基于时间序列的协整关系的配对交易
创建于 更新于
摘要
本报告系统介绍了基于时间序列协整关系的配对交易策略原理及实现方法，选取申万银行板块股票为样本，运用单位根检验和协整检验确认股票价格协整关系。通过固定模型与在线学习模型对股票净值进行预测，结果表明在线学习模型下预测股价能更准确反映实际价格，价差波动围绕零且具备均值回归特性，支持均值回归配对交易策略在股票及期货市场的潜在应用价值 [page::0][page::2][page::3][page::4][page::5]。
速读内容
配对交易数学基础与协整关系原理 [page::2]
- 配对交易基于两只股票价格的长期均值回归关系获取收益。
- 协整关系指两个非平稳时间序列的线性组合为平稳序列，是配对交易盈利的统计基础。
- 协整不同于相关性，协整强调价格差或比例的稳定均值。
- 银行业板块的股票价格大多为一阶单整，适宜开展协整检验。
申万银行板块协整检验结果及相关数据 [page::3]
- 通过协整检验确定600000（浦发银行）与601166（兴业银行）两只股票存在显著协整关系（p值0.002，相关系数0.792）。
- 该协整对的价格差具备可利用的均值回归特征。
配对股票价格走势及预测模型表现 [page::4]
- 利用线性回归建立协整关系模型拟合股票价格走势，验证两股价的长期稳定关系。
- 固定模型虽反映趋势，但价差偏大，限制套利操作。
- 在线学习模型（滚动窗口估计协整关系）使预测股价更贴近实际值，差价均值回归明显。
配对交易策略构建与现实局限性 [page::5]
- 理想策略为根据当天估计的协整关系建仓，当价格偏离均值时进行买入卖空操作实现套利。
- A股市场受限，无法进行卖空操作，期货市场则更适合该策略发挥。
- 后续研究将关注该策略在期货市场的应用。
深度阅读
金融研究报告详尽分析报告
---
1. 元数据与概览
- 报告标题： 基于均值的配对交易策略——配对交易系列之一
- 作者及联系方式： 研发部分析师程毅敏，SAC执业证书编号 S1340511010001，电话：010-67017788，邮箱：ChengYimin@cnpsec.com
- 发行机构： 中邮证券有限责任公司研发部
- 发布日期： 2018年7月10日
- 报告主题： 本报告聚焦于基于时间序列协整关系的配对交易策略，具体以银行板块股票为样本，分析配对交易的数学基础、方法论及实证研究，目的是帮助投资者理解并应用基于统计套利的配对交易策略。
核心论点与目标： 报告主要阐述基于协整关系的配对交易方法，说明在震荡市场中，该策略具备无视大盘走势，实现收益的潜力。报告重点展示了如何借助时间序列中的协整性来发现两只股票间的长期稳定关系，并据此构建交易策略，同时通过实证数据对模型表现进行了分析。作者明确传达了协整关系的发现及利用协整模型预测股票净值的有效性，并提出实操中受限于A股制度卖空难以实现的局限，期货市场将是更优应用场景。
---
2. 逐节深度解读
2.1 摘要及引言（页0）
- 震荡市场环境中，基于均值回归的配对交易策略受到关注。核心思路是利用两只类似股票价格之间的长期稳定关系（协整关系），当价格偏离时抓住回归趋势进行交易，从而实现套利。
- 报告从时间序列协整的统计角度切入，揭示此类配对交易策略的数学基础和应用思路。
2.2 目录及研究结构（页1）
- 内容包括配对交易数学基础、寻找协整关系、研究结论。
- 图表涵盖银行行业的时间序列平稳性检验、协整检验、配对股票价格走势及预测对比。
2.3 一、配对交易数学基础（页2）
- 关键论点： 配对交易通过两只股票股价差价的均值回归特性实现收益，此外配对交易偏统计中性，与大盘走势关联较小。
- 核心概念解释：
- 协整性（cointegration）：两组非平稳时间序列（单整序列）线性组合为平稳序列，表明存在稳定的长期关系。
