2:01 7 军第 4 期(总第 112 期〉
7 月 15 日出版
经L化，才..^"豆在E
基于相对价拳的成票窗己对叉易来略说化
王春丽，王佩帆
(东北财经大学统计学院，辽宁大连 116025)
〔摘 要〕本文以相对价差为标的优化股票面己对交易策略，借助 R 语言机器化交易策略，以 2012 年 1 月 1 日至 2016
年 6 月 30 日上证 50 指数成分股为股票池，自动化筛选备择股票对，捕捉交易时机，进行高仿真模拟交易。实证结果
表明，以相对价差替代绝对价差作为交易标的进行统计套利画己对交易具有可行性，且相比于绝对价差，相对价差可以
体现股票价格间的联动性及实际变化情况，增强股票对间价格变化的灵敏性和准确性，投资绩效更具稳定性。
〔关键词〕统计套利;股票面己对交易;相对价差;绝对价差
中图分类号:阳 文献标识码 A 文章编号 1008 -4096 ( 2017 ) 04-0069 -08
一、问题的提出
自 2008 年金融危机后，量化技资引人中国，近几年呈现出较快的发展态势。统计套利是-种有
别于无风险套利的量化投资策略，配对交易是较为重要且常用的统计套利策略，是借助统计方法、利
用配对证券的历史价格统计规律进行投资的风险套利[1] 。因此，对于配对交易而言，恰当的交易标
的的确定尤为重要。
现有文献对于配对交易策略的优化大多偏向于配对证券的筛选方法、建仓和平仓时点的捕捉方法
两方面展开改进与优化。配对证券筛选方法方面， Nath[2] 采用距离法，使用 15 百分位的分布距离作
为交易触发点， 5 百分位的分布距离作为止损点进行配对交易。 Gatev 等[3] 也使用距离法选择交易对
象，并确定交易信号。国内学者张戳等[4] 选取股票内在价值指标及市场敏感性指标，对同质性较强
的行业内股票采用马氏距离进行聚类分析，选取备择股票对。王春峰等[5] 基于 GGR 模型，以沪深
300 指数成分股作为股票池，计算标准化的股票价格累计离差平方和选取股票。距离法采用不同的距
离计算方法以及指标选择，导致配对证券筛选结果具有多样性，易将配对误差或错误带入后续交易，
影响交易收益。因此，学者引进协整方法，采用协整方法分析证券对的长期均衡关系，从而选定配对
证券。 Vidyamurthy[6]使用协整方法建立了一个用于预测的框架，并对均值回复的残差进行分析，从
而筛选出具有长期均衡的股票组合。考虑到协整方法仅考察证券对的协整关系，并未关注证券组合间
相关性强弱程度，丁涛[7] 在采用协整检验的同时，引进 Pearson 相关系数，选取中国 A 股市场银行业
股票中相关性最强的中国银行与中信银行作为配对交易策略模拟交易股票对，其模拟交易收益率为
正。邢恩泉和尹涛[8] 针对备择股票对具有较高的相关性这一性质，选取存在同一产业链等经济学联
系的股票作为交易备择股票对，通过计算股票对间的相关系数、检验价差序列协整关系筛选模拟交易
股票对。配对交易建仓和平仓时点捕捉方面，以往学者采用经验方法、机器学习方法以及随机价差方
收稿日期: 2017 ..03-16
基金项目:辽宁省教育厅人文社会科学项目"量化选股与投资策略.. (LN2016YB034); 东北财经大学校级科研项目-般项目
"我国量化基金的发展与应用.. (DUFE2015Y35)
作者简介:玉春丽 (1963-) ，女，山东莱州人，教授，博士，主要从事金融统计与证券投资研究。 E-mail: 伊d9@ dufe. edu. cn
王佩帆 (1992-) ，女，辽宁鞍山人，硕士研究生，主要从事金融统计与证券投资研究。 E-mail: wdiana@
69
，化，才 ft-f，~ 学报' Number 4 (General Serial No. 112)
July , 2017
法确定阔值。典型经验方法确定的交易触发点和平仓点的设定分别是价差序列 2σ 和 3σ。杨楠和陆人
