标签： #协整

协整让两只价格「长期绑在一起」，但绑定的强度(协整向量 β)本身也会漂移。本文把 VECM 的误差修正项直接写进卡尔曼滤波的状态空间：把 β_t 当成随时间演化的隐状态，每来一个新价格就用序贯更新把它重新估出来。在 1000 天合成数据上，融合模型对真实 β 的跟踪 RMSE 仅 0.0117，价差残差标准差比静态 β 低 25.5%(0.0723 vs 0.0971)，且 ACF 检验证实价差平稳、价格非平稳。附完整 numpy 实现与四张真实计算图。

两两配对交易只能处理两只股票，但真正的均值回归常常藏在三只、五只资产的组合里——任何单对都测不出来。Johansen 协整检验用固定种子（20260801）的受控模拟给出答案：三个共享随机趋势的价格 P1/P2/P3，真实协整向量 [-0.6,-0.4,1]，迹统计量在 r=0 处 34.73 远超 95% 临界值 29.80、在 r≤1 处 9.77 低于 15.49，干净地定出协整秩=1。恢复的向量方向误差中位仅 5.67°（P90 13.3°），而两两 Engle-Granger 全线漏判：A-B 只有 6% 的模拟判为协整、A-C 34%、B-C 18%——真协整是三资产的联合性质，拆成任何一对都测不出。但最硬的教训在样本外：Johansen 的特征向量是在样本内挑『最像平稳』的线性组合，哪怕喂三条独立随机游走，拟合出的伪价差在样本内照样刷出 Sharpe——全样本 z（look-ahead）1.31、连滚动 z 都有 0.83，因为 look-ahead 藏在向量本身而非 z 分数里。唯一解药是样本外验证：样本内估向量→样本外应用，真篮子 Sharpe 从 2.30 掉到 0.52、OOS 价差 ADF p=0.175 已不显著平稳。置换检验 300 次，真实 2.27 超过全部上限 1.28。四项对抗式检验全过。

同一只股票在纽交所、纳斯达克、暗池同时交易，同一份 ADR 在两地挂牌，同一个标的有现货有期货——当价格几乎同步跳动时，究竟是谁先动、谁在跟随？Hasbrouck (1995) 用协整与 VECM 把这个问题变成一个可度量的数字：信息份额（Information Share），衡量每个市场对共同有效价格新息的贡献占比。本文从零复现 VECM 估计、Cholesky 排序带来的上下界、与 Gonzalo-Granger 成分份额的分歧，用合成两市场 tick 流证明快市场吃下约 71% 的价格发现，并诚实指出信息份额区间在残差高度相关时会宽到无法定论（中高阶）。

配对交易的第一道难关不是回测，是从 N 只股票的 C(N,2) 个组合里挑对——30 只就有 435 对，全跑一遍协整检验既慢又是数据挖掘的温床。本文用纯 numpy/scipy 合成 30 只股票（内嵌市场因子+5 个板块因子+一对刻意注入的协整对），把层次聚类当成配对的漏斗：先用相关性距离 √(0.5(1-ρ)) 建 Ward 连接树，聚类纯度 90.9%，把 435 对候选压到 100 对簇内高相关组合（筛掉 77%）；再在簇内用『对冲比为正 + 相关>0.5』预筛、按价差 AR(1) 半衰期排序挑出真正均值回归的对（金融2/金融5，相关 0.64、半衰期 15.7 天）。配对回测 3 年 15 次开仓、日胜率 52%、Sharpe 0.58、累计价差收益 20.5%。全文最重要一节是打穿『相关≠协整』：刻意注入的高相关对若对冲比为负、价差不回归，照样亏钱；聚类只负责缩小搜索空间，真正决定盈亏的是价差平稳性。另拆穿聚类结构随窗口漂移、树状图切割高度主观、簇内组合仍需协整二次筛、样本内挑对必然乐观四类陷阱（中高阶）。

Engle-Granger 两步法只能处理两条序列、只能找一个协整关系，选谁当因变量还会改变结果。Johansen 检验把问题升级成特征值分解：对 VECM 的 Π 矩阵做约化秩回归，一次性回答『k 条序列里藏着几个协整关系』。纯 numpy 实现完整流程：三元系统（2 条共同随机趋势）迹统计量 176.1 >> 29.7 拒绝 r=0，r≤1 时 4.5 < 15.4 停下——精确识别协整秩 r=1；估出的协整向量 [1, −1.874, 1.247] vs 真值 [1, −1.875, 1.250]，误差不到 0.3%。对照组：独立随机游走迹统计量 22.6 徘徊在临界值边缘，秩=2 系统两级统计量全部爆表。样本外 600 天三腿价差交易：z>2 开仓、|z|<0.5 平仓，净费后 Sharpe 3.15、最大回撤 6.6。诚实说明：合成数据协整永不破裂；迹检验对滞后阶数敏感（观测噪声的 MA 结构会让 nlag 选小时假拒绝）；三腿组合的执行成本是两腿的 1.5 倍。拆穿『迹检验显著=能赚钱』『特征值大=价差好交易』等误区（中高阶）。

两条价格各自都是随机游走，差分建模却会把它们之间最值钱的信息——长期均衡关系——直接扔掉。VECM 的答案：在差分方程里加回误差修正项 α(y1−βy2)，让偏离均衡的距离本身成为回归的拉力。纯 numpy 走完全流程：Engle-Granger 两步法估出协整系数 1.232（真值 1.25），残差 ADF=−7.24 确认协整；伪回归对照组 R²=0.62 但 ADF 只有 −1.60——高 R² 不等于协整。误差修正系数 α₁=−0.061 (t=−3.8)、α₂=+0.062 (t=+3.8)，两腿对向修正，价差半衰期 4.8 天；Johansen 迹检验 54.9 >> 15.5 临界值交叉验证。配对交易样本外 500 天：z>2 开仓、|z|<0.5 平仓、z>4 止损，净 Sharpe 2.08、回撤 3.5%、19 次动作。诚实说明：合成数据协整关系永不破裂，真实市场协整会死（招行/平安、可乐/百事都散过伙）；EG 法把 β 的估计误差全部灌进价差；z>4 止损保护不了缓慢漂移型破裂。拆穿相关性=协整、半衰期恒定等经典误区（中阶）。

配对交易/统计套利的本质问题只有一个——价差偏离均值后多久回去？Ornstein-Uhlenbeck(OU) 过程把均值回复写成 dx=κ(θ−x)dt+σdW，并给出可估计的回归速度 κ 与半衰期 HL=ln2/κ。本文用协整价差 + OU 建模 + z-score 信号，从零复现一套统计套利回测，并点明协整断裂、时变 β、手续费吞没、前视偏差四类真实陷阱（中阶）。

经典协整配对交易最别扭的一步是：回归得到的对冲比例 β 是「全样本固定值」，可真实市场里 β 一直在漂移。本文用卡尔曼滤波（状态空间模型）把 β 写成随时间演化的状态变量，逐根 K 线在线更新对冲比例，让价差始终贴着真实均衡。合成协整对实跑：β 在 [0.87, 1.23] 缓慢摆动，卡尔曼 RMSE 仅 0.29、价差波动 0.76（固定回归 1.87）；动态对冲策略 Sharpe 2.62、回撤 −9.8%，显著优于固定对冲的 Sharpe 1.18、回撤 −88.8%。附完整 Python 与六类真实陷阱(中阶)。