- 相关性和协整性不同：相关高不代表协整强，且协整关系在配对交易策略中更为关键。
- 实证基础： 以申万一级行业银行板块为研究对象，选取2016-2017两年数据，使用Augmented Dicky-Fuller（ADF）单位根检验检测序列平稳性。结果显示股票价格序列多数非平稳（P值均大于0.05，无法拒绝非平稳原假设），需做一阶差分检验确保单整性，为后续协整分析提供统计基础。
2.4 二、寻找基于协整的价格长期关系（页3至页5）
- 关键论点： 价格比率均值和协整两种寻找长期关系方法对比，报告重点采用协整关系。
- 统计方法说明： 通过建立线性回归模型
\[
P{1,t} = a + b P{2,t} + \epsilont
\]
若残差 \(\epsilont\) 为平稳序列，则两股票价格存在协整关系，回归所得的线性组合反映长期均衡价格关系。
- 实证案例（图表3）： 以银行股为例，股票代码600000（浦发银行）与601166（兴业银行）协整检验P值为0.002（远小于0.05，拒绝两股无协整原假设），相关系数0.792，表明两者具备较强协整关系。
- 图表4： 显示两只股票的价格净值走势，明显趋势趋同，支持协整假说。
- 预测方法与模型表现（图表5）：
- 固定模型基于固定窗口参数估计协整关系，虽能反映价格趋势但价差偏大。
- 在线学习模型（滑动窗口30交易日）动态调整参数，预测净值与实际走势高度吻合，价差围绕0波动并展现均值回归，显示了该模型在拟合和预测中的优越性。
- 操作策略理想状态： 利用动态协整关系，当某一股票价格超过协整预测值时，做多相对便宜股票，做空较贵股票配合固定收益工具，实现套利。
- 市场局限性说明： A股禁止卖空，故该理想操作不可实现，但在期货市场有较大应用空间。
2.5 三、结论（页5）
- 报告总结了配对交易实施步骤：
- 识别具备协整关系的配对股票；
- 采用在线学习方法动态估计协整参数；
- 利用协整模型预测股价，识别交易信号。
- 强调在线学习模型相较固定模型更为有效，预测股价与实际股价吻合更好，价差呈均值回归趋势。
- 重申理想套利操作基于买入低估股票、卖空高估股票的协整价差策略，指出此操作在A股局限，未来关注期货市场应用。
2.6 附录（页6页7）
- 投资评级及声明： 制定了股票、行业及可转债的明确评级标准，确保投资建议内容的客观和独立。
- 免责声明： 明确数据来源及风险提示，保证报告独立公正且不构成买卖建议。
- 公司简介与业务范围： 中邮证券为中国邮政集团控股子公司，具备完整证券服务资质，业务涵盖经纪、自营、咨询、资产管理等多样化领域。
---
3. 图表深度解读
图表 1（页2）：“申万一级行业：银行 时间序列稳态检验”
- 表格展示16只银行股票2016-2017年期间股价序列的ADF检验P值，除浦发银行(0.0138)外，均高于0.05明显不能拒绝非平稳假设，表明大部分股票价格是非平稳序列。
- 该结果符合股票价格通常为随机游走过程的预期，为实施协整检验做前置准备。
- 数据来源明确，采自WIND资讯，确保权威性。
图表 2（页3）：“申万一级行业：银行 时间序列一阶差分稳态检验”
- 表格呈现上述股票价格序列一阶差分后的ADF检验P值，所有序列均远小于0.05，表明一阶差分后价格序列均平稳，确认了所有原序列为一阶单整序列。
- 该单整性特征是协整检验前提，支撑后续配对交易的合理性。
图表 3（页3）：“银行股协整检验p值 (左) 与银行股相关系数(右) 矩阵”
- 左侧为各股票两两之间协整检验P值矩阵，P值越小，协整关系越显著。
- 以600000与601166配对为例，P值仅0.002显示强协整。
- 右侧为对应股票两两相关系数矩阵，多数相关系数处于0.6-0.9，说明股票价格联动明显，但如前所述高相关不必然意味着协整。
- 该矩阵帮助筛选潜在的配对交易标的，兼顾协整显著性与相关度。