杰[9]使用指数加权估计 (EWE) 刻画时变性，通过图示法推断最优年化收益率所对应的阔值范围，
并结合向量误差修正模型 (VECM) 对日内黄金期货合约进行套利交易。经验方法确定阔值的主观性
强，采用机器学习方法可以有效规避主观风险，且其确定的交易阔值具有动态、性。欧阳红兵和李
进[叫针对价差序列进行 AR (1) 建模拟合，进而采用数值算法估计交易持续期、交易间隔期和交易
次数，最终将最优阔值的选择转换为利润最大化的问题。张河生和闻岳春[11] 选取股指期货分钟数据
进行配对交易策略优化，借助 MATLAB 创建调试函数进行建仓和平仓阔值的调试，确定收益最大化
的动态阔值参数，从而确定最优动态闽值。随机价差方法的科学性更强，但其复杂度亦是较高。
Puspaningrum 等[口]根据配对交易的均值回复过程一-o-u 过程，编写算法计算交易期长度以及交易
最优阔值。 Nunno 和 Eksenda[川使用 o-u 过程框架探讨了配对交易最优收益 并对模型参数进行敏
感性分析。 Zeng 和 Lee[14] 根据交易成本和 o-u 过程参数，拟合实现长期平均收益最大化的函数，计
算确定最优阔值。黄晓薇等[ 15] 将 o-u 过程引人到配对交易策略中，借助完整公式推导计算求得交易
建仓和平仓阔值，避免经验阔值确定法中的主观因素。
交易标的是影响量化投资收益的重要因素之一，是决定配对交易证券对的根本因素，综合以上己
有文献，鲜有针对交易标的进行改进的相关研究，配对交易标的始终使用绝对价差 (absolute spread ,
是指同时期配对证券的价格之差) ，考虑交易标的所需的波动性及灵敏性，综合己有策略改进方法，
本文引人相对价差 (relative spreads) 替代绝对价差 (absolute spreads) 作为交易标的，采用协整方法
筛选证券对、机器学习方法确定阔值，并通过同时期、同方法的仿真交易绩效对比分析，判断以相对
价差为标的配对交易策略可行性及策略的优化程度。
二、数据来源与研究方法
(一)数据来源
本文采用统计套利配对交易策略，选取 2012 年 1 月 1 日至 2016 年 6 月 30 日上证 50 指数成分股
的前复权日交易数据进行实证检验、模拟交易及对比分析。由于上证 50 指数是由沪市 A 股市场规模
大、流动性好的最具代表性的 50 只股票组成样本股 以综合反映上证市场最具市场影响力的一批优
质大盘企业的整体状况，因而以上证 50 指数成分股作为股票池，对于中国沪市 A 股市场具有相当程
度的代表性。
选取 2012 年 1 月 1 日至 2016 年 6 月 30 日 共计 1090 个交易周期的上证 50 指数的 50 只成分股
作为样本，其中， 2012 年 1 月 1 日至 2014 年 5 月 31 日作为样本内数据集，共计 580 个交易周期，
2014 年 6 月 1 日至 2016 年 6 月 30 日 共计 510 个交易周期，作为样本外数据集。为保证股票价格的
连续性，提高实证分析的可操作性以及现实意义，根据上证交易所交易规则，选取前复权日交易数据
作为样本数据。本文数据来自 WIND 数据库及锐思( RESSET/DB) 金融研究数据库。
(二)研究方法
1.交易时机确定原理
本文交易时机阔值的确定采用机器学习方法。根据统计套利理论假设配对交易的股票对为 A
和 B ，其股票价格为 PA 和 PB • 且 PA>PB ，所建立的投资组合为 Z，投资组合价格为 PZO 投资组合 Z
是平稳的，有E (Z) =μ ， Var (Z) =σ，在 ti 时刻，投资组合 Z 的价格为 pz. ，若 pz.>μ+凹，则可
进场进行正向套利，即买入 B，同时卖出相等金额或相等数量的 A; 反之，若 Pz， <μ-nσ，则可进场
