统计套利(Statistical Arbitrage,简称 Stat Arb)是一种基于数学模型和统计方法的市场中性交易策略。与传统的无风险套利不同,统计套利利用证券价格之间的统计关系而非确定性关系来捕捉定价偏差,承担"统计意义上"的低风险敞口。
统计套利的核心思想是:当一组相关资产的价格关系偏离其历史统计规律时,价格关系最终会回归均值,从而产生可盈利的交易机会。统计套利是量化对冲基金中最经典的策略类型之一,也是理解 Alpha 收益来源的重要基础。
传统套利(如三角套利、跨市场套利)追求的是无风险收益——同一资产在不同市场的价差是可锁定的,利润是确定的。统计套利放弃了"确定性",转而利用统计规律:
统计套利本质上是在交易"统计回归"这一概率事件,而非确定性的价差收敛。这意味着它必须通过大数定律来获得正期望收益——大量交易、每笔微利、严格控制风险。
统计套利策略的一个关键特征是市场中性:通过同时持有多头和空头头寸,对冲掉市场整体波动的风险。例如:
无论大盘涨跌,只要两只股票的相对价差收敛,组合就能获利。这就将收益来源从"方向性赌注"转变为"相对价值关系"。
| 市场走势 | 做多可口可乐 | 做空百事可乐 | 多头+空头组合 |
|---|---|---|---|
| 大盘涨 10% | +10%(假设贝塔为1) | -10% | 0% |
| 大盘跌 10% | -10% | +10% | 0% |
| 价差回归(中性) | +3%(相对低估修复) | +3%(相对高估回归) | +6% |
当然,实际中两只股票的贝塔值不会完全相同,因此需要计算精确的对冲比率(Hedge Ratio)来消除市场暴露。
统计套利的前提是资产价差具有平稳性——价差序列围绕某个均值波动,不会无限发散。数学上,一个时间序列 是平稳的,当:
与之相反,非平稳序列(如股票价格本身)通常具有单位根——当前值等于前值加上随机冲击:
这种序列的方差随时间线性增长,没有固定的均值可供回归。
实际例子:SPY(标普500ETF)的价格序列是非平稳的——2008年 $100,2020年 $300,均值一直在变。但 SPY 与 IVV(另一只标普500ETF)的价差可能是平稳的——它们跟踪同一个指数,价差围绕 0 波动。
协整(Cointegration)是统计套利最核心的概念。两个非平稳序列 和 是协整的,当存在某个线性组合使得残差序列 是平稳的:
其中 是平稳序列。
直观理解:想象一条狗牵着主人散步。主人的路径是非平稳的(随机游走),狗的路径也是非平稳的,但狗与主人之间的绳子长度是平稳的——它会围绕某个均值波动,不会无限拉长。这里:
Engle-Granger 两步检验法:
第一步:用 OLS 估计协整系数 :
第二步:对残差 进行 ADF(Augmented Dickey-Fuller)单位根检验:
如果 ADF 统计量小于临界值,拒绝 ,说明两个序列协整。
具体数值例子:假设我们用日数据检验 XOM(埃克森美孚)和 CVX(雪佛龙)是否协整。
1. 回归得到:CVX_t = 1.05 × XOM_t + ε_t
→ 对冲比 β = 1.05
2. 计算残差 ε_t = CVX_t - 1.05 × XOM_t
3. ADF 检验残差:
ADF 统计量 = -4.23
5% 临界值 = -2.86
→ 拒绝 H₀,残差平稳,两只股票协整
这意味着我们可以构建市场中性组合:做多 美元 XOM,做空 美元 CVX(或反之),价差会均值回归。
协整价差的动态可以用 Ornstein-Uhlenbeck(OU)过程来建模,这是一种均值回归的随机过程:
其中:
半衰期(Half-Life):价差偏离均值后,回归到一半所需的时间:
这是一个关键参数——决定了交易频率和策略容量。半衰期为 5 天的价差比半衰期为 50 天的更适合短线交易。
数值例子:如果 OU 过程的估计参数 (日度数据),则:
意味着任何价差偏离,平均需要约 5 个交易日回归到一半。
在统计套利中,我们用 Z-Score 来量化当前价差偏离均值的程度:
其中 和 是残差序列的样本均值和标准差。
交易决策规则(经典配对交易):
| Z-Score 区间 | 信号 | 操作 |
|---|---|---|
| 严重低估 | 做多价差(买入 Y,卖出 β×X) | |
| 轻微低估 | 开始建仓(或观察) | |
| 中性区间 | 平仓或持有现金 | |
| 轻微高估 | 开始建仓(或观察) | |
| 严重高估 | 做空价差(卖出 Y,买入 β×X) |
具体交易示例:
假设 XOM($80)和 CVX($84)的 ,历史残差 ,。当前残差:
Z-Score = 0,价差在均值水平,不交易。
如果 XOM 跌到 $78,CVX 涨到 $87:
Z > 2 → 做空价差。操作:
当价差回归时平仓获利。
配对交易(Pairs Trading)是统计套利最经典、最直观的实现形式,由 Morgan Stanley 的量化团队在 1980 年代开创。
选择合适的配对是最关键的步骤。常见的筛选标准:
| 标准 | 方法 | 阈值参考 |
|---|---|---|
| 协整检验 | Engle-Granger 或 Johansen 检验 | p-value < 0.05 |
| 半衰期 | 从 OU 过程估计 | 1-30 天 |
