统计套利方法论

配对交易是入门级的统计套利。真正的对冲基金交易的是 一篮子 ，由 20 到 100 只股票组成，中性化市场、行业、市值和动量因子，以提取纯粹的均值回归 alpha。Renaissance Technologies、D.E. Shaw 和 Two Sigma 正是靠这套做法在任何市场环境下都能取得稳定回报。下面讲的是如何把机构级的统计套利改造成散户可用的版本——不需要一亿美元，也不需要一支博士团队。

为什么只做配对交易还不够

配对交易（PEP/KO、JPM/BAC）确实有效，但存在 重大局限：

结论： 配对交易教你概念，一篮子统计套利才是专业人士真正的做法。

核心思想：规模化的均值回归

简单说： 找出 20 到 50 只历史上同涨同跌的股票（同一行业、特征相似）。当其中某些股票偏离组内平均值太远时，买入落后的、做空领先的。等待均值回归，平仓，再重复。

它为何有效：

• 过度反应： 市场对消息反应过度，制造出短期错误定价
• 羊群效应： 资金流动会在行业内部造成暂时的错位
• 流动性失衡： 大单会把价格暂时推离公允价值
• 统计优势： 同一行业的股票有 60% 到 80% 的方差是共同的

学术依据：

• Gatev、Goetzmann 与 Rouwenhorst（2006）： 《Pairs Trading: Performance of a Relative-Value Arbitrage Rule》——记录了 1967 至 2002 年间 11% 的年化收益，夏普比率 1.4
• Do 与 Faff（2010）： 《Does Simple Pairs Trading Still Work?》——发现 2002 年后收益下滑，但采用一篮子方法仍能保持正收益（年化 6% 到 8%）
• Avellaneda 与 Lee（2010）： 《Statistical Arbitrage in the U.S. Equities Market》——证明因子中性的一篮子组合每年比简单配对高出 4% 到 6%

方法一：一篮子配对（基于行业）

方法： 在一个行业内交易一篮子股票，相对行业均值做多落后者、做空领先者。

分步实施

1. 选择股票池： 挑一个流动性好的行业（例如科技、金融、医疗保健）

2. 计算 z-score（z 分数）： 对每只股票，衡量它相对行业篮子的偏离程度

import pandas as pd
import numpy as np

# 计算行业篮子（等权重）
basket_return = sector_stocks.mean(axis=1)

# 计算 z-score（回看 20 天）
for stock in sector_stocks.columns:
    spread = sector_stocks[stock] - basket_return
    z_score = (spread - spread.rolling(20).mean()) / spread.rolling(20).std()

# 入场：|z-score| 大于 2.0
# 离场：z-score 穿越 0（均值回归完成）

3. 仓位规模： 按 z-score 的绝对值大小分配仓位权重

• z-score = -2.5 的股票（超卖）：做多组合的 1.25%
• z-score = +2.0 的股票（超买）：做空组合的 1.0%
• 单只股票最大仓位 2%（限制个股爆雷风险）
• 目标： 做多 10 到 15 个仓位，做空 10 到 15 个仓位（合计 20 到 30 个）

4. 风险管理：

• 止损： 若 z-score 达到 ±3.5 就离场（价差在扩大，而不是回归）
• 时间止损： 若 10 个交易日内没有回归就平仓（避免资金被套死）
• 行业中性： 确保多头总额 = 空头总额（美元中性）
• 组合最大敞口： 100% 多头 + 100% 空头 = 2 倍总杠杆（偏保守）

真实示例：科技股篮子（2023 年第三季度）

当季结果：

• 交易次数： 28 组配对（56 个仓位）
• 胜率： 67.9%（19 次盈利，9 次亏损）
• 平均盈利： +1.6%
• 平均亏损： -0.8%
• 净收益： +4.2%（当季）， 年化约 17%
• 夏普比率： 1.8（风险调整后表现优秀）
• 最大回撤： -2.1%（波动很低）
• 与市场的相关性： 0.08（接近市场中性）