进行逆向套利，即买入 A，同时卖出相等金额或相等数量的 Bo
其中，传统配对交易协整交易策略的投资组合价格 Pz 为绝对价差，有:
PZ=PA-PB (1)
为反映股票对间的价格变动比例，增强股票对间变动的灵敏性，以相对价差作为股票配对交易投
资组合的价格 Pz ，有:
PZ= (PA-PB ) / (PA+PB ) (2)
2. 建立投资组合及模拟交易原理
70
2~017 军第 4 期〈总第 112 期〉
7 同 15 日出版
缸坐坐立E
基于配对交易协整策略的交易原理采用相对价差替代传统方法的绝对价差作为交易标的。一组
相关性较高、联动性较强的股票或其他证券，如果这种均衡关系在未来依然存在，一旦两者价格间出
现了背离的走势，且这种背离在未来将会得到纠正，则可在这种背离回归均衡的过程中产生套利的机
会。本文采用相关分析和协整方法相结合的 C&I (Correlation & Co-integration) 方法筛选股票对，并
采用机器学习遍历法计算最优交易阔值，进行高仿真模拟交易，判别以相对价差为交易标的的配对交
易策略在沪市 A 股市场的可行性，以及相比于以绝对价差为交易标的的配对交易策略优化程度。
统计套利配对交易原则上是零交易成本的，但综合考虑中国当前金融市场交易机制，以及保证模
拟交易的高仿性，交易伊始技资者持有每只参与交易的股票 100 手(即 10 000 股)。在交易成本方
面，本文模拟交易交易费用设定为:印花税率为双边 %0 ， 过户费为双边 %0 ， 交易佣金为双边
%0; 用于配对交易的交易股票对持有成本，以样本期首日收盘价进行计算。此外，在模拟交易时
采用现金中性法，即每次交易买卖股票的金额相等，先进行卖出交易，使用卖出交易取得的资金，买
进对应资金范围内可以买进的最大交易量问。
当股票对交易标的 PZ~μ+nσ 时，卖出价格相对较高的股票，买入价格相对较低的股票，此为正
向套利，当股票对交易标的 Pz 继续上涨，直至击穿 μ+3σ，此时进行反向止盈或者止损交易，强制
停止套利交易;当股票对交易标的 Pz 运 μ-凹，买入价格相对较高的股票，卖出价格相对较低的股
票，此为逆向套利，当股票对交易标的 Pz 继续下跌，直至击穿 μ-3σ，此时进行反向止盈或者止损
交易，强制停止套利交易。为避免不必要的频繁交易，相邻交易时间仅保留首日。配对交易人场时机
的捕捉、交易的模拟进行和收益率的计算由 R 语言编程完成。
三、配对交易策略优化实证分析
(一)策略优化可行性
1.选择交易对象
统计套利配对交易策略的一组交易股票对或者一组投资组合 其每一个交易对象需满足一阶单整
的性质，每一组交易对象需要具有较强的相关性和相互联动性，且交易对间存在长期均衡的协整关
系。本文依据 CSRC (证监会行业分类标准)对上证 50 指数 50 只成分股进行行业归类，共包括 8 个
行业门类、 20 个行业大类。上证 50 指数成分股具有股票盘子大、流动性好等固有特点，且具有一定
程度的行业覆盖性，考虑个别行业人选股票数量较少，本文在选择样本股时剔除行业门类少于 2 只股
票的子行业。此外，配对交易的交易股票对间须具有较强的相关性与相互联动性，且一组股票对的主
营业务、总市值、行业周期等因素对股票间相关性均有影响，在同行业中筛选备择股票对，能够在一
定程度上增加股票对的相关性。因此，本文将以上证 50 指数成分股中的金融业(])和建筑业 (E)
股票为样本，建立优化策略的股票池，其中，金融业包括货币金融服务业 (J66 )、资本市场服务业
(J67) 和保险业 (J68 )三个子行业的 21 只上市公司股票，建筑业 (E) 则选用土木工程建筑业
(E48) 的 5 只上市公司股票，构建配对交易样本股票池，从股票池中筛选交易股票对，进行统计套
利配对交易策略的模拟交易，从而对以相对价差为交易标的优化的配对交易策略的可行性，以及相比
