這個策略，曾年賺5000萬美元
配對交易的起源
上世紀80年代初，摩根士丹利召集了一批電腦科學家和交易員，組成了一隻神祕的獨立團隊，來研究股價差異帶來的異常回報。團隊成員包括哥倫比亞大學計算機系研究生Gerry Bamberger，量化交易員Nunzio Tartaglia，以及後來的德邵基金（D.E.Shaw & Co）創始人David Shaw。
David Shaw
這些數理天才聚集在一塊兒，利用各種複雜的統計模型來研究股票市場的套利機會並開發出自動交易程式，目標就是在市場的不平衡狀態中尋找持續盈利的“聖盃”。到了1985年，團隊研究出的配對交易策略開始投入實盤交易，並在隨後的日子裡為摩根士丹利帶來了豐厚的利潤，據說光1987年一年，配對交易策略就為公司創收逾5000萬美元。卓越的表現讓配對交易和幾位創始人名聲大振。
80年代末，隨著核心成員David Shaw和Gerry Bamberger的出走，摩根士丹利的這個研究團隊難以為繼，不得不解散。然而，配對交易這個可以穿越牛熊的策略，卻一直被人們學習、研究、使用。
什麼是配對交易
配對交易採用均值迴歸的思路。它監控兩隻高度相關
配對交易示例（By http://catalystcorner.com/index.php?m=pair_tool, GPL, https://commons.wikimedia.org/w/index.php?curid=10653279）
舉例：
建設銀行（601939.SH）和工商銀行（601398.SH）均提供銀行服務，主營業務、市場規模都較為相似。歷史上，兩家公司的股價都隨著大盤和銀行業而波動，有著相似的高點和低點。如果建設銀行股價大漲但是工商銀行保持不變，那麼使用配對交易策略的投資者就會買入工商銀行並賣空建設銀行，等待兩隻股票價差收斂，在未來恢復到它們歷史上的平衡狀態。如果工商銀行股價上漲，那麼投資者可從做多工商銀行的交易中獲利；如果建設銀行股價下跌，那麼投資者則可通過賣空建設銀行獲利。
（藍色：建設銀行；綠色：工商銀行）
股票配對的關鍵點：相關性
相關性是線性迴歸分析中的術語，它用來描述兩個變數之間關係的強弱。如下圖所示，IF期貨合約與滬深300指數會一起向相同方向移動，也就是說，它們是相關的。
兩個變數到底有多相關是一個主觀的概念，我們需要用數量來對其進行明確的定義。在計算相關性時，我們採用皮爾森相關係數（Pearson Correlation Coefficient），計算公式如下：
其中，cov為協方差，σ為標準差。
相關係數衡量一個變數與另一個變數，它的範圍在-1至1之間。具體來說：
相關係數> 0
此時兩個變數正相關，也就是說，兩個變數同向移動。在股市裡，它代表兩個股票的價格要麼一起上漲、要麼一起下跌。當相關係數等於1時，兩個變數完全正相關，即兩者不但同向移動，並且移動的幅度也是相同的。一般來說，相關係數大於0.7可視為強正相關關係。
相關係數< 0
此時兩個變數負相關，即兩個變數反向移動。當相關係數等於-1時，兩個變數完全負相關。一般來說，相關係數小於-0.7可視為強負相關關係。
相關係數= 0
此時兩個變數無相關關係。
為什麼相關性對於配對交易來說如此重要？因為如果兩隻證券的價格不相關，那麼兩者價差的收斂和發散就沒有太大的意義。所以，進行配對交易時，投資者需尋找股價相關的兩隻股票進行配對交易。但是，在實際交易中，很難找到完全正相關的證券。實際操作中，投資者一般會尋求高度相關的股票。通常而言，相關係數達到0.7就算強相關關係，0.8以上對於配對交易來說更穩妥；而相關係數在0.5以下則認為兩隻股票相關性較弱，不適合做配對交易。
基於模型的配對交易
