4、配对交易核心概念：价差（Spread）、价差标准化（Z-score）、对冲比率（Hedge Ratio）、交易信号与阈值设定
配对交易的核心并非预测价格涨跌，而是捕捉两只高度相关资产之间价差的均值回归行为。要构建一套可执行、可回测、可风控的统计套利系统，必须先厘清四个相互关联的基础概念：价差（Spread）、对冲比率（Hedge Ratio）、价差标准化（Z-score）以及交易信号与阈值设定。这四个概念构成了从“观察价格”到“生成交易指令”的完整逻辑链条。价差是交易的对象，对冲比率决定了价差的计算方式，Z-score 将原始价差转换为可比较的统计量，而阈值设定则直接决定了开仓、加仓与平仓的纪律。下面我们逐一拆解，并给出实战中的计算细节与常见陷阱。
上图展示了从价格序列到交易信号的完整链路。在实际操作中，我们首先通过协整回归或相关性分析确定两只资产的长期均衡关系，得到对冲比率 β；随后利用 β 构建价差序列；再对价差进行标准化处理，得到 Z-score；最后根据 Z-score 的数值与预设阈值比较，触发不同的交易动作。下面我们深入每个环节。
4.1 核心原理：从价格关系到价差序列
配对交易的前提是两只资产（通常为股票、ETF、期货或加密货币）之间存在长期稳定的统计关系，即协整关系。协整意味着尽管单个资产价格是非平稳的随机游走，但它们的某种线性组合（即价差）是平稳的，会围绕一个长期均值上下波动。这个线性组合的系数就是对冲比率 β。
价差的定义并非简单的价格相减，而是经过 β 调整后的残差：
Spread(t) = P_A(t) - β × P_B(t)其中 P_A(t) 和 P_B(t) 分别为 t 时刻资产 A 和 B 的价格（或对数价格）。β 通常通过对历史价格序列进行普通最小二乘回归（OLS）得到：P_A = α + β × P_B + ε。回归得到的 β 就是使价差序列方差最小化的最优对冲比率。值得注意的是，β 并非一成不变，需要定期（如每周或每月）重新计算，以适应市场结构的变化。
4.2 判断方法与操作流程：Z-score 的计算与动态更新
原始价差序列虽然平稳，但其数值受价格水平影响，难以设定统一的交易阈值。因此，我们需要将价差标准化为 Z-score，使其服从均值为 0、标准差为 1 的标准正态分布（近似）。Z-score 的计算公式为：
Z(t) = (Spread(t) - μ_spread) / σ_spread其中 μ_spread 和 σ_spread 分别是过去 N 个交易日（通常取 20 或 60）价差的滚动均值和滚动标准差。滚动窗口的选择直接影响信号的灵敏度和稳定性：窗口越短，Z-score 对近期价格变化越敏感，但容易产生虚假信号；窗口越长，信号越平滑，但反应滞后。
操作流程如下：
- 数据准备：获取两只资产至少 6-12 个月的历史日线收盘价数据，确保覆盖完整的市场周期。
- 协整检验：使用 Engle-Granger 两步法或 Johansen 检验确认协整关系。若 p 值 < 0.05，则确认存在长期均衡。
- 估计 β：对 P_A 和 P_B 做 OLS 回归，得到 β 和 α。注意检查残差序列的平稳性（ADF 检验）。
- 构建价差序列：按公式计算每日 Spread(t)。
- 计算滚动 Z-score：设定滚动窗口 N（如 20 日），计算 μ 和 σ，进而得到每日 Z(t)。
- 设定阈值并生成信号：根据 Z(t) 的数值触发交易。
| 步骤 | 关键操作 | 常用参数/方法 | 注意事项 |
|---|---|---|---|
| 1. 资产筛选 | 选择同行业、高相关性标的 | 相关系数 > 0.8 | 避免低流动性资产 |
| 2. 协整检验 | ADF 检验残差平稳性 | p < 0.05 | 防止伪回归 |
| 3. 估计 β | OLS 回归 | 滚动窗口 60 日 | 定期更新 β |
| 4. 计算 Z-score | 滚动标准化 | 窗口 20 日 | 窗口不宜过短 |
| 5. 信号生成 | 阈值比较 | 开仓 ±2.0，平仓 0.5 | 需结合波动率调整 |
4.3 交易信号与阈值设定：从开仓到止损的纪律
阈值设定是配对交易中艺术与科学的结合。常见的阈值体系基于 Z-score 的统计分布特性：