于以绝对价差为交易标的的配对交易策略优化程度进行实证分析。
对样本内数据集 (2012 年 1 月 1 日至 2014 年 5 月 31 日)依行业门类，分别对金融业和建筑业
的股票进行相关分析，金融业和建筑业内股票间相关系数在 波动，极少出现大于
的情况，说明在 2012 年 1 月至 2014 年 5 月间，股票间相互联动性并不十分显著，大部分股票间存在
弱相关关系，只有少数股票间具有强相关关系。在货币金融服务业 (J66) 行业中，兴业银行与民生
银行、兴业银行与浦发银行相关系数较高 分别为 和 紧随其后的是光大银行与交通
银行以及浦发银行与交通银行。隶属于资本市场服务业 (J67) 行业的中信证券与海通证券存在极强
的相关性，且相关系数大于 居于首位。在保险业 (J68) 行业中，中国太保与中国人寿相关性最
强，其相关系数为 ，紧随其后的是中国太保与中国平安，这两组股票对的相关程度高，且其
股票价格序列历史走势存在交叉情况。而新华保险与中国人寿以 O. 7560 的相关系数存在弱相关。此
外，本文配对交易策略的交易股票对，是选取股票价格序列间具有相关性、且不存在股票价格交叉情
71
，化，才..""豆市E Number 4 (General 5e咀al No. 112)
July. 2017
况的股票对，土木工程建筑业(E48) 行业的中国铁建与中国中铁以 的相关系数通过相关分
析，居行业最高。
综合考虑股票池中各组股票对的相关系数、主营业务，以及流通市值占总市值的比例等影响股票
对相关性的因素，在样本内数据集选定兴业银行与民生银行、中信证券与海通证券、新华保险与中国
人寿以及中国铁建与中国中铁，作为样本内数据集以相对价差为标的的配对交易策略备择股票对，进
行策略可行性分析。
基于相关分析与协整方法相结合的 C&I 方法 筛选以相对价差为交易标的的配对交易交易股票
对。通过上文的相关分析，对样本内数据集中已选出 4 组备择股票对，采用 C&I 方法中的协整方法
(C。一integration) ，对 4 组备择股票对股票价格序列的平稳性，以及股票价格序列间是否存在长期均衡
关系进行协整分析。
股票对间存在协整关系通常需要两个条件:一是股票对股票价格序列是一阶单整向量;二是两只
股票价格序列的某种线性组合是平稳的[8] 。因此，需对 4 组备择股票对的股票价格序列进行 ADF 检
验， 4 组备择股票对均为一阶单整序列，即 1 (1)过程(如表 1 所示)。
表 l 股票价格序列 ADF 检验结果
备择股票 DF 值 P值 平稳J性 备择股票 DF 值 P 值 平稳性
兴业银行 -1. 8270 非平稳 新华保险 非平稳
民生银行 -1. 2250 非平稳 中国人寿 O. 3019 非平稳
A 兴业银行 '" 平稳 A新华保险 川 平稳
A 民生银行 '" 平稳 A 中国人寿 '" 平稳
中信证券 非平稳 中国铁建 非平稳
海通证券 非平稳 中国中铁 非平稳
~~中信证券 川 平稳 A 中国铁建 川 平稳
A 海通证券 ... 平稳 A 中国中铁 叫 平稳
注:山表示在 1% 的显著'性水平下显著。
对 4 组备择股票对分别进行协整分析，考虑到每组备择股票对协整方法与步骤相同，此处仅以属
于货币金融服务业 (166) 的备择股票对一一兴业银行与民生银行为例，进行协整检验。对备择股票
对使用 OLS 法估计其协整回归方程，设兴业银行和民生银行前复权日收盘价序列为 XY，和 MS， (t =
1 , 2 ，…时，其协整回归方程为:
XY, = 1. 242MS, +E, (3 )
回归方程 (3) 的调整的决定系数 R2 = ，拟合效果较好，且民生银行股票价格序列作为解
释变量来表现兴业银行股票价格序列是显著的 表明民生银行股票价格序列能够解择兴业银行股票价