图表 4（页4）：“配对股票价格走势（净值）”
- 以600000、601166两只股票净值为例，可以视觉观察两者价格走势高度类似，尤其部分时间段内呈现协同波动。
- 两股走势趋同支持协整关系的实证基础，在相关数值辅助下表明两者存在稳定的均衡价格线性组合。
图表 5（页4）：“股票净值预测（固定模型 vs 滑动模型）”
- 左图展示使用固定模型与滑动模型对601166净值的预测结果，滑动模型拟合显著优于固定模型，预测净值线更贴近实际股价。
- 右图展示模型预测净值与实际净值的差距，虚线围绕0波动，体现良好的均值回归趋势，说明模型对剩余误差的捕捉到位。
- 该图验证了动态在线学习模型的适用性，支持动态调整协整参数以适应市场变化的策略设计。
---
4. 估值分析
本报告核心并非传统企业估值，而侧重于统计套利中“价格关系估计”的数学模型构建及实证应用。
- 估值方法： 使用线性回归构建两股票间价格的协整关系，残差平稳则说明长期价格存在稳定线性组合。
- 关键假设与输入参数：
- 时间序列为一阶单整；
- 残差序列需无单位根（平稳）；
- 采用样本内和样本外时段验证模型预测性能；
- 采用固定与30交易日滑动窗口两种参数估计模型。
- 预测结果与驱动因素： 滑动窗口模型更好适应价格动态变化，价格差距有回归趋势，支撑配对交易盈利假设。
- 残差分析暗示价值判断不是基于传统EPS等指标，而是基于股价长期价格偏离的统计意义。
---
5. 风险因素评估
- 模型适用性风险： 固定模型参数难以适应市场动态变化，预测误差较大，采用在线学习滑动窗口后有所缓解，但依然可能受到极端行情影响。
- 操作风险： 实务中资金管理、交易时机、市场冲击成本等均可能影响套利效果，报告未深入探讨。
---
6. 批判性视角与细微差别
- 模型方法局限： 仅结合线性回归残差平稳性判断协整关系，未提及更复杂协整模型（如Johansen检验）及可能的多变量扩展，略显单一。
- 预测实际应用困难： 实际操作中，误差控制、交易成本、执行难度等细节缺乏讨论，限制了策略的可行性评估。
---
7. 结论性综合
本报告全面系统地介绍并实证检验了基于时间序列协整关系的配对交易策略，重点内容包括：
- 数据实证分析：采用申万银行板块16只股票2016-2017年数据，经过单位根检验确认价格序列属于一阶单整序列，适合协整检验。
- 模型对比与预测性能：固定模型虽简便但预测偏差大，采用滑动窗口在线学习模型动态估计协整参数取得更好的拟合与预测效果，差异均值回归特征明显。
- 风险与局限：模型依赖历史协整关系的稳定性，忽略部分现实交易限制及风险管理，存在一定局限。
报告整体思路清晰，结合充分统计学证据支撑其核心论断，尤其通过详尽的平稳性检验、协整检验及模型预测验证了协整基础配对交易策略的理论合理性和实证可行性。各个图表在展示数据和论点间形成良好互证：
- 图表3协整P值与相关系数辅以可视化帮助标的甄别；
- 图表5模型预测验证理论应用稳健性。
报告明确了基于协整的配对交易策略在统计学上的合理性及动态适应市场变化的优势，同时诚实揭露了市场环境下实际操作的局限，对投资者、研究人员具备较高的参考价值。
---
附：报告内引用标注示例
- “配对交易基本思想——基于协整的均值回归特性”[page::0]
- 股票价格为非平稳序列且一阶差分平稳的ADF检验结果[page::2,page::3]
- 600000与601166股票协整检验P值显著说明长期价格关系[page::3]
- 滑动窗口模型预测与实际股价高度吻合，股价差距呈均值回归趋势[page::4,page::5]
---
本次分析总结
通过清晰的结构逻辑和详实的统计学验证，本报告为配对交易策略构建了坚实的理论和实证基础，提供了有效的动态参数调整模型，同时结合市场环境指出了操作性风险与前景，属于统计套利系列研究中的基础且实用的参考报告。
