标签： #统计套利

配对交易教科书告诉你「两资产 Pearson r 高就能配」。但这只是平均意义下的联动——极端行情下它们会分道扬镳（Gaussian），也会一起崩得更狠（t/Clayton）。本文用受控仿真证明：同样 ρ=0.72 的两资产，Gaussian copula 世界里经验尾部相关 λ̂(0.05)=0.407（独立基准=1.0 → 无尾部聚集），Clayton θ=3 里 λ̂(0.05)=0.527，理论极限 λ_L=0.794。在 t-copula 世界跑标准 z-score 策略，最差单笔亏损是 Gaussian 世界的 2.04 倍（-6.97 vs -14.20）；加入尾部感知过滤后最大回撤从 -432% 压缩到 -232%，最差单笔从 -6.97 改善到 -4.07。安慰剂检验显示：Gaussian 世界的有限样本偏差（λ̂=0.407）是 Pearson 聚集效应而非真实尾部相关，打乱时序后 λ̂→0.047；t-copula 自由度 ν 从 3 扫到 60，理论 λ_L 从 0.465 塌向 0.003（ν→∞ 即 Gaussian），与蒙特卡洛标准误曲线完全吻合。要把 λ̂_L 估计到 ±0.05 精度，N=3000 时 Gaussian SE=0.049，N=200 时 SE=0.171——样本量不够时你的「尾部相关」大概率是噪声（中/高阶）。

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。

用固定随机种子（20260801）的受控模拟把配对交易价差建成 Ornstein-Uhlenbeck 过程。核心发现：OU 唯一关键参数 θ（回归速度）通过半衰期 ln2/θ 决定策略能不能做——θ=0.15 半衰期 4.6 天是印钞机、θ=0.02 半衰期 34.7 天是资金坟墓。但 θ 极难估准：AR(1) 在 N=60 短样本把真实 θ=0.05 估成 0.145（半衰期 13.9 天缩成 5.6 天，高估近 3 倍），N=1000 才收敛——短历史选出的『快速回归配对』大概率是估计偏差。入场阈值扫描：最优 z*≈0.75、Sharpe 约 2.0，阈值越高交易越少（z*=0.5 时 250 笔、z*=3.0 仅 2.2 笔）。三个鲁棒性结论最硬：θ 降到 0（退化成随机游走）Sharpe 从 2.04 崩到 0.04，不回归就没 alpha；全样本均值算 z 是隐蔽 look-ahead，纯随机游走价差上照样刷出 Sharpe 0.47 假利润，换滚动窗口掉到 0.02；置换 300 次真实 OU 的 2.19 超过全部上限 0.51。四项对抗式检验全过。

互换利差 = 同期限利率互换固定利率 - 同期限国债收益率，理论上由信用、流动性、供需驱动，围绕一个缓慢移动的中枢均值回归。固定种子 20260801 受控模拟把它建成中枢会漂移的 OU 过程（真实半衰期 58 交易日）：滚动 z 分数均值回归策略仅靠价差收敛 Sharpe 0.85，含 carry 后 1.13，最优入场阈值 z*=1.5（Sharpe 1.30）。三个陷阱最硬：半衰期在 60 日短样本上被系统性低估到 13 日（高估回归速度近 4 倍，要 2000 日才收敛到 54）；用全样本均值算 z 是隐蔽 look-ahead，纯随机游走价差上凭空刷出 Sharpe 0.59 假 alpha，换因果滚动 z 立刻掉到 0.01；θ 从 3 降到 0 退化成随机游走时价差收敛 Sharpe 从 0.82 崩到 -0.51。置换 300 次真实 0.85 超过 95 分位 0.60。carry 那条 Sharpe 6.3 的曲线是模型把利差收益建得太干净的产物，真实世界要扣融资、展期、对冲摩擦。