格序列 740毛的变动。对回归方程 (3) 的残差 e，进行单位根检验， ADF 检验的 P 值为 ，表明在
1% 的显著性水平下拒绝原假设，残差序列不存在单位根，可以判断兴业银行与民生银行两只股票间
存在长期均衡关系，选作以相对价差为标的的配对交易的交易股票对。以相同的方法对其他 3 组备择
股票对进行协整检验，检验结果表明，各组股票对协整回归方程的残差序列均是平稳的，由此判断各
组备择股票对中的两只股票间，均具有长期均衡的协整关系(如图 1 所示)。
2. 捕捉交易时机
本次模拟交易中，被选作交易的股票对收益率具有较高的正相关关系，且股票对间具有协整关
系，因而根据交易时机捕捉规则，可在相对价差大于 μ+nσ 时进行正向套利，在相对价差小于 μ-nσ
时进行逆向套利。基于此逻辑，借助 R 语言编程，自动筛选出符合条件的交易信号，按照相对价差
捕捉交易时机。对于交易阔值的设定采用机器学习遍历方法，经测试，此时 n= 最优。在相对
价差条件下，使用样本内数据集进行交易数据的捕捉， 4 组备择股票对共筛选出 67 次交易，交易时
机汇总如表 2 所示。
72
圣化，才1t"/，~豆点Ez:oJ7íf第 4 期〈总第 112 期)
7 月 15 日出版
中信证券与海通证券协整囚归方程残差序列平稳性
寸.
寸.Ol
-K
怯州
mM
闹剧桦
hH
忠臣制牵
nv nv ro
= 业兴银行与民生银行协整回归方程残差序列平稳性
问寸
险。
$J,,!
t衷。
导思主
权工
illo
@l..!..
剖Q ci
1生 l
600
中国铁建与中国中铁协整回归方程残差序列平衡性
问的
{世=
$J二
部刮
目剧 。
快 S
-ill 9
@l .;.,
剧二
600 ~ I 600
500 400 200 300
时间序列
AU OV 1
O 500
新华保险与中国人寿协整罔归方程残差序列平衡性
300 400
时间序列
200 100 O
京怯制恻惩制制
MHEE
翻幸
500 400 200 300
时间序列
100 。500 200 300 400
时间序列
100 O
以兴业银行与民生银行为例，其交易时机捕
捉如图 2 所示，当相对价差波动大于 μ+nσ，或
者小于 μ-nσ( 此处 n=) 时，即当相对
价差折线(实线)由下往上或者由上往下穿过
图 2 中的交易信号线时，触发交易，开始建仓交
易;当相对价差波动超过 μ士3σ 时，即当相对价
差折线突破止盈或者止损线时，进行止盈或者止
损强制停止交易。
样本内数据集 4 组股票对协整回归方程残差序列平稳性检验
以相对价差为标的的配对
交易交易时机捕捉数量
圈 1
单位:次
套利交易次数
兴业银行与民生银行
中信证券与海通证券
新华保险与中国人寿
中国铁建与中国中铁
总计
相对价差
17
12
17
21
表 2
67
-rJ:2ZTE卢牛mN.。
CN-om
『.。
州州乞」
V问要
。巧。
600 500 400 300
时间序列
200 100 。
兴业银行与民生银行配对交易阑值与交易信号
3. 建立投资组合及模拟交易
按照所建立的投资组合，借助 R 语言编程，对 4 组备择股票对进行高仿真模拟交易，以相对价
差为交易标的的配对交易收益绩效如表 3 所示。判断技资策略是否可行最直观的指标是技资收益率，
若投资收益率总体为正，则表示投资策略在基本层面存在可行性。同时，投资收益率也是衡量交易信
73
图 2
，化，才ø-"~豆市E Number 4 (General Serial N o. 112)
July , 2017
号抓取质量的指标。在 2012 年 1 月 1 日至 2014 年 5 月 31 日的样本期间进行的配对交易， 4 组交易股
票对按照等权重构建的技资组合进行投资交易，每组交易股票对收益表现均优于长期持有情况下的投
资收益率(如表 3 所示)。除保险业交易股票对外，每组配对交易策略交易股票对在样本内数据集中
