标签： #统计套利

期货和现货明明是同一个标的，价格却常常不相等——中间的差就叫基差（basis）。持有成本模型告诉你它理论上该是多少，而「到期必收敛」又保证这个差最终归零。于是期现套利成了一个自带安全垫的统计套利：做空高基差、做多负基差，等它回复就平仓。本文用纯 numpy 合成沪深300ETF vs 股指期货的连续 6 张合约，把现货/期货/基差一步步造出来，再用「突破成本带开仓、回复平仓」的规则跑回测：58 次交易、胜率 91.4%、总收益 +25.1%（年化 11.0%）、单笔最大亏损仅 −0.06%；并诚实拆穿到期日效应/分红除权跳变/流动性与冲击成本/展期跳跃/单边升水陷阱五类真实风险（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）。

标准 PCA 把主成分载荷铺满全部股票，可解释性为零。稀疏 PCA（L1 惩罚）把载荷重新集中回板块，得到少数几个可解释、彼此正交的共性因子；把它们从收益里剥掉，剩下的残差才干净地均值回复。合成 40 股 4 板块里，稀疏 PCA 每层只点亮约 10/40 只股票、用 3 个因子换到约 57% 解释方差，残差套利净值跑赢买入持有。附完整 Python 与六类真实陷阱（高阶）。

门限协整与 TVECM：真实配对常是门限结构——带内随机游走、带外才快速回复。模拟还原 τ≈0.22、带外 κ=0.49，门控后 Sharpe 0.31→0.81，附 Python 与六类陷阱。

配对交易只会两两找协整，但真实市场里常是三只甚至更多资产共享一个共同趋势。Johansen 检验把协整从二元推广到多元：用 VECM 的广义特征值分解，一次性给出协整秩、协整向量 β 与调整速度 α。本文用模拟的三资产数据，从零实现迹检验与最大特征值检验，并演示三组一起开仓的套利组合。

深入讲解统计套利的核心思想，配对交易与协整分析，均值回归策略的构建方法，并提供完整的Python实现代码示例。适合量化交易从业者和爱好者阅读。

深入探讨主成分分析(PCA)在统计套利中的应用，从降维视角理解配对交易，并提供完整的Python实现框架。

从协整理论到 Python 实战，完整解析配对交易策略的设计与风险管理。涵盖 Engle-Granger 检验、Z-score 信号构建、A股实证案例与策略局限性。