统计套利:把均值回归假设变成可检验的研究
学习目标:区分相关性、协整和价差回归,理解样本外验证与前视偏差。
先看一个场景
两条价格曲线曾经相似,如何验证关系能支撑模型?应使用按时间分割的数据并计入成本。
读完试一试
解释样本外测试、前视偏差和策略失稳时的停用规则。
1. “统计套利”为什么并非锁定利润
统计套利利用历史统计关系构建交易,常见例子是配对交易和均值回归。它依赖关系未来仍然有效,通常存在模型、市场和执行风险,不等同于无风险套利。
对单个币的价格计算 z-score 后“高了卖、低了买”,属于一种均值回归假设。若价格本身持续趋势上涨或下跌,这种规则可能不断逆势。
2. 配对关系从哪里来
常见建模形式之一是:
spread_t = log(P_A,t) - beta × log(P_B,t) - alpha
z_t = (spread_t - 历史均值) / 历史标准差
alpha、beta 由训练区间估计,价差是模型残差或组合指标。资产价格高度相关,不代表这个价差一定平稳;协整检验可作为证据之一,但统计检验仍有假设和误判。
beta 不一定是简单的币数比例。如何把模型系数映射到实际名义仓位,需要考虑使用的是价格还是对数价格、合约乘数与资金规模。
3. z-score 的直觉
若历史价差均值为 10、标准差为 2,当前价差为 14,则 z=2,意味着当前值比历史均值高两个标准差。
这只描述偏离程度,不证明下一步会下跌,也不意味着某个固定概率的回归。加密资产往往有厚尾、波动聚集和结构变化,不能机械套用正态分布结论。
4. 一个无前视的离线计算例子
以下示例用历史窗口估计均值与标准差,把当前观测单独传入。Python 3 标准库即可运行。
from statistics import mean, stdev
from math import isfinite
def zscore(history, current):
if len(history) < 2:
raise ValueError("至少需要两个历史观测")
if not all(isfinite(x) for x in [*history, current]):
raise ValueError("数据必须为有限数值")
sigma = stdev(history)
if sigma == 0:
return None # 不能把无波动窗口当成无限强信号
return (current - mean(history)) / sigma
z = zscore([8, 9, 10, 11, 12], 14)
assert z is not None and abs(z - 2.5298221281) < 1e-9
assert zscore([10, 10, 10], 12) is None
print(z)
它计算统计量,不生成真实订单。若在当前 K 线收盘后得到信号,回测不能假定更早就已知道该信号并按柱内最佳价格成交。
5. 把策略规则写完整
除了开仓阈值,还要定义平仓阈值、最大持有时间、价差继续扩大时的止损、单边成交后的处理,以及模型失效条件。
例如“z 超过 2 时研究做空价差,回到 0.5 时退出”只是一组教学参数,不是推荐值。所有阈值都应在训练阶段确定,并用未参与调参的数据检验。
参数滚动更新也要有固定流程。若根据刚发生的亏损不断改变窗口,策略可能已与原先回测的规则不同。
6. 回测中最容易漏掉的成本
| 项目 | 可能导致什么偏差 |
|---|---|
| 双腿手续费与滑点 | 高频小利润被成本吞掉 |
| 借币与资金费 | 做空成本随时间变化 |
| 上下架与数据缺口 | 只保留成功资产造成幸存者偏差 |
| 时间对齐 | 不同时刻价格构造虚假价差 |
| 参数搜索 | 从大量组合中挑最好者导致过拟合 |
| 流动性与容量 | 小资金回测无法推广到大规模 |
收益应与最大回撤、暴露、周转率和成本敏感性一起报告。一次显著检验或漂亮收益曲线,都不足以证明关系会持续。
7. 自测与参考答案
问题:两种资产一年相关系数 0.95,是否可以直接做均值回归?
答案:不能。相关性描述共同波动,不能保证某种价差稳定;还需建模、检验、样本外验证和执行成本评估。
练习:把同一套规则分成训练、验证、最终测试三个时间段,写明何时允许调参,避免看到测试结果后继续优化。