金融市场基础：价格波动、随机游走假说、有效市场假说、均值回归的统计学基础

均值回归策略的底层逻辑，建立在对金融市场运行规律的特定认知之上。要理解“价格为何会回归均值”，必须先厘清价格波动的本质、市场是否有效、以及随机性与可预测性之间的辩证关系。本章将系统梳理这四个核心概念，为后续策略构建打下坚实的理论基础。

2.1 价格波动的本质：噪声与信息的混合体

金融资产价格每时每刻都在变动，这种变动并非单一因素驱动，而是由多层级信息流和市场参与者行为共同作用的结果。理解价格波动的构成，是判断均值回归是否适用的前提。

核心原理：价格变动的三层分解

我们可以将任意时刻的价格变动分解为三个层次：

• 趋势层（Trend）：由宏观经济、产业周期、企业基本面等长期因素驱动，持续时间长，方向性强。
• 波动层（Volatility）：由市场情绪、资金流向、政策预期等中期因素驱动，表现为价格围绕趋势的上下摆动。
• 噪声层（Noise）：由订单流不平衡、做市商报价调整、微观结构摩擦等短期因素驱动，随机性强，无规律可循。

均值回归策略的核心关注点在于波动层——当价格因情绪或资金因素偏离其内在价值（或统计均值）时，市场力量会推动价格回归。但噪声层的存在使得“何时回归”变得不确定，这正是策略风险的主要来源。

2.2 随机游走假说：均值回归的对立假设

随机游走假说（Random Walk Hypothesis）由法国数学家巴舍利耶（Louis Bachelier）于1900年首次提出，后经萨缪尔森（Paul Samuelson）和法马（Eugene Fama）等学者发展完善。该假说认为，价格变动是相互独立的随机事件，历史价格无法预测未来价格。

核心原理：数学表达与含义

随机游走模型的数学形式为：

P_t = P_{t-1} + ε_t

其中，P_t 为 t 时刻价格，ε_t 为独立同分布的随机扰动项，均值为零。这意味着价格变动的最佳预测值就是当前价格，任何基于历史数据的预测都不优于“维持现状”。

随机游走假说对均值回归策略提出了根本性挑战：如果价格真的服从随机游走，那么任何“偏离均值”都只是随机波动的一部分，不存在必然回归的力量。然而，实证研究表明，随机游走假说在严格意义上并不成立——金融资产价格存在微弱但持续的自相关性、波动率聚集和均值回复倾向。

判断方法：如何检验随机游走

1. 自相关检验：计算价格收益率序列的滞后自相关系数。若随机游走成立，各阶自相关系数应接近零。
2. 单位根检验：ADF（Augmented Dickey-Fuller）检验用于判断序列是否包含单位根。若存在单位根，则价格序列非平稳，随机游走成立。
3. 方差比检验：比较不同时间间隔的收益率方差。随机游走下，方差应与时间间隔成正比。

2.3 有效市场假说：信息与价格的赛跑

有效市场假说（Efficient Market Hypothesis, EMH）由尤金·法马在1970年系统提出，是金融学最具影响力的理论之一。该假说根据市场对信息的反映程度，将市场效率分为三个层次。

核心原理：三种效率形态

实证研究普遍支持弱式有效市场，但对半强式和强式有效存在争议。这意味着：基于历史价格的均值回归策略在理论上可行，但必须认识到市场效率的动态性——当越来越多交易者使用同一策略时，超额收益会被竞争抹平。

2.4 均值回归的统计学基础：从直觉到严谨

均值回归策略的统计学基础建立在时间序列分析的核心概念之上。理解这些概念，有助于我们区分“真正的均值回归”与“随机波动中的假象”。

核心原理：四个关键统计概念

• 平稳性（Stationarity）：时间序列的统计特征（均值、方差）不随时间变化。均值回归策略要求价格序列围绕一个稳定均值波动，因此平稳性是前提条件。
• 自相关（Autocorrelation）：序列与其滞后值之间的相关性。正自相关意味着趋势延续，负自相关意味着均值回归倾向。
• 均值回复速度（Mean Reversion Speed）：价格偏离均值后回归的快慢程度，通常用OU过程（Ornstein-Uhlenbeck Process）的参数κ表示。
• 波动率聚集（Volatility Clustering）：大波动后往往跟随大波动，小波动后跟随小波动。这影响均值回归策略的风险评估。

判断方法：均值回归的统计检验流程

1. 平稳性检验：对价格序列进行ADF检验或KPSS检验，确认序列是否平稳。
2. 自相关分析：计算收益率序列的自相关函数（ACF），观察是否存在负自相关。
3. 半衰期计算：通过OU过程拟合，计算均值回归的半衰期（Half-life），即偏离均值后回归一半所需的时间。
4. 协整检验：对于多资产组合，使用Engle-Granger或Johansen检验确认资产间是否存在长期均衡关系。

常见误区与复盘