同一家公司，A 股比 H 股贵 35%，教科书说这是套利机会——但这笔『套利』12 年都没到期。60 对双重上市股票、12 年日频模拟把 AH 溢价拆成三层：市场整体水位（半衰期约 170 天、长期不回零）、个股长期溢价（本身在随机游走）、个股短期偏离（半衰期 20 天，唯一可交易的成分）。滚动 z 分数策略在理论多空口径下 Sharpe 1.97，但 A 股个股不能融券做空——换成可实施的『多 H + 空指数期货』只剩 0.72，『只多 H』0.93 且大半是 beta。收敛分解显示 75.3% 的收敛由 H 腿上涨完成，这是策略还能活着的原因。另附两个方法论坑：用全样本均值算 z 分数是 look-ahead（本模拟里反而降低 Sharpe，因为长期均值在漂移，偷看未来均值反而给出更差的锚点）；置换检验 200 次打乱信号，95 分位 -0.13，真实 1.97 无一次被超越。诚实边界：模拟假设个体偏离严格 AR(1)，真实溢价的驱动是分红税差、资金管制与投资者结构，这些制度性因素决定了溢价可以永远不收敛——AH 不是配对交易，是跨制度的相对价值。

把采样间隔从 30 分钟压到 5 秒，两个真实相关 ρ=0.7 的资产测出来的相关系数会跌到 0.08——不是市场变了，是估计器坏了。Epps 效应的主因是异步交易：清淡资产的最新价大部分时间是几秒前的旧价，previous-tick 对齐让高频收益大量配对到「新信息 vs 旧价格」，相关性被机械稀释。40 个模拟交易日的受控实验完整复现衰减曲线（5s: 0.08 → 60s: 0.49 → 600s: 0.69≈真值），机制分解实验证明同步观测对照组在所有频率下都测得 0.7——衰减 100% 是观测机制造成的伪影。组合风险端的传导：h=10s 估计的相关矩阵让等权组合年化波动被低估 3.6 个百分点，高频协方差矩阵制造系统性的分散化幻觉。Hayashi-Yoshida 估计量按「时间区间重叠」配对收益，无需网格对齐，但对微观结构噪声不设防——实测在带噪声数据上给出 0.29，比中频 previous-tick 更差。实操建议：统计套利配对用 5-15 分钟采样+HY 交叉验证；A 股注记：涨跌停与集合竞价的额外坑（高阶）

两个高度相关的资产几乎从不同时动：期货先于现货、大盘股先于小盘股、美股 ETF 先于亚洲镜像。领先滞后估计要回答的是「谁先动、领先多少秒」。受控模拟（真实滞后 θ=2 秒、泊松异步观测）实测：1 秒网格滞后互相关函数峰值精确落在 +2 秒，同期相关只有 0.066 而峰值 0.120——同步相关严重低估了这对资产的真实耦合。HRY 估计器（Hoffmann-Rosenbaum-Yoshida 2013）按区间重叠配对无需网格，峰值 0.80 落在 2 秒，信号强度是网格法的 6.7 倍。采样频率扫描给出实操上最重要的曲线：h=5s 时不对称度 0.200 最大，h=60s 时只剩 0.020——领先滞后是尺度依赖信号，网格必须与 θ 同数量级，粗网格把先后关系压扁成同期相关。方向性 IC 检验：领先者过去 2 秒预测跟随者未来 2 秒，15 日 IC 均值 0.215（t=125），反向对照只有 0.074。诚实边界：领先滞后利润与延迟军备竞赛绑定、θ 本身随市场状态漂移、Epps 效应与领先滞后互为混杂因素。A 股注记：沪深 300 期货 vs ETF、AH 股是天然领先滞后对，但 T+1 与两融门槛限制了收割方式（高阶）

同一家公司在纽约挂 ADR、在本地交易所挂普通股，本该是一价定律锁死的孪生资产，却常出现几个百分点的价差。本文讲清 ADR 的份额折算与可转换机制、溢价从哪来、跨市场套利怎么闭环，并用可复现 Python 回测一个价差收敛策略，附入场阈值敏感性与六大真实陷阱。