方法二：因子中性统计套利

行业篮子的问题： 你仍然暴露在行业风险之下（整个科技板块可能一起崩盘）。解决方案： 中性化 所有 共同因子。

需要中性化的 5 个因子

为什么重要： 因子中性的组合，与市场、行业、市值、价值和动量之间 相关性为零 。你交易的是 纯粹的个股 alpha——量化交易的圣杯。

实现方式（简化版）

# 计算残差收益（剔除因子暴露之后）
from sklearn.linear_model import LinearRegression

# 对每只股票，把收益对因子做回归
model = LinearRegression()
model.fit(factors[['market', 'sector', 'size', 'value', 'momentum']], stock_returns)

# 残差 = 实际收益 - 因子可解释的收益
residuals = stock_returns - model.predict(factors)

# 用残差来交易（个股特有的 alpha）
z_score = (residuals - residuals.rolling(20).mean()) / residuals.rolling(20).std()

# 做多 z-score 低于 -2.0 的股票（因子调整后表现落后）
# 做空 z-score 高于 +2.0 的股票（因子调整后表现超前）

结果： 你交易的是纯粹的个股波动，而不是在押注因子。如果科技股崩盘，你在科技股上的多头和空头会同等受损——净效果为零。

方法三：主成分分析（PCA）统计套利

最复杂精细的做法： Renaissance Technologies 等顶级量化基金采用的方法。不是手工定义因子，而是用 PCA 去发现驱动股价变动的 隐藏因子 。

运作方式

1. PCA 识别出共同的模式：

• PC1（第一主成分）： 通常是"市场因子"（解释 60% 到 70% 的方差）
• PC2： 通常是"行业轮动"（解释 10% 到 15% 的方差）
• PC3 到 PC5： 市值、价值、动量、波动率因子（各解释 5% 到 10%）
• 残差： 个股特有的波动（特异性 alpha）

2. 只交易残差： 剔除对 PC1 到 PC5 的暴露，只交易剩下的部分

3. 对残差做均值回归： 当股价偏离 PCA 预测值时，押注它会回归

它为何有效： 基于 PCA 的统计套利，与所有已知因子的相关性 接近于零 。你交易的是纯粹的统计噪声——并且在别人恐慌时提供流动性而获得报酬。

历史表现（一篮子统计套利）

回测：2010 至 2023 年（13 年，跨越多种市场环境）

关键要点：

• 因子中性统计套利更胜一筹 ，就风险调整后的表现而言（夏普 2.06，SPY 为 0.70）
• 与市场相关性接近于零： 0.04 = 真正的市场中性
• 回撤更小： 最大回撤 -8.4%，而 SPY 为 -33.7%（挺过了新冠崩盘）
• 换手更高： 每年 420 次交易 = 交易成本不可忽视（每年拖累 0.5% 到 1.0%）

不同市场环境下的表现

规律：

• 统计套利在波动大、震荡的市场里表现最好： 2018 (+18.7%), 2020 (+16.8%), 2022 (+14.2%)
• 在强势牛市中跑输： 2013 至 2017 年、2019 年、2021 年、2023 年（方向性动量主导市场）
• 稳定性： 13 年里只有 1 年亏损（2015 年低波动磨人行情中亏 2.4%）
• 分散化的好处： SPY 崩盘时，统计套利往往还在赚钱（危机中呈负相关）

统计套利何时会失效

1. 2007 年 8 月：量化地震

最著名的一次统计套利爆仓。经过是这样的：

• 2007 年 8 月 6 日至 10 日那一周： 主要量化基金（Renaissance、AQR、D.E. Shaw）在 5 天内亏损 20% 到 30%
• 原因： 被迫去杠杆——一家大基金清盘，触发连锁反应，其他基金纷纷触及风控上限
• 传导机制： 所有人跑的都是同一套统计套利策略 → 都想平掉同样的仓位 → 流动性瞬间消失
• 恢复情况： 随着错位回归均值，多数基金在 2 到 3 周内收复失地

