Vitu开源给你看：基于时间序列的协整关系的配对交易

统计套利之配对交易是一种基于数学分析交易策略，其盈利模式是通过两个标的的差价（spread）来获取,两者的价格走势虽然在中途会有所偏离，但是最终都会趋于一致。

配对交易就是利用这种价格偏离获取收益。具有这种关系的两个标的，在统计上称作 协整性（cointegration），即它们之间的差价会围绕某一个均值来回摆动，这是配对交易策略可以盈利的基础。

通俗点来讲，如果两个股票或者变量之间具有强协整性，那么不论它们中途怎么走的，它们的目的地总是一样的。

经典回归模型是建立在平稳数据变量的基础之上的，对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题，但是实际应用中大多数时间序列是非平稳的。

1987年Engle和Granger提出的协整理论及其方法，为非平稳序列的建模提供了另一种途径。

虽然一些经济变量的本身是非平稳序列，但是，它们的线性组合却有可能是平稳序列。这种平稳的线性组合被称为协整方程，且可解释为变量之间的长期稳定的均衡关系。

需要特别注意的是协整性和相关性虽然比较像，但实际是不同的两个东西。

两个变量之间可以相关性强，协整性却很弱，比如说两条直线，y＝x和y＝2x，它们之间的相关性是1，但是协整性却比较差；

方波信号和白噪声信号，它们之间相关性很弱，但是却有强协整性。如下图，他们的平均值几乎一样。

这里还有介绍一个关于时间序列的基本概念：平稳性。

平稳分为两种：

强(严)平稳：给定随机过程X（t）,t属于T,其有限维分布组为F（x1,x2,…xn;t1,t2,…,tn）,t1,t2,…,tn属于T,对任意n任意的t1,t2,…,tn属于T,任意满足t1+h,t2+h,…,tn+h属于T的h,总有F（x1,x2,…xn;t1,t2,…,tn）=F（x1,x2,…xn;t1+h,t2+h,…,tn+h）；

宽(弱)平稳：给定二阶矩过程（二阶矩存在）X（t）,t属于T,如果X（t）的均值函数u(t)是常数,相关函数R(t1,t2)=f(t2-t1)即相关函数只与时间间隔有关。（我们通常用的都是弱平稳）

单整阶数：当原序列是非平稳的，需要对序列进行差分（后一项减前一项），直到为平稳序列，差分几次就是几阶。

协整关系存在的条件是：只有当两个变量的时间序列{x}和{y}是同阶单整序列即I(d)时，才可能存在协整关系(这一点对多变量协整并不适用)。

因此在进行y和x两个变量协整关系检验之前，先用ADF单位根检验对两时间序列{x}和{y}进行平稳性检验。平稳性的常用检验方法是图示法与单位根检验法。

下面举个例子，为了证明两个symbol是否存在协整性：取一年的时间序列的 binance的BTC/USDT 和 binance的ETH/USDT。

BTC的每日收盘价：

参考来源：Vitu.AI

ETH的每日收盘价：

参考来源：Vitu.AI

先定单整阶数，即检验平稳性，作差分，直到序列平稳。

这里检验平稳性用的是 ADF单位根检验法 ，原假设为序列具有单位根，即非平稳，对于一个平稳的时序数据，就需要在给定的置信水平上显著，拒绝原假设。

参考来源：Vitu.AI

一阶差分以后，两个序列就已经平稳了，他们的单整阶数都是一，所以是单整同阶的，下面就可以做协整了：这里的原假设是两者不存在协整关系。

p值低于临界值，所以拒绝原假设，两者存在协整关系。

参考来源：Vitu.AI

接下来就可以根据两者的协整关系做配对交易了。先画出两者的差价序列：

参考来源：Vitu.AI

这样，一个最简单的配对交易策略如下：（如果可以操作期货的话）

spreadprice大于 9920.7027 时，卖空差价，即卖空 BTC/USDT，买入 ETH/USDT。

spreadprice小于 4481.4179 时，买入差价，即买入 BTC/USDT，卖空 ETH/USDT。

spreadprice靠近零时，平仓

上述过程重在描述理论，以供大家研究，结果不是太重要。（下面策略附源代码） 期货回测即将开启，或许这种统计套利的方式在期货市场也有用武之地。

量化之路漫漫其修远兮，吾将上下而求索。

参考来源：Vitu.AI

—-

编译者/作者：Vitu

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。