均获得较为可观的正向收益率。新华保险与中国人寿投资收益率呈现负值，是由于在此交易期间，两
只股票价格序列长期走势表现为下跌状态 此阶段的配对交易是以降低持有损失为目的。
表 3 以相对价差为标的配对交易收益率 单位:%
交易对象 正向套利交易收益率 逆向套利交易收益率 总收益率 样本内数据集收益率
兴业银行与民生银行 37. 35 31. 89
中信证券与海通证券
新华保险与中国人寿
中国铁建与中国中铁 21. 29
因此，以相对价差为标的的配对交易策略抓取的交易信号数量可观，且信号质量良好，在上涨行
情中能够获得可观的投资收益，在下跌行情里可以进行资产保值、降低损失。综上所述，以相对价差
作为交易标的的配对交易投资策略在沪市 A 股市场具有良好的可行性。
(二)配对交易策略优化程度
以相对价差为交易标的的配对交易策略优化 是基于以绝对价差为交易标的的配对交易策略进行
改进的，其优化后的配对交易策略在中国沪市 A 股市场的交易绩效较为可观，具有可行性。为进一
步研究以相对价差为标的的配对交易，较绝对价差作为交易标的的策略优化程度，本文沿用在样本内
数据集中进行模拟交易所用的选股方法 以及确定交易阔值的程序代码按照相同的交易规则及约
定，在样本外数据集中分别对以相对价差为交易标的的配对交易策略 A 和以绝对价差为交易标的的
配对交易策略 B 进行模拟交易，对比分析两种交易标的的交易绩效，以此对以相对价差为交易标的
的配对交易策略优化程度进行评价。
1.选择交易对象
样本外数据集是由 2014 年 6 月 1 日至 2016 年 6 月 30 日，上证50 指数 50 只成分股的前复权日收
盘价序列构成的。随着股票市场的不断健全，股市规模与容量的持续扩大，以及中国经济形势与经济
政策的影响，行业间上下游产业和同行业内相似企业间的相互作用力增强。此外，经相关分析，与优
化策略可行性研究的股票池相比，策略优化程度研究股票池中，行业内样本股间相关性在不同程度均
有增强，有效提高了配对交易交易对象的筛选质量。依据 C&I 方法，对样本外数据集股票进行交易
股票对的选取。在备择股票选取方面，与优化策略可行性分析阶段相类似，在 J66 行业中，工商银行
与农业银行的相关性最强，相关系数为 ，紧随其后的是光大银行与交通银行。在 J67 行业中，
中信证券与海通证券保持样本内数据集的强相关性，并以 的极强相关性位列行业第一，光大证
券分别与兴业证券、招商证券间存在强相关。在 J68 行业中，中国平安与中国太保存在强相关性。在
E48 行业中，中国铁建与中国中铁的相关性继续增强在样本外数据集中 两只股票相关系数为
，具有极强相关关系。
综合考虑股票对的企业性质、主营业务以及流通市值与总市值的比例等影响相关性的各类因子，
并约束交易股票对股票价格序列在交易期内无交叉，在此阶段选择工商银行与农业银行、中信证券与
海通证券、中国平安与中国太保以及中国铁建与中国中铁 4 组股票对，构成配对交易备择股票对，开
展策略优化程度的研究。
所选的股票对样本外数据集前复权日收盘价走势均具有较强的一致相关性，对 4 组备择股票对的
每只股票价格序列进行单位根检验，经 ADF 检验，每只股票价格序列在 10% 的显著水平下，其 DF
统计量均小于 ADF 临界值，且 P值均大于 ，则接受原假设，股票价格序列是非平稳的。每只股票
一阶差分后的股票价格序列均以小于 的 P 值，在 1% 的显著性水平下拒绝原假设。因此，判别
备择股票对每只股票均服从一阶单整过程，即 1 (1)过程，结合备择股票对股票价格序列和一阶差
分的股票价格序列波动图，判别备择股票对平稳性，以货币金融服务业 (J66) 为例(如图 3 所示)。
74
]-期qa---1· 第总-''t
、国
黯-版4-
出
第-曰军古m-
用
句&·句，
.