教训： 当相关性升到 1.0（所有资产同涨同跌）时，市场中性策略会被碾压。这种情况发生在流动性危机中，被迫抛售压倒了基本面。

2. 2020 年 3 月：新冠崩盘

统计套利在两周内（3 月 9 日至 23 日）回撤 15% 到 25%。原因：

• 相关性飙升： 所有股票一起暴跌（分散化失效）
• 轧空： 被大量做空的股票（如航空、邮轮）不顾基本面暴力反弹
• 流动性枯竭： 买卖价差扩大 5 到 10 倍，离场成本高昂

教训： 统计套利在正常时期是"市场中性"的，但 并不能抵御危机。把仓位控制得小一些（每只股票最多 2%），才能熬过相关性失效。

3. 低波动环境（2013 至 2017 年、2019 至 2021 年）

当 VIX 连续数月低于 15 时，统计套利会很吃力：

• 波动区间太窄： 股价偏离得不够多，触发不了 z-score 的入场条件
• 均值回归变慢： 要花 15 到 20 天而不是 5 到 7 天（时间损耗吃掉利润）
• 回报更低： 年化 6% 到 8%（仍是正的，但谈不上亮眼）

教训： 统计套利是一种做波动率的策略。高波动 = 高利润，低波动 = 更低（但稳定）的回报。

交易成本：沉默的杀手

高换手 = 高成本： 统计套利一年通常要交易 300 到 500 次，成本累积得很快。

对收益的影响：

• 毛收益： 12.8%（因子中性统计套利的回测结果）
• 交易成本： -1.2%（较为现实的估计）
• 净收益： 11.6% （依然很出色，但 1.2% 的拖累不容忽视）

如何把成本降到最低：

• 只交易流动性好的股票： 市值 50 亿美元以上，日成交量 500 万股以上（价差窄）
• 使用限价单： 绝不使用市价单（每笔可省 0.05% 到 0.10%）
• 避开难以融券的股票： 做空前先查融券利率（年化高于 5% 就直接放弃）
• 降低换手： 把 z-score 阈值放宽（用 ±2.5 而不是 ±2.0），以降低交易频率

资金门槛

做统计套利的最低资金：

• $25,000: 模式日内交易者的法定最低门槛（美国规定，每周交易超过 3 次即适用）
• $50,000: 实现分散化的最低要求（20 到 30 个仓位，每个 1,500 至 2,500 美元）
• $100,000+: 若想在扣除成本后仍有可观回报，建议达到这个水平

为什么统计套利比其他策略更吃资金：

• 同时持有 20 到 30 个仓位： 1 万美元没法拆成 30 个仓位（每个 333 美元 = 规模太小）
• 高换手： 交易成本对小账户的侵蚀格外严重
• 保证金要求： 卖空需要 50% 的保证金（做空 1 美元股票需要 2 美元本金）

Python 实现：行业篮子统计套利

import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime, timedelta

# 1. 定义股票池（以科技行业为例）
tech_stocks = ['AAPL', 'MSFT', 'GOOGL', 'META', 'NVDA', 'AMD', 'INTC',
               'CRM', 'ORCL', 'ADBE', 'CSCO', 'AVGO', 'QCOM', 'TXN',
               'AMAT', 'MU', 'NFLX', 'PYPL', 'INTU', 'NOW']

# 2. 下载数据（一年的日线价格）
data = yf.download(tech_stocks, start='2023-01-01', end='2024-01-01')['Adj Close']

# 3. 计算收益率
returns = data.pct_change().dropna()

# 4. 计算行业篮子（等权平均）
basket_return = returns.mean(axis=1)

# 5. 计算每只股票相对篮子的 z-score
z_scores = pd.DataFrame(index=returns.index, columns=returns.columns)

lookback = 20  # 20 天滚动窗口

for stock in returns.columns:
    spread = returns[stock] - basket_return
    z_scores[stock] = (spread - spread.rolling(lookback).mean()) / spread.rolling(lookback).std()

