12、基差交易的统计套利：均值回归策略、协整关系检验、Z-score与交易信号、统计套利的回测框架
聊到基差交易的统计套利，我得先坦白一件事——刚入行那会儿，我总觉得统计套利就是“高大上”的代名词。各种数学公式、检验方法，看得人眼花缭乱。后来做多了才发现，统计套利的本质其实很简单：找到两个会“走在一起”的品种，等它们走散了，就赌它们会重新走回来。
说白了，这就是均值回归思想在基差交易里的应用。你想想看，如果两个品种长期存在某种稳定关系，那它们之间的价差（也就是基差）就不该跑太远。一旦跑远了，市场力量会把它拉回来。我们要做的，就是捕捉这个“拉回来”的过程。
均值回归策略：基差交易的核心逻辑
均值回归，这个名字听起来挺唬人。其实核心就一句话：价格偏离均值太远，就会向均值回归。
在基差交易里，我们关注的是基差（价差）的均值回归。比如螺纹钢和热卷，它们生产工艺相近，下游需求也有重叠。正常情况下，两者价差会在一个区间内波动。如果某天价差突然拉得很大，那大概率会缩回来。
我个人习惯把均值回归策略分成两类：
- 简单均值回归：直接用历史均值作为基准，偏离超过一定阈值就开仓。优点是简单，缺点是均值可能漂移。
- 动态均值回归：用滚动窗口计算均值，适应市场变化。我一般用60天或120天的滚动窗口。
协整关系检验：别把“假关系”当真
做统计套利，最怕的就是找到一对“假情侣”——表面上看着走势很像，实际上根本没关系。协整检验就是用来甄别这种关系的。
协整的数学定义我就不展开了，你只需要记住：如果两个时间序列是协整的，那它们的线性组合是平稳的。换句话说，它们之间有一个长期均衡关系。
常用的检验方法是Engle-Granger两步法：
- 第一步：用OLS回归估计两个序列的长期关系，得到残差序列。
- 第二步：对残差序列做单位根检验（ADF检验），看它是否平稳。
如果残差是平稳的，就说明两个序列存在协整关系。嗯，这里要注意：ADF检验的p值要小于0.05才算通过。我一般会要求更严格一点，p值小于0.01才敢用。
Z-score与交易信号：把基差变成可操作的信号
协整检验通过了，接下来就是怎么把基差转化成交易信号。这里我强烈推荐用Z-score。
Z-score的计算公式很简单：
Z = (当前基差 - 基差均值) / 基差标准差Z-score告诉我们：当前基差偏离均值多少个标准差。这个值越大，说明偏离越极端，回归的概率越高。
我常用的交易规则是这样的：
| Z-score范围 | 操作 | 说明 |
|---|---|---|
| Z < -2 | 做多基差（买近卖远） | 基差被严重低估，赌它回归 |
| -2 ≤ Z ≤ 2 | 观望 | 基差在正常范围内，不操作 |
| Z > 2 | 做空基差（卖近买远） | 基差被严重高估，赌它回归 |
| Z 回归到 0 附近 | 平仓 | 基差回归均值，获利了结 |
当然，阈值不一定是±2。你可以根据品种的波动特性调整。比如波动大的品种，我可能会用±2.5；波动小的，用±1.5就够了。
统计套利的回测框架：别让回测骗了你
回测是检验策略的试金石。但说实话，回测很容易“作弊”。我自己就见过太多回测漂亮、实盘惨烈的案例了。
一个靠谱的统计套利回测框架，至少要考虑以下几点：
- 滑点和手续费：别用理想化的假设。我一般按双边万三的手续费、1个tick的滑点来算。
- 样本外测试：用前70%的数据做参数优化，后30%的数据做验证。如果样本外表现差，说明策略过拟合了。
- 滚动窗口：协整关系不是一成不变的。我建议每3个月重新做一次协整检验，动态调整交易对。
- 资金管理：单笔交易的风险不要超过总资金的2%。这是铁律。
下面是一个简单的回测框架代码示例（Python风格）：
# 伪代码示例：统计套利回测框架
def backtest_stat_arb(price1, price2, window=60, entry_z=2, exit_z=0):
# 1. 计算价差
spread = price1 - price2
# 2. 计算滚动Z-score
mean = spread.rolling(window).mean()
std = spread.rolling(window).std()
z_score = (spread - mean) / std
# 3. 生成交易信号
signals = pd.Series(0, index=z_score.index)
signals[z_score < -entry_z] = 1 # 做多基差
signals[z_score > entry_z] = -1 # 做空基差
signals[abs(z_score) < exit_z] = 0 # 平仓
# 4. 计算收益（考虑滑点和手续费）
# ... 省略具体实现
return signals, pnl知识体系总览
为了让你更直观地理解本章的知识结构，我画了一张流程图：
这张图把本章的核心逻辑串起来了：从均值回归的核心理念出发，经过协整检验的验证，再到Z-score生成交易信号，最后用回测框架检验策略的有效性。每一步都环环相扣，缺一不可。
最后说一句：统计套利不是印钞机。它需要你持续监控、动态调整。市场在变，协整关系也在变。保持敬畏心，做好风控，才能在这个市场里活得久。
公众号:蓝海资料掘金营，微信deep3321