寸。.寸
占总蚓刊每
工商银行股票价格序列平稳性
一一收盘价
均值
圣化动~f，~豆il
工商银行股票价格序列←阶差分平稳性
收盘价
均
吧?
o
M
运4起揭= E 昌
Fo d
咕
o
500 。。 100 200 300 400
时间序列
农业银行股票价格序列平稳性
旷飞
<'l
<'l
。
时
副$运 ci
o
矿，、
。
500 。
。-m
s辑部『
旷】
M
。 100 200 300 400
时间序列
100 200 300 400 500
时间序列
农业银行股票价格序列←阶差分平稳性
100 200 300 400 500
时间序列
图 3 工商银行与农业银行股票价格序列平稳性检验
一阶单整的每组备择股票对股票价格序列间可能存在长期均衡关系。分别对每组备择股票对进行
协整检验，建立协整回归方程，并检验方程残差序列的平稳性。 4 组备择股票对协整回归方程残差序
列单位根检验中，每组检验的 DF 统计量均在 1% 的显著性水平下通过 ADF 检验，拒绝原假设。 4 个
协整回归方程的拟合优度较高 可以判定策略优化程度研究阶段筛选的 4 组备择股票对，存在长期均
衡的协整关系，并可作为配对交易交易对象依投资规则展开技资。
2. 捕捉交易时机
依据交易时机捕捉原理分别按照相对价差和绝对价差捕捉交易时机此时 n=1 。使用样本外
数据进行交易时机捕捉，在相对价差条件下， 4 组备择股票对共筛选出 44 次交易，在绝对价差条件
下， 4 组备择股票对共筛选出 49 次交易。在样本外数据集中，配对交易策略 A 的交易次数较配对交
易策略 B 少 5 次，较为有效地降低由于交易发生的交易成本，增加了提高投资绩效的可能性。
3. 建立投资组合及模拟交易
样本外数据集包含了股票市场的一次较为完整的"盘整震荡一牛市一熊市"。在此交易期内， 4
组备择股票对股票价格序列波动较为剧烈，两个配对交易策略的投资收益均高于价值技资长期持有交
易策略的投资收益，且两个交易策略投资收益极为接近(如表4 所示)。
表 4 不同交易标的的两个配对交易策略收益率
交易时机数量(次) 交易收益率(% ) 样本外区间行业代码 交易对象 配对交易 配对交易 配对交易 配对交易 收益率(% ) 策略 A 策略 B 策略 A 策略 B
J66 工商银行与农业银行 16 19 45. 83 41. 2
J67 中信证券与海通证券 4 6
J68 中国平安与中国太保 15 13 89. 75
E48 中国铁建与中国中铁 9 11 149. 1
在此情况下，综合考虑表 4，在相同的交易区间，配对交易策略 A 捕捉到的交易时机个数少于配
对交易策略 B ，且二者投资收益相近，因而可判断相对价差在对于交易股票对间价格变动反应的灵
敏性与准确性较高，且能够较为有效地规避由于交易时机错抓而造成技资亏损的风险。此外，此次模
拟交易采用的是单一交易阔值与单-止盈止损阔值相结合的方法，进行交易时机的捕捉，这亦可能是
75
，化，才1t;，"手拉E
导致两种配对交易策略的投资收益率差异性较弱的原因之一O
四、结论
Number 4 (General Serial No. 112)
J叫y ， 2017
第一，以股票对相对价差为配对交易策略的交易标的，在中国沪市 A 股市场具有可行性。利用
样本内数据集展开实证分析，分析结果显示，以相对价差为交易标的的交易股票对间，具有较强的相
关性和相互联动性，其股票价格序列是一阶单整的，股票对序列具有长期均衡的协整关系，符合配对
交易策略交易标的和交易对象基本要求。相对价差对于股票对价格变动的表现，具有更强的真实性和
更高的灵敏度。在配对交易的交易绩效方面，以相对价差为标的的配对交易投资组合中，抓取的交易
信号数量可观，且信号质量良好，在上涨行情中能够获得可观的投资收益，在下跌行情里可以进行资
产保值、降低损失。
第二，以相对价差为交易标的的股票配对交易策略 A 的交易绩效，较以绝对价差为标的的配对
交易策略 B 表现更优。实证对比分析显示，在其他条件相同的情况(交易股票对筛选方法相同、交
易阔值的确定方法，以及交易规则相同)下，两个配对交易策略的投资收益均高于价值投资长期持
有交易策略的技资收益，且在交易股票对长期趋势呈下跌状态时，能够有效地规避风险，锁定利润进
行保值。此外，在投资收益相近的情况下，以相对价差为交易标的的配对交易策略 A，所捕捉的交易
