PCA 主成分分析在外汇套利中的应用：从 8 货币对降到 3 因子
看懂一句话：8 个货币对动起来不是 8 个独立力量——其实是 2-3 个隐藏力量在驱动。PCA 就是把隐藏力量挖出来。
什么是 PCA
PCA（主成分分析）是降维统计技术：
- 输入：多个相关变量（如 8 个货币对的日收益率）
- 输出：少数几个互不相关的"主成分"（PC1、PC2、PC3...）
- 每个主成分是原变量的线性组合，按"解释方差"从大到小排
外汇市场的 PCA 实测结果
取主流 8 货币对（EURUSD、GBPUSD、AUDUSD、NZDUSD、USDJPY、USDCAD、USDCHF、USDMXN）的日收益率做 PCA：
| 主成分 | 解释方差 | 因子含义 |
|---|---|---|
| PC1 | ~58% | 美元强弱因子（DXY 替代） |
| PC2 | ~18% | 风险偏好因子（避险 vs 追险） |
| PC3 | ~9% | 商品货币因子（CAD/AUD/NZD 同向） |
| PC4-PC8 | ~15% | 特殊性 / 噪音 |
结论：外汇 8 个独立看似的货币对，本质是 3 个因子在驱动 85%+ 方差。理解这 3 个因子，胜过单看 8 个图。
PCA 在套利中的两大用法
用法 1：跨货币对套利（残差套利）
用 PC1+PC2+PC3 解释每个货币对的"预测值"，实际值减去预测值是残差。残差偏离均值 ±2σ 时，反向开仓押残差回归。
用法 2：组合 Beta 中性
对冲基金按 PC1（美元因子）做 Beta 中性，剩余暴露只在 PC2（风险因子）等更可预测的因子上。
散户能用 PCA 吗？
难做但能看懂思路：
- 知道美元因子（PC1）解释一半—— DXY 涨跌时不要被单一货币对迷惑
- 知道风险因子（PC2）—— 风险开关（risk-on/off）会让 AUD/JPY 等组合大幅波动
- 知道商品因子（PC3）—— CAD/AUD/NZD 同向变化时反映原油/铁矿
实操工具
Python 用 sklearn.decomposition.PCA 几行代码出结果。R 用 prcomp。需要 6-12 个月日 K 线数据（约 200-300 行 × 8 列）。汇合作品种页有历史数据导出可作为输入源。
❓ 常见问题 FAQ
Q1：PCA 和因子模型是一回事吗？
不完全。PCA 是数学纯统计技术（找最大方差方向）；因子模型是经济学解释（赋予因子经济含义）。机构通常先 PCA 找数学主成分，再赋予经济含义。
Q2：PCA 套利历史回测胜率多少？
残差套利历史回测胜率约 55-62%，但每笔盈利幅度小（残差回归通常 0.5-1.5σ）。需要高频建仓 + 极低成本才能跑赢。
Q3：PCA 用多少时间窗口？
常见 6 个月（约 130 个交易日）滚动窗口。窗口太短：因子载荷不稳；太长：跟不上市场结构变化。
Q4：PCA 会失效吗？
会。市场结构变化（如 2008、2020 危机）时因子载荷剧变。所以机构每月或每季度重做 PCA 检验。
Q5：散户做不了 PCA 套利能怎么用？
① 看 DXY 判断 PC1 → 不重复押多个美元货币对 ② 看 VIX 或 AUD/JPY 判断 PC2 风险情绪 ③ 看大宗商品判断 PC3。汇合作库存费套利是散户更友好的现金流策略。
⚠️ 风险提示：本文为学术性介绍，不构成投资建议。统计套利涉及模型风险与市场结构变化风险。投资者应根据自身风险承受能力做出独立决策。
