统计套利：量化交易策略如何运作

统计套利（stat arb）是一类量化交易策略，利用证券之间的统计关系来识别潜在交易机会。其核心并不是孤立地预测某只股票涨跌，而是识别相对错价：当两只具有历史联系的证券短暂偏离预期关系时，押注它们将重新收敛。

先厘清一点：统计套利并非无风险套利。机会是概率性的，支撑策略的关系也可能完全失效。我在 BlueCrest 管理亚洲区资本市场头寸时就亲眼见过：一笔在纸面上看起来统计上可靠的交易，一旦宏观格局转变，可能瞬间崩塌。

本文将介绍统计套利如何通过配对交易与均值回归发挥作用、为何协整比相关性更重要，以及在实践中真实的风险是什么样子。

什么是统计套利？

统计套利利用历史和实时数据来识别证券之间的统计关系。当这些关系偏离预期状态时，交易员会建立对冲的多空头寸：买入相对被低估的证券，卖空相对被高估的证券，然后等待关系恢复常态。

多/空结构的作用在于降低对大盘波动的敞口。如果市场下跌 5%，两条腿会大致同向受影响，因此盈亏来自两只证券之间的相对变动，而不是市场方向。

统计套利如何运作

一般流程：识别相关证券，建模其历史关系，检测当前价差何时偏离历史常态，建立相互对冲的多空头寸，然后等待收敛或触发退出条件。

一个简单例子：若百事突然较可口可乐出现异常大的折价，且没有明显基本面原因，统计套利策略会买入百事、卖空可口可乐，预期价差回归。利润来自该价差收窄，而非个股朝某一方向单独波动。

配对交易：一个简单的统计套利示例

在上述基本流程下，配对交易是最直观的实践方式。选择两只具有历史关联的证券，构造它们价格之间的价差，当该价差相对历史行为异常偏离时进行交易：买入便宜的一只，卖空贵的一只，若价差收敛则平仓。

值得强调：仅有相关性并不能建立稳定、可交易的关系。两只股票即使高度相关，也仍可能永久性背离。下一节正是讨论这一点。

股票 A 与股票 B 的价格（上）及其价差（下），在关键回归点标注了入场与出场信号。图片作者自制。

统计套利中的均值回归

配对交易之所以有效（在其有效的情况下），是因为均值回归：偏离历史均值的价差最终倾向于回归。关键指标是z 分数：（当前价差－移动均值）/ 标准差。z 分数为 +2 表示价差高于历史常态两个标准差，一种不寻常读数，有些策略将其视为做空信号。

z 分数的价值在于标准化信号。与其问“这个价差是否很宽？”，不如问“相对于其通常行为，这个价差是否异常宽？”这才是均值回归策略真正试图回答的问题。

统计套利中的协整与相关性

均值回归给出了交易逻辑，但也引出一个不太舒服的问题：如何判断价差真的会回归，而不是永久性背离？这正是相关性与协整分道扬镳之处。值得重视：

相关性

相关性衡量两个变量之间线性关系的强度。两只股票相关性可达 0.9，却仍是糟糕的配对交易，因为相关性并不说明二者价差是否稳定或具备均值回归特性。

协整

协整描述非平稳时间序列之间的长期均衡关系。若两条价格序列的某个线性组合是平稳的，即围绕稳定均值波动而非漂移，那么它们就是协整的。这才是您真正需要的属性。

两只股票可能多年共同上行，随后永久性分化。高相关、无协整、无可靠交易。使用 Engle-Granger 检验或 Johansen 程序测试协整，可为“价差会回归”的假设提供更可辩护的依据。需要注意的是，PCA在这里是另一回事，本文不展开。

如何构建统计套利策略

理解原理是一回事，把它转化为可运行的策略是另一回事。从直觉走向可落地的量化流程包含五个步骤，跳过任何一步往往会得到纸面漂亮、实盘崩塌的策略。

1. 从经济逻辑出发：相同板块、共享供应商、类似收入驱动因素。仅依赖历史相关性筛选、而缺乏基本面依据，容易得到伪关系。
2. 对价差本身做增强型 Dickey-Fuller（ADF）检验。若不平稳，说明在漂移，而非均值回归。
3. 用对冲比率构造价差，而非简单 1:1 价格假设。通过回归等方法用数据估计对冲比率，以确定两只证券的持仓比例。若估错，配对就不是真正的市场中性。
4. 围绕 z 分数阈值定义入场与出场规则。在 ±2.0 入场，当价差回归至 0 附近时退出，在 ±3.0 止损。继续越过 ±3 的价差通常意味着关系正在瓦解，而非更好的入场点。最大持仓期同样重要：若在设定窗口内价差未回归，应了结仓位，而不是无限期等待可能永远不来的回归。
5. 按美元中性进行头寸规模控制，在历史数据上进行包含真实交易成本的回测，并预期实盘表现将低于回测（而非高于）。

