4. 协整概念

在量化研究与时间序列建模中，协整（Cointegration）是连接“长期均衡关系”与“短期动态调整”的核心桥梁。很多初学者会把协整与相关性混为一谈，结果在配对交易、价差回归、指数增强等策略中反复踩坑。本节将围绕四个关键词展开：协整的定义、与相关性的区别、协整向量、误差修正模型（ECM），并给出可落地的检验与建模流程。

一、协整的定义：非平稳序列的“长期绑定”

先回顾平稳性。若一个时间序列的均值、方差和自协方差不随时间变化，则称其为平稳序列，记为 I(0)。若一个序列需要经过 d 次差分才平稳，则记为 I(d)。金融价格、股价、汇率通常是非平稳的 I(1) 序列，而收益率往往是 I(0)。

协整的定义是：若两个或多个 I(1) 序列的某个线性组合是 I(0)，则称这些序列之间存在协整关系。用公式表达：设 X_t 与 Y_t 均为 I(1)，若存在非零向量 β，使得

Z_t = Y_t - β * X_t 是 I(0)

则称 X_t 与 Y_t 协整，β 称为协整向量。直观理解：两个各自“到处乱走”的非平稳序列，在长期中被某种经济力量绑定，短期可以偏离，但偏离不会无限扩大，最终会被拉回均衡。这个“拉回”正是均值回归策略的统计基础。

二、协整与相关性的区别：别把“同涨同跌”当“长期均衡”

相关性衡量的是两个序列收益率（或差分）之间的同步程度，取值在 -1 到 1 之间。它关注的是“短期共同波动”，不要求序列非平稳，也不保证价差会回归。协整关注的是价格水平之间的长期均衡关系，要求序列本身非平稳，但线性组合平稳。

维度	相关性	协整
对象	收益率或差分序列	价格水平序列
平稳性要求	无	要求 I(1) 且线性组合 I(0)
核心含义	短期同步波动	长期均衡与均值回归
是否保证回归	不保证	保证价差平稳，偏离会收敛
策略用途	分散化、因子暴露	配对交易、统计套利

一个经典反例：两只股票收益率相关性高达 0.9，但价格水平可能一个持续上涨、一个持续下跌，价差发散，无法做均值回归。相反，某些相关性只有 0.2 的品种，若存在协整关系，价差反而稳定可交易。因此，做配对交易时，先看协整，再看相关性，顺序不能反。

三、协整向量：如何估计与检验

协整向量 β 是长期均衡关系的系数。最常用的估计方法有两种：Engle-Granger 两步法与 Johansen 检验。

1. Engle-Granger 两步法：第一步，用 OLS 回归 Y_t = α + βX_t + ε_t，得到残差 ε_t；第二步，对残差做 ADF 单位根检验。若残差平稳，则存在协整关系，β 即为协整向量估计。
2. Johansen 检验：基于向量自回归（VAR）框架，通过迹检验或最大特征值检验判断协整秩，并同时估计多个协整向量。适合多变量、多协整关系场景。

下面给出 Python 示例，使用 statsmodels 完成 Engle-Granger 检验：

import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import coint, adfuller

# 假设 df 包含两列价格序列 y 和 x
y = df['y'].values
x = df['x'].values

# 协整检验
score, pvalue, _ = coint(y, x)
print(f"协整检验 p-value: {pvalue:.4f}")

# 若 pvalue < 0.05，拒绝“不存在协整”的原假设
# 估计协整向量：OLS 回归 y = alpha + beta * x
import statsmodels.api as sm
X = sm.add_constant(x)
model = sm.OLS(y, X).fit()
alpha, beta = model.params
resid = model.resid

# 对残差做 ADF 检验
adf_stat, adf_p, _, _, _, _ = adfuller(resid)
print(f"残差 ADF p-value: {adf_p:.4f}")
print(f"协整向量: beta = {beta:.4f}, alpha = {alpha:.4f}")

参数解读：协整检验 p 值小于 0.05，说明在 5% 显著性水平下存在协整关系；残差 ADF 检验同样应拒绝单位根原假设。β 的经济含义是“长期均衡比例”，例如 β=1.2 表示 X 每变动 1 单位，Y 长期均衡变动 1.2 单位。

四、误差修正模型：短期偏离如何被修正

协整只告诉我们“长期有均衡”，但短期价格如何向均衡调整？答案在误差修正模型（Error Correction Model, ECM）。ECM 将短期差分与长期误差项结合起来：

ΔY_t = α + γ * (Y_{t-1} - β * X_{t-1}) + δ * ΔX_t + ε_t

其中，括号内是上一期的“误差修正项”（即偏离均衡的程度），γ 是调整速度系数。若 γ 显著为负，说明当 Y 高于均衡时，下一期 Y 会下降，向均衡回归；γ 的绝对值越大，回归速度越快。δ 捕捉 X 的短期变化对 Y 的即时影响。

ECM 的价值在于：它同时刻画了长期均衡与短期动态，避免了直接对非平稳序列做回归导致的伪回归问题。在配对交易中，ECM 的误差修正项可以直接作为交易信号：当价差偏离超过阈值时开仓，等待回归。

五、案例与复盘：从“高相关”到“真协整”

假设我们研究某两只银行股 A 与 B。初步计算收益率相关性为 0.85，看起来很适合配对。但直接对价格做回归后，残差 ADF 检验 p 值为 0.32，无法拒绝单位根，说明价差非平稳，不存在协整关系。进一步检查发现，A 在样本期内发生了一次重大并购，基本面结构改变，长期均衡关系断裂。

复盘结论：相关性高只是“表面同步”，协整检验才是“长期绑定”的统计证据。若忽略结构突变，强行做均值回归，价差可能持续发散，导致巨大亏损。正确做法是：在协整检验前先做结构突变检验（如 Chow 检验、Bai-Perron 检验），或使用滚动窗口动态监控协整关系。