14. 统计套利方法：基于统计模型的套利机会识别

统计套利，说白了就是让数据自己说话。我们不做主观判断，而是让模型告诉我们：现在这个价格，是不是「不正常」了？

我个人习惯把统计套利分成两类：一类是找共性，一类是找个性。PCA属于前者，均值回归属于后者。今天咱们就聊聊这两把刀怎么用。

14.1 PCA主成分分析：降维找共性

波动率曲面是个高维怪物。不同期限、不同行权价，几十个点摆在那。你一个个看，眼睛会瞎的。

PCA的核心思想很简单：大部分波动率变动，其实是由少数几个「隐藏因子」驱动的。

我在项目中遇到过这样的情况——明明整个曲面都在动，但单个点看起来没什么规律。用PCA一拆，发现第一个主成分解释了80%以上的方差。说白了，大家都在跟着大盘走。

为什么会这样？因为期权定价的驱动因素就那么几个。你想想看，波动率曲面再怎么扭曲，也逃不出这三个维度的约束。

实战步骤

1. 数据准备：取一段时间内，固定期限-行权价网格的隐含波动率数据
2. 标准化：每个点减去均值，除以标准差。这一步不能省，不然量纲不同会出问题
3. 跑PCA：计算协方差矩阵的特征值和特征向量
4. 看载荷：每个主成分对应的特征向量，就是各点的「权重」
5. 找残差：用前k个主成分重构曲面，残差就是套利机会

import numpy as np
from sklearn.decomposition import PCA

# 假设 iv_matrix 是 T x N 的矩阵，T为时间，N为曲面点数
# 每一行是一个时间点的曲面快照
iv_matrix = ...  # 你的数据

# 标准化
mean = np.mean(iv_matrix, axis=0)
std = np.std(iv_matrix, axis=0)
iv_norm = (iv_matrix - mean) / std

# PCA
pca = PCA(n_components=3)
scores = pca.fit_transform(iv_norm)  # 主成分得分
loadings = pca.components_           # 载荷矩阵

# 重构
reconstructed = scores @ loadings * std + mean

# 残差 = 实际值 - 重构值
residuals = iv_matrix - reconstructed

# 残差超过2倍标准差，视为异常
threshold = 2 * np.std(residuals, axis=0)
anomaly_mask = np.abs(residuals) > threshold

14.2 均值回归：赌它「回来」

均值回归是统计套利的老祖宗。它的信仰很简单：价格偏离均值太远，迟早会回来。

嗯，这里要注意——不是所有东西都会均值回归。趋势性资产就不行，比如股票价格。但波动率不一样，它天生就有均值回归的特性。你想想看，波动率能一直高到天上去吗？能一直低到地板上吗？不会的。

我记得有一次，VIX飙到40以上，所有人都说「这次不一样」。结果呢？两个月后回到20。波动率这东西，就像橡皮筋，拉得越狠，弹得越猛。

怎么判断「偏离」？

常用的工具就这几个：

指标	含义	阈值参考
Z-score	(当前值 - 均值) / 标准差	|Z| > 2 视为异常
布林带	均值 ± k * 标准差	k=2 或 k=2.5
半衰期	偏离回归到一半所需时间	半衰期越短，套利越安全

我个人习惯用Z-score。简单、直观、好用。但有个坑——均值本身会漂移。你用过去一年的均值，跟用过去一个月的均值，结果可能完全相反。

均值回归策略框架

def mean_reversion_signal(iv_series, window=20, z_threshold=2):
    """
    输入：iv_series - 某个曲面点的隐含波动率时间序列
    输出：信号 - 1表示做空波动率，-1表示做多波动率
    """
    rolling_mean = iv_series.rolling(window).mean()
    rolling_std = iv_series.rolling(window).std()
    z_score = (iv_series - rolling_mean) / rolling_std
    
    signal = np.zeros_like(z_score)
    signal[z_score > z_threshold] = -1   # 偏高，做空
    signal[z_score < -z_threshold] = 1   # 偏低，做多
    
    return signal, z_score

14.3 PCA + 均值回归：组合拳

单独用PCA，你只能发现「异常」，但不知道什么时候回归。单独用均值回归，你容易被均值漂移坑。

把两者结合起来，效果会好很多：

1. 用PCA把曲面拆成主成分和残差
2. 对残差做均值回归分析
3. 当残差的Z-score超过阈值时，开仓
4. 当残差回归到0附近时，平仓

这样做的好处是：你过滤掉了整体市场波动的影响，只盯着「异常」的部分。说白了，就是在大海里捞针，但你先用PCA把大海过滤成一个小池塘。

14.4 知识体系总览

下面这张图，是我自己整理统计套利方法时画的框架。你看一眼，心里就有数了。

14.5 避坑指南

做统计套利这些年，我踩过的坑不少。挑几个典型的说说：

• 数据频率不匹配：用日线数据做PCA，用分钟线做交易。结果PCA的因子还没更新，交易信号已经变了。建议PCA和交易用同一频率。
• 过度优化：我曾经为了追求回测夏普比率，调了十几个参数。结果实盘一跑，直接崩了。记住：参数越少，模型越稳。
• 忽略交易成本：统计套利通常是高频、小利差。交易成本一扣，利润可能变负数。我一般会在回测里加2-3个tick的滑点。
• 市场结构突变：2020年3月那次，所有统计模型都失效了。因为波动率曲面的协方差结构彻底变了。遇到这种时候，别硬扛，先停手。

好了，统计套利的核心思路就这些。PCA帮你找到「哪里不对劲」，均值回归告诉你「什么时候动手」。两者结合，就是一套完整的套利系统。

记住：统计模型只是工具，不是真理。它给你信号，但最终决策还得靠你的判断。

---

公众号:蓝海资料掘金营，微信deep3321