统计套利策略如何走向高级化

简单的配对交易只是入门而非天花板。当您熟悉核心机制后，方法通常会向两个方向扩展。

多资产统计套利与因子模型

多资产方法建模的是一篮子证券之间的关系，而非单独的配对。基于因子的办法通过通用的市场或行业因子剥离系统性收益，然后交易剩余的相对错价。PCA 则将这一思路扩展到数百只资产：识别共同波动的主要来源，然后交易那些主成分未能解释的收益。

其底层押注相同（剩余错价会回归），但发现错价的统计框架不同。您不再测试两条时间序列是否协整，而是分解整个截面收益，并押注剩余噪声是暂时的。

机器学习方法

机器学习已被用于关系发现、信号生成与状态识别。它并不会自动提升回报，且会引入自身的模型风险。策略仍然依赖均值回归；机器学习只是寻找同一信号的更复杂方式。

统计套利的风险与限制

更复杂的策略并不能消除底层风险，往往只是让这些风险更难察觉，直到为时已晚。以下是运行任何统计套利策略前值得理解的失效模式。

关系可能失效

支撑您策略的历史关系只是对过去的描述。行业整合、监管变动、公司业务模式转型：任何因素都可能永久性改变这种关系。一旦发生，价差不会回归，而是持续朝不利方向发展。

模型风险与交易成本

每个统计套利策略都建立在统计假设之上。若价差并非真正平稳、对冲比率估计有误、回看窗口选择不当，模型就会产生误导性信号。即便模型正确，交易成本也会以初级回测难以体现的方式侵蚀收益。

看似扣除成本前盈利的策略，扣除后可能即告亏损。在利率类资产中我也见过这种情况：理论交易很干净，实际交易并非如此。

执行摩擦与拥挤交易

做空不是免费的。证券借贷费用与被券商回补的风险都会带来真实成本。模型价与实际成交价之间的滑点在数百笔交易中会不断累积。而当许多基金运行相似策略时，它们会彼此暴露。

2007 年 8 月的量化崩盘正是因为过多权益统计套利基金同时去杠杆，随之而来的连锁反应与这些策略所基于的底层关系无关。

市场状态切换

统计套利模型是针对特定市场环境（波动率状态、利率周期、相关性结构）校准的。一旦环境变化，所有假设将同时移动。

这不是一对配对失效的问题；而是整个投资组合失灵，因为其所依赖的统计属性不再成立。低波动状态下看似平稳的价差动态，一旦波动上升，可能在一夜之间变得不稳定，而历史回看窗口无法提前预警。

回测过拟合

最阴险的风险。参数足够多、历史数据足够长，几乎可以把策略拟合到任意过去时期，但上线后表现会急剧劣化。样本外测试是最低限度的保护，且即便如此也未必足够。

统计套利与相关交易策略的比较

统计套利常与若干相邻策略混为一谈。

统计套利 vs. 传统套利

传统套利利用几乎机械性的价差：同一资产在两家交易所价格不同。若能足够快地执行，利润几近确定。统计套利则押注概率性的收敛，风险画像完全不同。

统计套利 vs. 配对交易

配对交易是统计套利的一种，而非该领域的同义词。两者常被混用，但统计套利涵盖多因子模型、基于 PCA 的策略，以及覆盖大型组合的机器学习方法。配对交易只是多数人的起点。

统计套利 vs. 算法交易

算法交易是更广泛的范畴，指任何自动化执行策略。统计套利是其中的一个具体家族。高频做市与趋势跟随也属于算法交易，但都不是统计套利。

结论

统计套利的本质，是押注关系的延续。您寻找两只历史上同向移动的证券，等待它们分化，并布局于价差收敛。数学将这种直觉形式化，但当数学让您持有而市场让您撤退时，恰恰是这种直觉让您保持诚实。

统计套利真正困难的地方不在统计学，而在于您所交易的关系也在与所有发现相同关系的人竞争。它们有效时会吸引资金。当吸引的资金过多时，它们就会失效，有时是逐渐失效，有时是一瞬间，正如 2007 年所示。

关于统计基础、平稳性检验与时间序列建模，Time Series Analysis in Python 课程是合适的下一步。关于回测与量化工作流，Financial Trading in Python 课程涵盖了策略的实务实现与评估。