我們都知道，預測個股的價格極為困難。不過，不少研究都顯示，預測一個股票組合的價差序列也許是可以實現的。一個常用的預測方法是通過構建一個組合使得價差序列平穩（Stationary）。
平穩時間序列與非平穩時間序列（By Protonk at English Wikipedia, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=41600857）
平穩性看起來一目瞭然，不過，在真實的市場上，絕大多數股票的價格都是非平穩的。如果兩組序列A和B非平穩，但是它們之間可通過線性組合（例如：兩者價差A - B）得到平穩序列，那麼這兩組序列具有協整關係（Cointegration）。如果股價變動使該組合出現了相對長期關係的偏離，那麼可預期這樣的偏離是暫時的，未來會回覆到均衡關係。其實，只要價差序列是平穩的，那麼就可以使用時間序列分析的技巧對其建模並預測。
基於模型的配對交易能否盈利，依賴於對價差序列的建模和預測。大量的研究顯示，最小距離法和協整法這兩種常見的配對交易方法在美股市場上可創造相當可觀的利潤，不過利潤也隨著時間的推移而減小。
優勢與風險
優勢
1. 穿越牛熊
作為一種市場中性策略，配對交易關注兩隻股票的價格關係，無論漲跌都可以盈利。
2. 風險可控
在構建配對交易的多空組合中，多頭和空頭之間形成了對衝。即便市場大跌，組合中多頭的損失也可由空頭彌補。
風險
1. 模型風險
當使用的模型不再達到預期甚至失效，配對交易就會面臨模型風險。模型風險的可能原因有多種，包括不精準的研究、錯誤的邏輯或計算。
2. 執行風險
當策略不能按照計劃執行時，配對交易面臨執行風險。執行風險包括交易滑點及委託無法全部成交等。
A股市場中怎麼做配對交易
由於A股市場難以直接做空，所以，經典的配對交易法在國內難以直接使用。然而，通過適當的變通，A股投資者依然可以變相地使用配對交易這一經典交易手法。
融資融券交易
滿足條件的投資者可開通融資融券交易，借入證券賣出。不過，融券業務受標的列表和券商持有證券的限制，量相對較小。
利用自有持倉
投資者可利用自有持倉，根據交易配對交易的原理找出市場上適合配對的股票進行階段性的替換，增加收益。
來源：A股備忘錄
-------------------------------------------------------------------------------------------------------
相關推薦：
01.雙均線策略(期貨) 量化策略原始碼
02.alpha對衝(股票+期貨) 量化策略原始碼
03.集合競價選股(股票) 量化策略原始碼
04.多因子選股(股票) 量化策略原始碼
05.網格交易(期貨) 量化策略原始碼
06.指數增強(股票) 量化策略原始碼
07.跨品種套利(期貨)量化策略原始碼
08.跨期套利(期貨) 量化策略原始碼
09.日內迴轉交易(股票)量化策略原始碼
10.做市商交易(期貨) 量化策略原始碼
11.海龜交易法(期貨) 量化策略原始碼
12.行業輪動(股票) 量化策略原始碼
13.機器學習(股票) 量化策略原始碼
14.倉位管理（1）： 鞅與反鞅策略，凱利公司及其侷限
15.倉位管理（2）： 凱利公式指導投資與多種資金管理方式
16.多因子選股之有效因子
17.多因子策略之冗餘因子
18.多因子選股之策略的實現
19.大師系列之彼得•林奇基層調查選股法
20.從量化角度告訴你常見的技術指標到底能不能賺錢？
21.從回測到實盤（2）：如何讓回測更貼近實盤結果
22.程式化交易（3）：從回測到實盤，還需要注意些什麼？
23.股市暴跌深套 | 如何利用日內迴轉交易策略降低持倉成本
24.演算法交易策略的成功回測之一
---------------------