量化投研方法论
第 3 章•预计阅读 24 min

统计套利与均值回归的数学机理

奥恩斯坦-乌伦贝克过程与协整配对交易的弹性边界

3.1 均值回归的力学模型：从胡克定律到 OU 过程

如果说趋势跟踪是寻找“动量与惯性”，那么统计套利（Statistical Arbitrage）则是寻找金融物理中的“弹性势能”。

在经典物理学中，弹簧的回复力遵循胡克定律：位移越大，将其拉回平衡位置的力就越强。在金融市场中，两个在基本面、业务结构或上下游产业链高度绑定的资产，其相对估值往往受到无形经济纽带的牵引。

当市场因短期流动性冲击、被动指数调仓或情绪恐慌导致其中一只标的被过度抛售时，两者之间的利差（Spread）便被拉伸如同一根紧绷的弹簧。只要其底层的经济纽带未断裂，套利资本的涌入最终会迫使价差向均衡中枢回归。

奥恩斯坦-乌伦贝克（Ornstein-Uhlenbeck, OU）随机过程

为了在数学上严格描述这种具备回复力特征的价差演化，量化金融学普遍采用一维连续时间 OU 随机微分方程：

dXt=θ(μ−Xt)dt+σdWtdX_t = \theta (\mu - X_t) dt + \sigma dW_t

公式中各个因子的金融含义极为直观：

•XtX_t 为当前观测到的对冲价差；
•μ\mu 为价差的理论均衡中枢；
•θ>0\theta > 0 为均值回归速度系数（Rate of Reversion），θ\theta 越大，价差弹回的速度越快；
•(μ−Xt)(\mu - X_t) 为当前偏离距离，偏离越远，漂移项提供的拉回动力越大；
•σdWt\sigma dW_t 代表不受控制的市场布朗随机扰动噪声。

通过伊藤引理求解该微分方程，我们可以得到其期望值随时间收敛的解析表达式：

E[Xt∣X0]=μ+(X0−μ)e−θt\mathbb{E}[X_t \mid X_0] = \mu + (X_0 - \mu) e^{-\theta t}

3.2 协整检验：区分真套利与伪相关的数学试金石

统计套利领域最致命的误区，就是将高相关性（Correlation）误当成协整性（Cointegration）。

伪相关的荒谬性

在统计学上，两只各自单边上涨的股票，其历史价格的相关系数可能高达 0.98。但是，如果两者之间没有内生的经济均衡联系，它们在未来的某一天随时可能分道扬镳、渐行渐远。如果你误把高相关当作套利基础，在价差拉开时盲目做多弱者、做空强者，迎接你的将是无底深渊。

恩格尔-格兰杰（Engle-Granger）两步法

真正的统计套利必须建立在时间序列协整的基础上：

设资产 YtY_t 和 XtX_t 均为一阶单整序列 I(1)I(1)（即它们本身都是非平稳的随机游走），但如果存在一个特定的对冲比例 β\beta，使得它们的线性组合残差序列具备零阶单整性 I(0)I(0)（平稳序列）：

ϵt=Yt−βXt∼I(0)\epsilon_t = Y_t - \beta X_t \sim I(0)

此时，我们称 YtY_t 与 XtX_t 存在协整关系。

•无论它们各自涨到什么天位，残差 ϵt\epsilon_t 始终在有限的方差内围绕均值波动；
•量化必须使用增广迪基-富勒检验（Augmented Dickey-Fuller, ADF Test）严格检验残差的平稳性，只有当 ADF 检验的 p-value 显著低于 0.01 时，该资产对才能进入策略候选池。

3.3 统计套利的动态 Z-Score 门限与半衰期

确定了协整关系后，如何设计进出场决策？

半衰期（Half-Life）计算

通过对价差的离散 AR(1) 拟合，可以解出均值回归速度 θ\theta。价差偏离衰减一半所需的时间被称为**半衰期（t1/2t_{1/2}）**：

t1/2=ln⁡2θt_{1/2} = \frac{\ln 2}{\theta}

半衰期直接决定了资金周转率与策略容量：

•若半衰期大于 45 个交易日，意味着单笔套利可能需要耗时数月才能收敛，资金成本与时间风险极大；
•若半衰期低于 1 个交易日，往往只是微观订单簿的瞬时挂单失衡，需要毫秒级低延迟系统才能捕获。

动态标准化 Z-Score

为了消除不同历史时期整体市场波动率变化的影响，必须将残差标准化为无量纲的 Z-Score：

Zt=ϵt−μϵσϵZ_t = \frac{\epsilon_t - \mu_{\epsilon}}{\sigma_{\epsilon}}

买方通用的执行策略通常设定为：

•1. 入场阈值：当 ∣Zt∣≥2.0|Z_t| \ge 2.0（即发生概率低于 5% 的极值偏差）时，建立多空配对对冲仓位；
•2. 止盈阈值：当 ∣Zt∣≤0.2|Z_t| \le 0.2（价差完全收敛回归中枢）时，全部平仓兑现利润；
•3. 安全止损阈值：当 ∣Zt∣≥3.5|Z_t| \ge 3.5 时，必须无条件强制平仓离场！

3.4 为什么配对交易会在黑天鹅中崩塌：LTCM 的教训

均值回归策略在正常市场环境下往往展现出极具吸引力的“高胜率（65%~75%）”与平滑的资金曲线，但这极易掩盖其潜在的肥尾暴雷风险。

最经典的警世案例莫过于 1998 年拥有两位诺贝尔经济学奖得主的长期资本管理公司（LTCM）的覆灭：

•LTCM 重仓做多高流动性折价的次级国债、做空极高溢价的基准新国债，押注两者收益率利差终将收敛；
•1998 年俄罗斯主权债务暴雷，全球市场陷入史无前例的流动性极度恐慌；
•恐慌中的全球机构不计代价抛售一切非基准资产，疯抢基准资产避险；
•理论上“必然收敛”的利差非但没有收敛，反而以破纪录的速度持续扩大了数倍；
•高杠杆运作的 LTCM 根本熬不到回归的那一天，因保证金见底被迫在最极端的亏损点位被清算。

量化箴言

“市场能够保持非理性的时间，远比你能够保持不破产的时间要长得多。”（凯恩斯）

统计套利系统的第一道也是最后一道生命线，就是永远不要在价差发散时逆势死扛，必须设立硬性的统计止损线以防协整关系的永久破裂。