统计套利的基本原理
统计套利的核心逻辑建立在均值回归理论之上。当两个或多个资产之间存在长期稳定的统计关系时，它们的价格偏离这种关系只是暂时现象，最终会回归到正常轨道。量化交易者通过数学模型识别这种偏离，捕捉套利机会。
这种策略与传统基本面套利不同，它不依赖于对资产内在价值的判断，而是纯粹基于历史数据挖掘出的统计规律。统计套利通常在高度相关的资产对或资产组合上实施，如同行业的股票、期货与现货、ETF与其标的资产等。由于套利方向与价格偏离方向相反，理论上可以在市场波动中获取相对稳定的收益。
数据准备与相关性分析
实现统计套利策略的第一步是进行数据准备。交易者需要收集候选资产的历史价格数据，数据的时间跨度通常需要足够长，一般建议至少使用一年以上的日线数据，更长的数据窗口可以提高统计检验的可靠性。对于高频策略，可能需要使用分钟级甚至tick级别的数据。
完成数据收集后，需要对候选资产进行相关性分析。常用的相关性指标包括皮尔逊相关系数、斯皮尔曼等级相关系数等。皮尔逊相关系数衡量的是线性相关程度，取值范围从负一到正一。绝对值越接近一，说明两个资产的价格走势越高度相关。在实际操作中，通常选取相关系数高于零点七的资产对作为候选进行进一步分析。
需要注意的是，简单的相关性分析存在局限性。两个资产可能在短期内呈现高相关性，但从长期看并不存在稳定的统计关系，这就需要更严格的协整检验来验证。
协整关系检验
协整检验是统计套利策略的关键步骤，它用来检验多个非平稳时间序列之间是否存在长期稳定的均衡关系。价格序列通常是非平稳的，它们的水平值会随时间变化，但某些线性组合可能却是平稳的，这种特性就是协整。
Engle-Granger两步法是最常用的协整检验方法。第一步，对两个价格序列进行OLS回归，得到残差序列。第二步，对残差序列进行单位根检验，如ADF检验。如果残差序列是平稳的，则说明这两个价格序列之间存在协整关系。
另一种常用的检验方法是Johansen检验，它可以同时检验多个变量之间的协整关系，并且能够确定协整向量的个数。Johansen检验基于向量自回归模型的特征根分析，相比EG检验更加全面。
import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import adfuller, coint
def cointegration_test(series1, series2):
"""协整检验函数"""
# Engle-Granger两步法
spread = series1 - np.polyval(np.polyfit(series2, series1, 1), series2)
adf_result = adfuller(spread, maxlag=1, autolag='AIC')
return adf_result[1] # 返回p值
def johansen_test(data):
"""Johansen协整检验"""
from statsmodels.tsa.vector_ar.vecm import coint_johansen
result = coint_johansen(data, det_order=0, k_ar_diff=1)
return result.lr1 # 特征根检验统计量
通过协整检验的资产对被认为是适合进行统计套利的候选对象。协整关系的存在意味着价格偏离后有回归均值的趋势，这为套利策略提供了理论基础。
价差序列建模
确认协整关系后，需要对价差序列进行建模。价差是两个资产价格的线性组合，通常表示为Spread = Price_A - β × Price_B，其中β是回归系数。
建模过程包括确定价差的均值和波动率特征。均值可以通过历史价差的简单移动平均或指数加权移动平均来估计。波动率则用于设置交易阈值和止损点位。常用的方法是计算价差的历史标准差，然后设定一个或两个标准差作为交易信号触发点。
一些交易者会使用更复杂的模型来描述价差动态，如自回归移动平均模型（ARMA）、自回归条件异方差模型（ARCH）等。这些模型可以更好地捕捉价差的波动聚集特性，提高交易信号的准确性。
class PairsTrading:
def __init__(self, asset1, asset2, window=20, entry_threshold=2, exit_threshold=0.5):
self.asset1 = asset1
self.asset2 = asset2
self.window = window
self.entry_threshold = entry_threshold
self.exit_threshold = exit_threshold
self.beta = None
self.spread = None
def calculate_spread(self):
"""计算价差序列"""
self.beta = np.polyfit(self.asset2, self.asset1, 1)[0]
self.spread = self.asset1 - self.beta * self.asset2
return self.spread
def generate_signals(self):
"""生成交易信号"""
spread = self.calculate_spread()
mean = spread.rolling(self.window).mean()
std = spread.rolling(self.window).std()
z_score = (spread - mean) / std
signals = pd.Series(index=spread.index, data=0)
signals[z_score > self.entry_threshold] = -1 # 做空价差
signals[z_score < -self.entry_threshold] = 1 # 做多价差
signals[abs(z_score) < self.exit_threshold] = 0 # 平仓
return signals
交易信号与仓位管理
交易信号的生成基于价差相对于均值的偏离程度。常用的方法是计算z-score，即价差偏离均值的标准化距离。当z-score超过正向阈值时，预期价差会下降，此时应该卖出高估资产、买入低估资产。当z-score低于负向阈值时，预期价差会上升，进行相反的操作。
仓位管理需要考虑配对资产的方向和数量。在经典的配对交易中，做多价差意味着做多被低估的资产、做空被高估的资产，两边仓位通常按照beta系数进行调整以保持市场中性。
退出策略同样重要。常见的退出方式包括：当价差回归到零附近时平仓、设置固定止盈止损点位、或等待z-score回归到预设的阈值以内。合理的退出策略可以避免过度交易并保护已有利润。
风险管理与策略优化
风险管理是统计套利策略成功的重要保障。即使存在协整关系，价差偏离可能持续扩大，导致组合面临显著回撤。设置合理的仓位大小和止损机制可以控制单次交易的最大损失。
需要关注交易成本对策略的影响。统计套利的利润空间通常较小，频繁交易产生的佣金、印花税、滑点等成本会显著侵蚀收益。在设计策略时需要将交易成本纳入考量，选择流动性好、交易成本低的市场进行操作。
策略优化是一个持续的过程。市场结构会随时间变化，过去的协整关系可能逐渐消失。定期重新检验协整关系、调整参数、优化交易规则是保持策略有效性的必要工作。一些交易者会使用滚动窗口来动态跟踪协整关系的变化。
def rolling_cointegration(pair_data, window=252):
"""滚动协整检验"""
results = []
for i in range(window, len(pair_data)):
window_data = pair_data.iloc[i-window:i]
try:
score, pvalue, _ = coint(window_data.iloc[:,0], window_data.iloc[:,1])
results.append({'index': pair_data.index[i],
'pvalue': pvalue,
'cointegrated': pvalue < 0.05})
except:
results.append({'index': pair_data.index[i],
'pvalue': np.nan,
'cointegrated': False})
return pd.DataFrame(results)
多因子统计套利
除了简单的配对交易，统计套利策略还可以扩展到多资产、多因子的形式。多因子统计套利同时监控多个资产对的价差，利用它们之间的相关性构建更加复杂的交易组合。
这种扩展可以提高策略的容量和稳定性。当某个配对的价差长时间不回归时，其他配对可能提供盈利机会，整体组合的表现更加平滑。多因子模型还可以引入基本面因子、技术面因子来增强信号的质量。
统计套利策略在量化交易领域有着广泛的应用，其核心优势在于不依赖对市场方向的判断，通过捕捉价格偏离带来的机会实现相对稳定的收益。掌握从数据处理、协整检验、模型构建到风险管理的完整流程，是成功实施统计套利策略的关键。
