3. 协整理论与检验：协整的数学定义、Engle-Granger两步法、Johansen检验、协整关系的经济含义、伪回归问题

协整，这个词听起来挺唬人的。说白了，它就是在回答一个问题：两个看似随机漫步的资产，它们之间有没有一条看不见的绳子牵着？

我记得刚入行那会儿，看到两只股票价格走势图几乎一模一样，兴奋得不行，以为发现了套利圣杯。结果回测一跑，亏得底裤都不剩。后来才明白，那叫「伪回归」——两个毫无关系的随机游走序列，在统计上也能表现出高度相关。嗯，协整就是用来拆穿这种假把戏的。

3.1 伪回归问题：为什么不能直接拿价格做回归

先聊伪回归。你想想看，如果我把上证指数和纽约的降水量放在一起做回归，R² 可能还挺高。但这有意义吗？

没有。因为两个独立的随机游走序列，在有限样本里很容易「偶然」走出相似的形状。传统回归的 t 统计量会严重膨胀，你看到的显著性全是幻觉。

伪回归的根源在于：传统回归假设残差是平稳的。但如果两个序列都是随机游走，残差往往也是随机游走，这时候 t 统计量不再服从 t 分布，显著性检验全部失效。

3.2 协整的数学定义

好，那协整到底怎么定义？我尽量说得简单点。

假设有两个时间序列 X_t 和 Y_t，它们各自都是 I(1)（一阶单整，即一阶差分后平稳）。如果存在一个线性组合：

Z_t = Y_t - β * X_t

使得 Z_t 是 I(0)（平稳序列），那么我们就说 X_t 和 Y_t 之间存在协整关系。

这个 β 就是协整系数，Z_t 就是价差序列。说白了，虽然两个序列各自乱跑，但它们之间的差距是稳定的——这就是套利的基础。

3.3 Engle-Granger 两步法

这是最经典的协整检验方法，1987 年提出，拿了诺贝尔奖。我个人习惯在快速验证时先用它，简单直接。

第一步：估计协整回归

用 OLS 估计回归方程：

Y_t = α + β * X_t + ε_t

得到残差序列 ε_t。这个残差就是我们的候选价差。

第二步：检验残差的平稳性

对残差 ε_t 做 ADF 检验。如果 ADF 统计量小于临界值，拒绝「残差有单位根」的原假设，说明残差平稳，协整关系成立。

这里有个坑：EG 两步法的临界值不能用标准的 ADF 临界值表，因为残差是从回归中估计出来的，自由度有损失。要用 MacKinnon 专门给的协整临界值。

看到没？协整的临界值更严格。用标准 ADF 临界值会高估协整关系，我早期就吃过这个亏。

3.4 Johansen 检验

Johansen 检验基于 VAR 模型，用极大似然估计来检验协整关系的个数。它比 EG 两步法更强大，但计算也更复杂。

核心思路是这样的：

1. 构建一个 VAR 模型，然后转换成 VECM（向量误差修正模型）形式
2. 计算矩阵的秩，秩就是协整关系的个数
3. 用迹检验（Trace Test）或最大特征值检验来判断秩的大小

实际应用中，我一般这么选：

• 两个品种：EG 两步法够用，快且直观
• 三个及以上品种：必须用 Johansen，因为 EG 没法处理多个协整关系
• 需要确定协整秩：只能用 Johansen

Johansen 检验的输出会告诉你：

• 协整秩 r = 0：没有协整关系
• 协整秩 r = 1：存在一个协整关系
• 协整秩 r = 2：存在两个协整关系（三个变量时可能）

嗯，这里要注意：Johansen 检验对滞后阶数很敏感。我建议用 AIC 或 BIC 选滞后阶数，别拍脑袋定。

3.5 协整关系的经济含义

协整不只是数学游戏，它有实实在在的经济解释。

如果两只股票协整，说明它们受到共同的「经济基本面」驱动。比如：

• 同一行业的两只龙头股，受相同原材料价格影响
• ETF 和它的成分股组合
• 现货和期货价格

价差的均值回归，本质上就是市场在纠正短期的定价偏差。你想想看，如果两只同行业的股票长期协整，某天一只大涨另一只没动，价差拉大——这不就是套利机会吗？

3.6 知识框架图

下面这张图把协整的核心逻辑串起来了，我建议你多看几遍：

3.7 实操中的几个关键点

最后，我分享几个实战中容易踩的坑：

• 样本期选择：协整关系不是永恒的。我见过很多策略在 3 年回测里协整关系稳稳的，一换到 2020 年就崩了。建议滚动检验，每 3-6 个月重新跑一次。
• 滞后阶数：EG 两步法里，ADF 检验的滞后阶数用 AIC 选。别用固定的 1 阶或 2 阶，不同品种最优滞后不一样。
• 经济含义先行：别只看统计结果。两只股票协整，你得能讲出它们为什么协整。讲不出来的，大概率是数据挖掘出来的假关系。
• 协整 vs 相关性：再次强调，协整不等于相关。我见过相关系数 0.9 但协整检验不通过的，也见过相关系数 0.3 但协整显著的。价差的均值回归才是核心。