标签： #配对交易

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)。

协整不是『一旦成立就永远成立』。真实配对常在某天结构性断裂——对冲比漂移、价差从平稳变成随机游走。用滚动窗口 Engle-Granger 重估对冲比、用 DCC-GARCH 监测动态条件相关，把『关系断了』变成可检测、可自适应修复的信号；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、统计套利、波动率聚类的本质问题都是「它多久回归一次均值？」OU 过程把均值回归写成 dx=κ(θ−x)dt+σdW，并给出一个干净的量：半衰期 HL=ln2/κ。本文用 AR(1) 斜率反推 κ 与 HL，并点明单位根、跳变、时变 κ 三大真实陷阱。

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。