第九章：协整关系建模——多变量协整检验与均值回复策略

各位同学，今天我们来聊聊协整关系建模。说实话，这是整个统计套利体系里最核心的一环。你想想看，我们做期权波动率曲面套利，本质上就是在找那些「走散了还会回来」的价差关系。而协整，就是量化这种关系的数学工具。

9.1 为什么需要多变量协整检验？

单变量协整检验（比如Engle-Granger两步法）有个硬伤——它只能处理两个变量之间的关系。但在波动率曲面套利中，我们经常要同时处理多个期限、多个行权价的波动率序列。比如，同时看1个月、3个月、6个月的平值期权隐含波动率，它们之间可能存在某种长期均衡关系。

我个人习惯用Johansen检验来处理这种情况。为什么？因为它能一次性告诉你：

• 这些序列之间到底存在几个协整关系
• 每个协整关系的具体系数是什么
• 哪个组合的均值回复特性最好

9.2 Johansen检验的数学原理

说白了，Johansen检验就是在解一个广义特征值问题。假设我们有k个时间序列，构建一个VAR(p)模型：

ΔY_t = ΠY_{t-1} + ΣΓ_iΔY_{t-i} + ε_t

其中Π矩阵的秩r就是协整关系的个数。如果r=0，说明没有协整关系；如果r=k，说明所有序列都是平稳的；如果0<r<k，说明存在r个协整关系。

检验统计量有两种：

检验方法	统计量	原假设	备择假设
迹检验	λ_trace = -TΣln(1-λ_i)	r ≤ r0	r > r0
最大特征值检验	λ_max = -Tln(1-λ_{r0+1})	r = r0	r = r0+1

嗯，这里要注意：迹检验的检验功效通常比最大特征值检验高一些，但最大特征值检验在识别具体协整向量时更清晰。我一般两个都看，如果结果不一致，优先相信迹检验的结果。

9.3 实战：用Python做Johansen检验

我在项目中遇到过最坑的一件事：用日频数据做Johansen检验，结果发现协整关系时有时无。后来才发现，是滞后阶数选错了。这里给大家一个经验法则：

• 日频数据：滞后阶数选5-10
• 小时频数据：滞后阶数选12-24
• 分钟频数据：滞后阶数选50-100

来看代码实现：

import numpy as np
import pandas as pd
from statsmodels.tsa.vector_ar.vecm import coint_johansen

def johansen_test(data, det_order=0, k_ar_diff=5):
    """
    Johansen协整检验
    data: DataFrame，每列一个时间序列
    det_order: 确定性趋势类型
    k_ar_diff: 差分后的滞后阶数
    """
    result = coint_johansen(data, det_order, k_ar_diff)
    
    # 输出迹检验结果
    print("=== 迹检验 ===")
    for i in range(len(result.lr1)):
        print(f"r<={i}: 统计量={result.lr1[i]:.4f}, 临界值(95%)={result.cvt[i, 1]:.4f}")
    
    # 输出最大特征值检验结果
    print("\n=== 最大特征值检验 ===")
    for i in range(len(result.lr2)):
        print(f"r={i}: 统计量={result.lr2[i]:.4f}, 临界值(95%)={result.cvm[i, 1]:.4f}")
    
    # 输出协整向量
    print("\n=== 协整向量（标准化后） ===")
    print(result.evec[:, :result.r])
    
    return result

# 示例：用三个波动率序列做检验
# 假设我们有1M、3M、6M的平值期权隐含波动率
data = pd.DataFrame({
    'IV_1M': iv_1m_series,
    'IV_3M': iv_3m_series,
    'IV_6M': iv_6m_series
})

result = johansen_test(data, det_order=0, k_ar_diff=5)

9.4 构建协整组合

找到协整关系后，下一步就是构建具体的交易组合。协整向量给出了每个资产的权重，比如：

# 假设协整向量为 [1, -0.8, -0.2]
# 意味着：IV_1M - 0.8*IV_3M - 0.2*IV_6M 是平稳的

weights = result.evec[:, 0]  # 取第一个协整向量
spread = data.dot(weights)   # 计算价差序列

这里有个细节：协整向量不是唯一的。你可以对向量做任意缩放，价差序列的平稳性不变。但为了交易方便，我通常会把第一个资产的系数标准化为1。

9.5 计算半衰期——均值回复速度

半衰期（Half-life）是衡量均值回复速度的关键指标。它告诉我们：价差偏离均衡后，平均需要多长时间才能回复一半。

计算方法很简单：对价差序列做一阶自回归：

Δspread_t = α + β * spread_{t-1} + ε_t

半衰期 = ln(2) / |β|

来看代码：

def calculate_half_life(spread):
    """
    计算价差序列的半衰期
    """
    spread_lag = spread.shift(1).dropna()
    spread_diff = spread.diff().dropna()
    
    # 对齐数据
    y = spread_diff.values
    x = spread_lag.values
    
    # OLS回归
    x = np.column_stack([np.ones(len(x)), x])
    beta = np.linalg.lstsq(x, y, rcond=None)[0]
    
    # 半衰期
    half_life = -np.log(2) / beta[1]
    
    return half_life

half_life = calculate_half_life(spread)
print(f"半衰期: {half_life:.2f} 个时间单位")

9.6 知识体系总览

下面这张图总结了协整关系建模的完整流程：

9.7 几个实用技巧

1. 数据频率要匹配：做协整检验时，所有序列的数据频率必须一致。我见过有人把日频和小时频混在一起用，结果检验结果完全不可信。
2. 小心结构性突变：如果样本期内发生了重大事件（比如金融危机、政策变化），协整关系可能会断裂。建议做滚动窗口检验，看看协整关系是否稳定。
3. 半衰期的实际意义：半衰期在5-20个时间单位之间的价差最适合做统计套利。太短了交易成本太高，太长了资金占用成本太高。

好了，协整关系建模的核心内容就这些。记住，统计套利不是印钞机，它需要你不断监控、调整。但掌握了协整这个工具，你至少有了一个科学的框架来捕捉市场中的定价偏差。