统计套利理论 (Statistical Arbitrage)

模块编号：第三支柱

前置知识：计量经济学（经典回归、时间序列计量）

难度等级：⭐⭐⭐⭐

预计学习时间：6-8 小时

模块简介

统计套利是传统量化最核心的策略框架之一。但也是被误解最多的一个概念。

最常见的误解是：统计套利 = 均值回归 = 跌了就买。

这个理解是错的。统计套利是一个更大的框架，均值回归只是其中一种建模方式。统计套利的本质是：利用资产之间的统计关系（而非基本面估值）来构建交易策略。

统计套利的完整框架：

  ┌─────────────────────────────────────────────────────────────┐
  │                    统计套利 ≠ 均值回归                       │
  ├─────────────────────────────────────────────────────────────┤
  │                                                             │
  │  统计套利 = 基于统计关系的套利                               │
  │                                                             │
  │  ├── 配对交易      （协整关系 → 价差回归）                   │
  │  ├── 均值回归      （OU 过程 → 偏离修复）                   │
  │  ├── 期现套利      （定价偏差 → 基差修复）                   │
  │  ├── 跨期套利      （日历价差 → 曲线修复）                   │
  │  ├── 跨品种套利    （产业链关系 → 比价修复）                 │
  │  ├── ETF 套利      （折溢价 → 申赎修复）                     │
  │  └── 可转债套利    （转换价值 → 转债修复）                   │
  │                                                             │
  └─────────────────────────────────────────────────────────────┘

核心理念：统计套利不是”赌价格会回归”，而是”发现两个（或多个）资产之间存在的稳定统计关系，当这种关系暂时偏离时，押注它终将修复”。

学习目标

完成本模块后，你将能够：

1. 区分相关性与协整：理解为什么高相关不等于可以交易
2. 掌握配对交易全流程：从筛选、检验、建模到信号生成和回测
3. 理解均值回归的数学本质：用 OU 过程建模价差，估计参数
4. 认识多种套利类型：期现、跨期、跨品种、ETF、可转债
5. 理解套利策略的共同风险：结构断裂、Regime 变化、拥挤交易

统计套利在传统量化中的位置

┌─────────────────────────────────────────────────────────────────┐
│                    传统量化研究全景                               │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  数理金融 ──────┐                                               │
│  计量经济学 ────┼──→ 统计套利 ──→ 策略实现 ──→ 组合管理        │
│  市场结构 ──────┘                                               │
│                                                                 │
│  统计套利是"连接理论和策略的桥梁"                                │
│  它把计量工具（协整、回归、假设检验）转化为可交易信号             │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

统计套利的关键特征：

文件导航

总计：约 6 小时

推荐学习路径

起点
  │
  ├→ 01-配对交易 ─────────────────────────────────┐
  │     [统计套利最经典的策略形态]                  │
  │     [从"两个相关股票"出发]                     │
  │                                              │
  ├→ 02-均值回归模型 ─────────────────────────────┤
  │     [配对交易背后的数学基础]                    │
  │     [从"偏离了就会回归"出发]                   │
  │                                              │
  ├→ 03-套利策略类型 ─────────────────────────────┘
  │     [统计套利的广度]
  │     [从"除了配对交易还有什么"出发]
  │
  └→ 终点：建立统计套利完整认知框架

学习建议：

1. 先建立直觉：每个文件都从直觉和动机出发，不要急着跳到公式
2. 动手运行代码：所有代码使用模拟数据，不需要外部 API
3. 反复对比：把”相关性 vs 协整”这个区别想透，这是整个模块的基础
4. 关注风险：统计套利最怕的不是模型错，而是关系变了你不知道

核心知识点预览

统计套利的共同逻辑

所有统计套利策略都遵循同一个底层逻辑：

发现关系 → 量化关系 → 监控偏离 → 押注修复 → 控制风险

  ┌──────────┐     ┌──────────┐     ┌──────────┐
  │  发现关系  │ →   │  量化关系  │ →   │  监控偏离  │
  │           │     │           │     │           │
  │ 协整检验  │     │ 对冲比率  │     │ Z-score  │
  │ 因子暴露  │     │ 价差模型  │     │ 基差/溢价 │
  │ 产业链    │     │ 回归方程  │     │ 比价偏离  │
  └──────────┘     └──────────┘     └──────────┘
                                          │
  ┌──────────┐     ┌──────────┐           │
  │  控制风险  │ ←   │  押注修复  │ ← ─────┘
  │           │     │           │
  │ 止损逻辑  │     │ 做空偏离  │
  │ 容量管理  │     │ 做多收敛  │
  │ 关系监控  │     │ 中性持仓  │
  └──────────┘     └──────────┘

三个最关键的概念

代码环境准备

pip install numpy pandas scipy statsmodels matplotlib

补充资源

推荐阅读：

经典论文：

版本信息

• 创建日期：2026-03-28
• 最后更新：2026-03-28
• 许可：CC BY-NC-SA 4.0