配对交易和反向交易：两种均值回归赌的东西不一样

配对交易和反向交易经常被放在一起讲，因为它们都属于均值回归。但它们赌的东西差得挺远，混着用会在完全不同的行情里翻车。

一句话的区别

配对交易赌的是两只特定股票之间的价差回到历史均值。

反向交易赌的是一篮子标的里，谁相对整体涨多了、谁跌多了，这个相对偏离会修正。

前者盯的是一对资产的绝对关系，后者盯的是横截面上的相对排名。配对交易可以看成 N=2 且要求两个标的有基本面联系的特殊情况，反向交易则是把整个池子拉平了做去均值。

配对交易的构建

信号怎么来

取一对历史高度相关的股票 A 和 B——通常是同行业、商业模式接近、受同一批宏观因素影响的两家公司。

分别算出从 $t_1$ 到 $t_2$ 的收益（价格要复权）：

$$R_A = \ln\left(\frac{P_A(t_2)}{P_A(t_1)}\right), \quad R_B = \ln\left(\frac{P_B(t_2)}{P_B(t_1)}\right)$$

然后做去均值：

$$R = \frac{1}{2}(R_A + R_B), \quad \tilde{R}_A = R_A - R, \quad \tilde{R}_B = R_B - R$$

去均值收益为正的那只算「高估」，为负的算「低估」。做空高估的，买入低估的。

头寸怎么定

两个约束一起解。总投资额 $I$ 定规模，货币中性定方向：

$$P_A|Q_A| + P_B|Q_B| = I$$ $$P_A Q_A + P_B Q_B = 0$$

第二个式子保证多空金额相等，组合不承担市场方向风险。注意 $P_A, P_B$ 用的是建仓时刻的价格，不是算信号那一刻的价格——这两个时点之间有间隔，实盘里这个间隔会直接变成滑点。

挑对子的门槛

理想的配对要有协整关系：两只票的价格序列各自可能不平稳，但它们的某个线性组合是平稳的。价差围着一个均值波动，偏离之后会回来。

只看相关系数不够。两只票可以在一段上涨行情里相关系数 0.9，但价差本身在持续发散。这种对子建完仓就开始亏，而且亏的方向一直不变。所以选对子要跑协整检验，不能只按相关系数排序。

参数

• 形成期长度：用多长的历史估价差的均值和标准差
• 开仓阈值：Z 分数到几个标准差开仓，常见 1.5、2、2.5
• 平仓阈值：Z 回到多少平掉，常见 0 或 0.5
• 止损阈值：Z 到几个标准差认输，常见 2.5、3
• 再平衡频率：多久重估一次配对关系

止损阈值这个参数比看起来重要。没有止损的配对交易，收益分布是「大部分时间赚小钱、偶尔亏一大笔」。设了止损，就变成把偶尔那次大亏切成若干次小亏，代价是有些本来会回归的对子被提前砍掉。这个取舍没有标准答案，取决于你的对子里关系破裂的频率有多高。

反向交易的构建

权重直接从去均值来

给定 $N$ 个标的，先算每个标的过去一周的收益 $R_i$，再算等权「市场指数」收益：

$$R_m = \frac{1}{N}\sum_{i=1}^{N} R_i$$

权重就是去均值收益取负号：

$$w_i = -\gamma(R_i - R_m)$$

$\gamma > 0$ 是缩放因子。跑赢市场的（$R_i > R_m$）拿到负权重，做空；跑输的拿到正权重，做多。

这个构造有个很省事的性质：$\sum w_i = 0$ 自动成立，美元中性是白送的，不需要额外约束。

再加一个归一化条件确定 $\gamma$：

$$\sum_{i=1}^{N}|w_i| = 1$$

波动率必须调

原始权重有个明显毛病：它会在高波动标的上超配。因为高波动标的的 $R_i - R_m$ 天然更大，权重也就更大。结果是组合的风险全押在最躁动的那几个标的上。

改法是拿波动率去压：

$$w_i^{adj} = \frac{w_i}{\sigma_i} \quad \text{或} \quad w_i^{adj} = \frac{w_i}{\sigma_i^2}$$