- 开仓阈值（Entry）：通常设为 ±1.5 至 ±2.0。当 Z(t) > 2.0 时，意味着价差高于均值两个标准差，预期将回归，此时做空价差（卖空 A，买入 B）；当 Z(t) < -2.0 时，做多价差（买入 A，卖空 B）。
- 平仓阈值（Exit）：通常设为 0 或 ±0.5。当 Z(t) 回归至均值附近时平仓了结，锁定利润。
- 止损阈值（Stop Loss）：通常设为 ±3.0 或固定百分比。若价差继续扩大而非回归，说明协整关系可能已被破坏，必须果断止损。
- 加仓阈值（Scale-in）：部分策略会在 Z-score 达到 ±2.5 或 ±3.0 时加仓，摊薄成本，但需严格控制总仓位。
阈值并非固定不变，应根据市场波动率动态调整。例如，在波动率上升期，可适当放宽开仓阈值至 ±2.5，避免频繁交易；在波动率下降期，可收紧至 ±1.5，捕捉更多机会。
4.4 案例拆解：基于 Z-score 的 ETF 配对交易实战
我们以两只高度相关的行业 ETF——XLE（能源精选板块 ETF）和 XOP（石油与天然气勘探 ETF）为例，演示完整的信号生成与交易执行过程。数据区间为 2023 年 1 月至 2023 年 12 月，日线收盘价。
背景与目标：XLE 和 XOP 均跟踪能源板块，但权重构成不同，存在价差回归的统计套利机会。目标是通过 Z-score 信号捕捉均值回归收益，最大回撤控制在 5% 以内。
关键输入数据：
- 协整检验 p 值：0.013（存在协整关系）
- OLS 回归 β = 1.25，α = -3.2
- 滚动窗口：20 日
- 初始资金：100,000 美元
分析判断过程：2023 年 6 月 15 日，Z-score 达到 2.1，触发开仓信号。此时 Spread = P_XLE - 1.25 × P_XOP = 85.4 - 1.25 × 62.8 = 6.9 美元。过去 20 日均值 μ = 5.2，标准差 σ = 0.81，Z = (6.9 - 5.2) / 0.81 = 2.1。策略执行：卖空 1000 股 XLE，买入 1250 股 XOP（按 β 对冲）。
实际操作步骤：
- 6 月 15 日：以 85.4 美元卖空 XLE 1000 股，获得 85,400 美元；以 62.8 美元买入 XOP 1250 股，支出 78,500 美元。净现金流 +6,900 美元。
- 持有期间每日监控 Z-score。7 月 3 日，Z-score 回落至 0.4，触发平仓信号。此时 XLE 价格 83.2 美元，XOP 价格 64.1 美元。
- 平仓操作：买入 XLE 1000 股（支出 83,200 美元），卖出 XOP 1250 股（收入 80,125 美元）。净现金流 -3,075 美元。
结果对比：本次交易盈利 = 6,900 - 3,075 = 3,825 美元，收益率约 3.8%（占用保证金约 50,000 美元），持有期 18 天，年化收益约 77%。同期单纯持有 XLE 的收益率为 -2.6%，XOP 为 +2.1%，配对策略显著跑赢。
风险与代价：若 7 月初价差未回归而继续扩大至 Z = 3.0，策略将触发止损，预计亏损约 2,000 美元。此外，卖空 XLE 需要支付融券费用，年化约 1.5%，对收益有一定侵蚀。
复盘经验：本次成功的关键在于 β 估计准确（协整关系稳定）以及阈值设定合理（2.0 开仓，0.5 平仓）。但需注意，6 月中旬能源板块波动率较低，Z-score 容易达到极值；若在波动率高峰期，同样的阈值可能导致频繁止损。后续可引入波动率过滤器（如 VIX 指数）动态调整阈值。
4.5 常见误区与总结复盘
配对交易看似简单，但实战中充满陷阱。以下是初学者最容易犯的错误：
- 混淆相关性与协整：两只股票相关系数高不代表存在协整关系。相关性衡量的是线性关联强度，协整衡量的是长期均衡。必须通过 ADF 检验确认残差平稳。
- β 值固定不变：市场结构变化会导致 β 漂移。建议每 20-60 个交易日重新回归，或使用卡尔曼滤波动态估计 β。
- 忽略交易成本：配对交易涉及双边买卖，手续费、滑点、融券费用不可忽视。在回测中必须扣除成本，否则实盘收益会大幅缩水。
- 阈值设定“一刀切”：不同市场环境下最优阈值不同。应使用滚动波动率对 Z-score 进行归一化，或采用自适应阈值。
- 忽视尾部风险：价差可能长期不回归，甚至因基本面突变（如公司并购、行业政策）导致协整关系永久破坏。必须设置硬性止损，并控制单笔风险不超过总资金的 2%。