| 相关性 | 滚动窗口 Pearson 相关系数 | |
| 行业相关性 | 同行业或同板块 | 同一 GICS 行业 |
| 流动性 | 日均交易量和买卖价差 | 前 30% 分位 |
| 做空成本 | 融券费率 | < 2% 年化 |
行业层面:同一行业内的股票往往受相同的基本面因素驱动,更可能保持稳定的统计关系。例如:
协整关系并不是永恒的,需要滚动窗口动态更新参数。常见设置:
def update_pairs_strategy(prices_1, prices_2, est_window=120, z_window=40):
"""
滚动更新配对交易参数
参数:
prices_1, prices_2: 两只股票的价格序列
est_window: 协整估计窗口
z_window: Z-Score 计算窗口
"""
hedge_ratios = []
z_scores = []
for i in range(est_window, len(prices_1)):
# 窗口内的价格数据
x = prices_1[i-est_window:i] # 独立变量
y = prices_2[i-est_window:i] # 因变量
# OLS 估计对冲比
x_mean = np.mean(x)
y_mean = np.mean(y)
beta = np.sum((x - x_mean) * (y - y_mean)) / np.sum((x - x_mean) ** 2)
alpha = y_mean - beta * x_mean
# 计算残差
residuals = y - (alpha + beta * x)
# 当前最新残差
curr_residual = prices_2[i] - (alpha + beta * prices_1[i])
# 计算 Z-Score(用 z_window 内的残差)
recent_residuals = [
prices_2[j] - (alpha + beta * prices_1[j])
for j in range(i-z_window, i)
]
mu = np.mean(recent_residuals)
sigma = np.std(recent_residuals)
z = (curr_residual - mu) / sigma if sigma > 0 else 0
z_scores.append(z)
hedge_ratios.append(beta)
return z_scores, hedge_ratios
配对交易虽然市场中性,仍有特定风险:
| 风险类型 | 描述 | 缓解措施 |
|---|---|---|
| 协整断裂 | 两只股票的统计关系永久性改变 | 实时协整检验、止损机制 |
| 持仓风险 | 单边大幅波动导致浮亏 | 仓位限制、动态杠杆 |
| 流动性风险 | 无法按预期价格平仓 | 选择高流动性标的 |
| 执行风险 | 滑点侵蚀利润 | 算法执行、限价单 |
| 做空限制 | 找不到可融券的标的 | 提前确认融券池 |
止损策略示例:当 Z-Score 达到 或持仓超过 20 个交易日未回归时强制平仓。
当扩展到多只股票时,可以用 PCA 提取共同因子,构建统计套利组合:
其中 是 PCA 提取的第 个主成分(),代表影响所有股票的共同因子; 是股票 的特异收益率(idiosyncratic return)。
交易信号基于 的 Z-Score——当某只股票的特异收益率严重偏离均值时,意味着该股票相对于其因子暴露被错误定价。
实际应用:Avellaneda & Lee (2010) 用 PCA 对美国股票进行统计套利,在 1997-2007 年间取得了年化 10-15% 的 Sharpe 比率。
多资产统计套利可以构建一个投资组合管理框架:
其中 是股票 在时间 的多空方向, 是权重(通常与 Z-Score 绝对值成正比)。
组合构建流程:
1. 筛选股票池(市值 > 10 亿,日均成交量 > 500 万)
2. 用 PCA 提取前 K 个共同因子(K = 5-20)
3. 计算每只股票的特异收益率 ε_it
4. 用滚动窗口计算特异收益率的 Z-Score
5. 持仓权重:w_it = Z_it / Σ|Z_jt|(只在 Z > 2 或 Z < -2 时建仓)
6. 组合风险约束:行业中性、市值中性、因子中性
Kalman 滤波提供了一种动态估计协整关系的框架,比固定窗口 OLS 更能适应市场参数变化。
将协整关系建模为状态空间形式:
观测方程(Observation Equation):
状态方程(State Equation):
其中 和 是时变参数, 和 是高斯噪声。
Kalman 滤波流程:
1. 预测:用上期参数预测本期观测值
2. 更新:对比预测值和实际值,更新参数估计
3. 循环:新数据到达时重复 1-2
| 维度 | 固定窗口 OLS | Kalman 滤波 |
|---|---|---|
| 适应速度 | 慢(需要 N 个新数据点) | 快(每步更新) |
| 参数变化 | 阶跃式(窗口边界跳跃) | 平滑(渐变) |
| 计算复杂度 | 每次 | 每次(递归) |
