过套利交易获利的策略。其中，配对交易（Pairs Trading） 是最经典且广泛应用的统计套利方法。

配对交易的核心思想是：找到两只历史价格走势高度相关、但短期内出现价格偏离的股票，做多价格相对低估的股票、做空价格相对高估的股票，等待价格回归均衡后平仓获利。

协整关系：配对交易的数学基础#

什么是协整？#

协整（Cointegration）是时间序列分析中的重要概念。简单来说，如果两个非平稳时间序列的线性组合是平稳的，则这两个序列存在协整关系。

用数学语言表达：若时间序列 $X_t$ 和 $Y_t$ 都是一阶单整序列（I(1)），且存在系数 $\alpha$ 使得残差序列 $\epsilon_t = Y_t - \alpha X_t$ 是平稳的（I(0)），则 $X_t$ 和 $Y_t$ 存在协整关系。

协整 vs 相关性#

很多初学者会混淆”相关性”和”协整性”，但两者有本质区别：

相关性衡量两个序列在同一时间点上的线性关系强度
协整性衡量两个序列在长期内是否存在稳定的均衡关系

两个序列可以高度相关但不存在协整关系（比如两个序列都呈现相同的趋势但永久偏离），也可以协整但短期内相关性不高。

配对交易的实施步骤#

1. 标的筛选#

首先需要找到潜在的可配对股票。常用方法包括：

行业分类法：同一行业内业务模式相似的公司（如两家大型银行）
市值匹配法：选择市值相近的公司
聚类分析法：基于历史收益率进行无监督学习聚类

2. 协整检验#

对候选标的进行协整检验，确保它们存在长期均衡关系。常用检验方法：

Engle-Granger 两步法：
1. 用OLS回归估计长期均衡关系： $Y_t = \alpha + \beta X_t + \epsilon_t$
2. 对残差 $\epsilon_t$ 进行ADF检验（Augmented Dickey-Fuller Test）
Johansen 检验：适用于多变量系统，能识别多个协整关系

Python示例代码：

import statsmodels.api as sm
from statsmodels.tsa.stattools import coint

# 协整检验
score, pvalue, _ = coint(stock1_prices, stock2_prices)
print(f"协整检验 p-value: {pvalue}")

if pvalue < 0.05:
    print("存在协整关系")

python

3. 构建交易信号#

确定配对关系后，需要定义入场和出场信号：

Z-Score 方法：计算价格比或价差的Z分数
- 入场信号：|Z-Score| > 2（2倍标准差）
- 出场信号：Z-Score 回归到0附近
布林带方法：基于移动平均线和标准差构建通道
- 入场：价格触及上轨（做空）或下轨（做多）
- 出场：价格回归中轨

4. 风险管理#

配对交易虽然是市场中性策略，但仍需注意风险：

模型风险：协整关系可能断裂（结构突变）
执行风险：做空限制、借券成本
尾部风险：极端市场条件下相关性崩溃

实际案例分析#

以A股市场的招商银行（600036.SH）和平安银行（000001.SZ）为例：

数据获取：获取2018-2023年的日度收盘价
协整检验：ADF检验p-value = 0.023 < 0.05，拒绝原假设，存在协整关系
参数估计：
- 长期均衡方程：平安银行价格 = 0.83 × 招商银行价格 + 2.17
- 半衰期：约15个交易日
回测结果（2019-2023）：
- 年化收益率：12.3%
- 夏普比率：1.87
- 最大回撤：-8.2%
- 胜率：58.6%

配对交易的优缺点#

优点#

市场中性：多空对冲，降低系统性风险暴露
收益稳定：不依赖市场方向，在震荡市中表现优异
逻辑清晰：基于经济学原理（均值回归），可解释性强

缺点#

资金利用率低：需要同时持有多头和空头头寸
模型风险：协整关系可能失效
交易成本：频繁调仓，佣金和滑点侵蚀收益
容量限制：小额资本可行，大资金面临流动性约束

总结#

配对交易是量化投资中经典的统计套利策略，其核心在于识别存在协整关系的资产对，并捕捉价格偏离带来的套利机会。

成功实施配对交易需要：

扎实的时间序列分析功底
严谨的回测和样本外验证
完善的风险管理体系
高效的交易执行系统

对于希望进入量化交易领域的投资者，配对交易是一个理想的起点——它既有坚实的理论基础，又能在实盘中取得稳健的收益。

下期预告：我们将深入探讨行为金融学在量化投资中的应用，特别是如何利用羊群效应和过度反应现象构建交易策略。