时机数量低于以绝对价差为标的的配对交易策略 B，对于交易股票对间价格变动反应更灵敏，亦能有
效规避错抓风险，降低交易成本。
第兰，配对交易策略交易标的对投资绩效的影响是显著的。一个完整的量化交易策略包括交易标
的的确定、技资组合的选取与建立、交易信号的捕捉与判别、止盈与止损的风险控制等方面，以往学
者大多是从投资方法、风险控制等角度进行投资策略的改进与优化，而忽视了策略最根本的交易标的
的选取。特别地，统计套利配对交易的交易标的决定着交易金融产品对交易阔值的计算与确定，同
时，对配对交易的交易时点和交易次数的提取都存在不同程度的影响。此外，不同的进场时点和出场
时点的交易对象价格的不同，导致其交易成本具有差异，从而影响投资交易的收益情况。
参考文献:
[ 1 J 丁鹏.量化投资一一策略与技术[ M]. 北京:电子工业出版社， 一254.
[2 J Nath , P. High Frequency Pairs Trading With U. S. Treasury Securities: Risks and Rewards for Hedge Funds [ J J . Ssrn
Electronic Journal , 2004.
[ 3 J Gatev , E. , Goetzmann ，引人， Rouwenhorst ， K. Pairs Trading: Performance of a Relative - Value Arbitrage Rule [ J J . The
Review of Financial Studies , 2006 ,19 (3) : 797 -827.
[4J 张眩，李婷，李凌飞.基于聚类分析与协整检验的 A 股市场统计套利策略[J]‘统计与决策， 2012 , (15) : 1创-169‘
[5J 王春峰，林碧波，朱琳.基于股票价格差异的配对交易策略[1].北京理工大学学报(社会科学版) , 2013 , ( 1) : 71-75.
[6J Vidyaml川峙， G. Pairs Trading: Quantitative Methods and Analysis [J]. Pearson Schweiz Ag , 2004: 35 -47.
[7J 丁涛.配对交易策略在 A 股市场的应用与改进[1].中国商贸， 2013 , (5): 24-26 , 28.
[8J 邢恩泉，尹涛.协整模型的配对交易策略优化[1].经济数学， 2015 , (1): 65-69.
[9J 杨楠，陆人杰.基于日内高、低价协整关系的统计套利研究[1].数理统计与管理， 2015 , (6): 1066-1076.
[ lO J 欧阳红兵，李进.基于协整技术配对交易策略的最优阔值研究[J J. 投资研究， 2015 ,( 11) : 79-90.
[11 J 张向生，闻岳春.基于参数调整的协整配对交易策略:理论模型及应用[ J]. 西部金融， 2013 ,(1): 11-16.
[口I口2幻J PU山I届spa阳am川m呻ngr伊阴阳TUr山A且皿1m口m叽n ， H且. , L灿in ， Y立. ， Gωωu川lati副ati ， C. F盯indi时耐di吨n吨g t加he Optimal Pre - Set Bou山undaries f，阳o旧r Pairs Trading Strategy Based on
Cointegration Technique [J]. Journal of Statistical Theorγand Practice ,201O,4(3) :391-419.
[ 13 J Nunno , G. , Eksenda , B. Advanced Mathematical Methods for Finance [ M J . Berlin: Springer Berlin Heideberg ,
201 1. 247-255.
[14 J Ze吨， Z. , Lee , C. G. Pairs Trading: Optimal Thresholds and Profitability [J]. Quantitative Finance , 2014 , 14( 11):
1881 一 1893.
[15 J 黄晓薇，余酒，皮道界.基于 O-U 过程的配对交易与市场效率研究[JJ .管理评论， 2015 , (1): 3一 1 1.
(责任编辑:韩淑丽)
76