| 调参参数 | 窗口长度 | 噪声协方差 R, Q |
| 对新信息的反应 | 迟钝 | 灵敏 |
实际效果对比:假设两只股票的相关结构在 2020 年 3 月(COVID 危机)发生了突变。固定窗口 OLS 需要 60-120 天才能完全反映新结构,而 Kalman 滤波在几天内就能适应。
输入:价格数据(包含 N 只股票,T 个交易日)
1. 训练期(200 天)
- 对所有候选配对进行协整检验
- 筛选协整显著(p < 0.05)、半衰期 1-30 天的配对
2. 交易期(滚动,每天)
a. 重估协整关系(每 60 天)
b. 计算当前每对价差的 Z-Score
c. 生成交易信号(Z = ±2 开仓,Z = 0 平仓)
d. 仓位管理(等权重或 Z-Score 加权)
3. 性能评估
- 年化收益率
- 夏普比率
- 最大回撤
- 日胜率
- 交易次数
参考学术研究中的统计套利策略表现:
| 研究 | 时期 | 年化收益 | 夏普比率 | 最大回撤 |
|---|---|---|---|---|
| Gatev et al. (2006) | 1962-2002 | 11% | 1.44 | -8% |
| Avellaneda & Lee (2010) | 1997-2007 | 14.5% | 1.65 | -6.5% |
| Do & Faff (2010) | 1988-2008 | 9.3% | 0.86 | -15% |
| Krauss (2017) 综述 | 多时期 | 5-15% | 0.5-1.8 | -5~-20% |
⚠️ 注意:近二十年统计套利的收益显著下降,主要是因为越来越多的量化基金采用类似策略,导致定价偏差被更快速消除。
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller
def pairs_trading_backtest(prices_1, prices_2, entry_z=2.0, exit_z=0.5):
"""
经典配对交易回测
参数:
prices_1, prices_2: 两只股票的价格序列
entry_z: 开仓 Z-Score 阈值
exit_z: 平仓 Z-Score 阈值
"""
# 1. 计算对数价格(有助于稳定方差)
log_p1 = np.log(prices_1)
log_p2 = np.log(prices_2)
# 2. 滚动协整估计(120 天窗口)
window = 120
positions = np.zeros(len(prices_1))
capital = 1.0
for i in range(window, len(prices_1)):
# 取窗口数据
x = sm.add_constant(log_p1[i-window:i])
y = log_p2[i-window:i]
# OLS 回归
model = sm.OLS(y, x).fit()
beta = model.params[1]
intercept = model.params[0]
# 当前残差
residual = y[-1] - (intercept + beta * x[-1, 1])
residuals_window = y - (intercept + beta * x[:, 1])
# Z-Score
z = (residual - np.mean(residuals_window)) / np.std(residuals_window)
# 交易信号
if z > entry_z:
positions[i] = -1 # 做空价差(做空 Y,做多 X)
elif z < -entry_z:
positions[i] = 1 # 做多价差(做多 Y,做空 X)
elif abs(z) < exit_z:
positions[i] = 0 # 平仓
# 3. 计算收益
returns = pd.Series(prices_1).pct_change() * positions
cum_returns = (1 + returns).cumprod()
return cum_returns, positions
统计套利的盈利能力在近二十年持续下降:
| 时期 | 特征 | 平均年化收益 |
|---|---|---|
| 1980s-1990s | 黄金时代,竞争极少 | 15-20% |
| 2000-2007 | 量化基金涌入 | 8-12% |
| 2008-2012 | 金融危机冲击 | 5-8% |
| 2013-2020 | 高竞争、低波动 | 3-6% |
| 2020-至今 | AI/ML 参与 | 1-4% |
机器学习特征:用随机森林、XGBoost 替代传统 Z-Score,加入更多特征(成交量、波动率、期权隐含信息)
非线性协整:Copula 方法和非参数回归捕捉更复杂的关系
跨资产统计套利:股票 vs ETF、ETF vs 期货、现货 vs 衍生品
高频统计套利:在分钟级甚至 tick 级数据上执行,利用微观结构的短暂不均衡
因子统计套利:在因子暴露层面进行配对——做多低估值因子暴露的股票,做空高估值因子暴露的股票
机器学习+统计套利:用深度学习预测价差的方向,而非简单地假设均值回归