除一次波动率是风险平价的思路，除平方则压得更狠。选哪个取决于你的标的池波动分化有多大。

活跃度过滤

期货版本里有一个增强，逻辑挺有意思。定义两个因子：

$$v_i = \ln\left(\frac{V_i}{V_i'}\right), \quad u_i = \ln\left(\frac{U_i}{U_i'}\right)$$

$V$ 是成交量，$U$ 是持仓量，带撇的是上一周。筛选分两步：

1. 按 $v_i$ 排序，取上半部分——成交量放大最多的
2. 在这部分里按 $u_i$ 排序，取下半部分——持仓量增长较少的

背后的推理：成交量大幅放大说明市场反应剧烈，过度反应的概率更高；持仓量没跟着涨，说明市场深度没有同步增加，价格冲击更容易发生。两个条件叠起来，筛出的是最可能出现快速回弹的那批标的。

股票上没有持仓量这个数据，但可以拿融券余额、期权未平仓量之类的替代，思路可以搬。

两者在什么时候各自失效

这是我最关心的部分，因为均值回归策略的亏损方式很有特点：连续、同向、不给你反应时间。

配对交易的失效

关系破裂。两家公司之间的均衡关系可以永久性消失——一家被收购、换了商业模式、行业格局变了。价差不但不回归，还会持续扩大。这是配对交易最致命的场景，因为它长得跟「偏离更多了，机会更好了」一模一样，很容易越亏越加。

回归时间不确定。协整只保证价差最终回来，没说什么时候。资金占用几个月、期间要不断补保证金，这在杠杆下会先把人挤出去。

单只票的流动性。对子里只要有一只成交冷清，实际执行价和信号价就对不上，理论上的价差在账户里根本实现不了。

反向交易的失效

动量主导的行情。这是反向交易的天敌。赢家继续赢、输家继续输的时候，策略每一期都在做空最强的、买入最弱的，亏损是连续的。2020 到 2021 年那种强趋势行情里，横截面反转策略吃过大亏。

结构性冲击。某个标的因为政策、供需格局的根本变化而单边移动，它相对市场的偏离不会修正。分散度不够的时候，这一个标的就能拖垮整期收益。

标的池太小。$N$ 太小的时候，$R_m$ 本身就被少数标的主导，去均值失去意义。期货版本一般要求 20 到 40 个品种。

共同的敌人：成本

两者都是高换手策略。配对交易每次开平仓都是四笔（两腿各买卖），反向交易每周重算权重、每个标的都要动。

按周频、单边换手 30% 粗算，一年 52 次调仓，假设单边全成本 40 个基点：

$$0.30 \times 52 \times 0.40\% \approx 6.2\%$$

一年 6 个百分点的摩擦。这个数应该在动手写代码之前就算出来——把你自己的换手率和成本代进去，看毛收益还剩不剩得下。均值回归策略能不能落地，这是第一道门槛，比参数调优重要得多。

而且反向交易还要做空。融券成本、可借券的可得性、被强制召回的风险，这几项在回测里通常完全没有体现。

落地的顺序

真要动手，这个顺序能省掉大量返工。

先做反向交易，后做配对交易。反向交易的构建更机械——去均值、除波动率、归一化，没有主观挑对子的环节，也就少了一层过拟合空间。配对交易的「挑哪些对子」这一步，事后看总能挑出赚钱的组合，很容易骗自己。

第一件事是测毛收益能不能覆盖成本。在调任何参数之前，用你自己账户的真实单边成本跑一遍，看毛收益还剩多少。剩不下就不用往下做了。绝大多数均值回归策略死在这一步，而这一步只要半天。

样本必须覆盖一段趋势行情。只在震荡市里跑出来的反向交易结果不算数，它的最坏情况恰恰在单边行情里。样本区间不含 2020 到 2021 那种强趋势，回测结论没有意义。

做空这条腿要按实际约束建模。融券费率、可借数量、召回风险都进模型。全都当作免费的话，回测出来的市场中性组合在实盘里根本建不起来。

这四条里前两条是筛子，后两条是精度。先过筛子，别一上来就调参数。