配对交易 Pairs Trading：1980 年摩根士丹利发明的"市场中性套利"

配对交易（Pairs Trading）是 1980 年代摩根士丹利量化团队发明的"市场中性套利"策略 —— 同时长一个资产 + 空一个高度相关资产，赚两者价差回归的钱。本文详解配对原理、协整选配对、和在外汇返佣市场的应用。

1. 配对交易核心原理

• 找两个高度相关的资产 A 和 B
• 正常时 A/B 价差稳定
• 价差极端偏离 → 入场（回归预期）
• 价差回归正常 → 离场
• 多 A + 空 B = 市场中性（β 接近 0）

2. 经典股票配对

• 可口可乐（KO）vs 百事可乐（PEP）
• 福特（F）vs 通用（GM）
• 埃克森美孚（XOM）vs 雪佛龙（CVX）
• 苹果（AAPL）vs 微软（MSFT）— 历史上有效

3. 外汇配对交易

4. 协整 Cointegration（配对选择）

配对必须满足"协整"：

• 两个资产相关性高（>0.7）
• 价差稳定（不会无限偏离）
• 价差均值 + 标准差固定
• 用 Engle-Granger 或 Johansen 检验

5. EUR/USD vs GBP/USD 实战

2026-04：

• EUR/USD 1.0900
• GBP/USD 1.2700
• 价差比 = 1.0900 / 1.2700 = 0.858
• 历史均值 0.860 / SD 0.010
• 当前 Z = (0.858 - 0.860) / 0.010 = -0.2（正常）
• 极端 Z > 2 或 < -2 → 入场

6. 配对交易实战入场

设 EUR/USD vs GBP/USD 价差比 0.840（Z = -2）：

• 价差异常低 → 预期回归
• EUR 相对弱（vs 历史） → 多 EUR/USD
• GBP 相对强 → 空 GBP/USD
• 等价差回归至均值 → 平仓

7. 配对交易优势

• 市场中性（β ≈ 0）
• 低相关性（与大盘无关）
• 双边对冲（降低单边风险）
• 有学术理论基础

8. 配对交易劣势

• 需复杂统计计算
• 双倍交易成本（2 个仓位）
• 极端事件协整可能失效
• 需 24/7 监控

9. 配对交易历史回报

配对交易效果衰减 = 量化基金太多用同策略。

10. 配对交易计算工具

• Excel：相关性 + Z-Score
• Python：pandas + numpy + statsmodels
• R：Quantmod 包
• 专业：Bloomberg / FactSet / QuantLib

11. 配对交易 vs 库存费套利（汇合作专属）

查看汇合作 套利排行 直接看 swap 套利组合。

12. 配对交易实战策略

1. 选高度相关品种（相关性 > 0.7）
2. 验证协整（统计检验）
3. 计算价差均值 + 标准差
4. 等价差 |Z| > 2 入场
5. 等价差回归 0 平仓
6. 设最大 |Z| > 4 强制止损

常见误区 / 风险提示

• 误区 1：配对永远协整 — 错。极端事件可能破坏
• 误区 2：高相关 = 一定协整 — 错。需统计验证
• 误区 3：配对适合所有市场 — 错。市场结构稳定时最佳

❓ 常见问题 FAQ

Q1：配对交易适合散户吗？

较难。需统计基础 + 编程能力 + 24/7 监控。建议先学库存费套利（汇合作直接看 swap 数据）+ 简单的均值回归。

Q2：协整怎么验证？

用 Engle-Granger 两步法：1) 回归 A vs B；2) 残差是否平稳（ADF 检验）。或用 Johansen 检验（多变量）。Python statsmodels / R 都有现成函数。

Q3：配对交易现在还有效吗？

效果衰减但仍有效。建议：1) 选不太热门的配对（小资金）；2) 频繁更新协整（每月检查）；3) 配合其他策略（不专靠配对）。

总结

• 配对交易 = 市场中性套利
• 多 A + 空 B（高度协整）
• 价差回归均值 → 盈利
• 需统计验证（Engle-Granger）
• 效果衰减但仍可用
• 替代：库存费套利（汇合作直接看）

更多外汇返佣量化术语 量化术语，套利组合 套利排行。

以上内容仅供学习参考，不构成投资建议。外汇 / CFD 交易存在高风险，请根据自身风险承受能力谨慎决策。