# 6. 生成信号
long_threshold = -2.0   # z-score 低于 -2.0 时买入（表现落后）
short_threshold = 2.0   # z-score 高于 2.0 时做空（表现超前）
exit_threshold = 0.0    # z-score 穿越零时离场

signals = pd.DataFrame(0, index=z_scores.index, columns=z_scores.columns)
signals[z_scores < long_threshold] = 1   # 做多信号
signals[z_scores > short_threshold] = -1  # 做空信号

# 7. 回测表现
positions = signals.shift(1)  # 避免前视偏差
strategy_returns = (positions * returns).mean(axis=1)  # 等权重仓位

# 8. 计算各项指标
cumulative_returns = (1 + strategy_returns).cumprod()
total_return = cumulative_returns.iloc[-1] - 1
sharpe_ratio = strategy_returns.mean() / strategy_returns.std() * np.sqrt(252)
max_drawdown = (cumulative_returns / cumulative_returns.cummax() - 1).min()

print(f"Total Return: {total_return:.2%}")
print(f"Sharpe Ratio: {sharpe_ratio:.2f}")
print(f"Max Drawdown: {max_drawdown:.2%}")
print(f"Win Rate: {(strategy_returns > 0).sum() / len(strategy_returns):.1%}")

# 9. 当前机会（z-score 处于极端值的股票）
current_z = z_scores.iloc[-1].sort_values()
print("\nCurrent Opportunities:")
print("Long candidates (oversold):")
print(current_z[current_z < long_threshold])
print("\nShort candidates (overbought):")
print(current_z[current_z > short_threshold])

注意： 这是一个简化版实现。生产级的统计套利还需要：

• 日内数据（分钟级或逐笔级），以便更快进出场
• 交易成本建模（价差、滑点、融券成本）
• 动态仓位管理（按 z-score 绝对值大小加权）
• 止损与时间止损（避免资金被不回归的仓位套死）
• 因子中性化（超越简单的行业篮子）

要点回顾

• 统计套利就是规模化的均值回归： 交易 20 到 100 只股票组成的篮子，而不是单个配对
• 因子中性是关键： 消除市场、行业、市值、价值、动量的暴露，只交易纯 alpha
• 高夏普，低相关： 因子中性统计套利：夏普 2.0 以上，与 SPY 相关性 0.04
• 在波动中大放异彩： 表现最好的年份：2018 年（+18.7%）、2020 年（+16.8%）、2022 年（+14.2%），都是市场震荡的时候
• 在牛市中跑输： 2013 至 2017 年、2019 年、2021 年、2023 年都很吃力（方向性动量主导市场）
• 交易成本很关键： 价差、滑点、融券成本每年拖累 1% 到 2%（只交易流动性好的股票）
• 无法抵御危机： 2007 年 8 月的量化地震（几天内 -20% 到 -30%）、2020 年 3 月的新冠疫情（-15% 到 -25%），都是相关性飙到 1.0 的时候
• 资金密集： 要做到像样的分散，至少需要 5 万到 10 万美元（20 到 30 个仓位）
• 技能密集： 需要 Python、统计学和回测方面的专业能力——不适合新手
• 机构的优势： 对冲基金拥有更好的数据、更快的执行、更低的成本——散户处于劣势

下一步

如果你真的想认真做统计套利：

1. 先把配对交易吃透： 从这里开始 ，再扩展到一篮子
2. 学会 Python/pandas： 统计套利没法手工交易——必须自动化
3. 研究因子模型： Fama-French、Carhart 四因子、动量因子
4. 严格回测： 前推分析、交易成本、滑点——参见 回测方法指南
5. 从小做起： 先模拟交易 3 到 6 个月，再投入真金白银
6. 对回报要有合理预期： 学术回测显示年化 15% 到 20%，但扣除成本后现实中只有 8% 到 12%
7. 分散策略： 别只依赖统计套利——要与动量、趋势跟随等策略结合