σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Time Series 学习路线›模块 4 · 多个序列与隐含状态›主题 4.1·~1小时高级

协整与配对

路线进度模块 4/5 · 主题 1/2
4.1 协整与配对
—实验得分— / 100总 XP—连续天数—

两条保持在一起的游走

两条各自一阶单整的价格序列 xtx_txt​ 与 yty_tyt​ 仍可能有长期联系:如果某个组合 zt=yt−α−βxtz_t=y_t-\alpha-\beta x_tzt​=yt​−α−βxt​ 是平稳的,这两个序列就是协整的。它们各自游走,但一起游走,差距 ztz_tzt​ 总会回到均值。这是配对交易的统计基础:当价差异常拉大时,卖出贵的一边、买入便宜的一边,等待价差收窄。协整说的是长期的价格水平,它不同于相关性——相关性衡量日收益是否同向变动,却不说明价格水平是否保持接近。

zt=yt−α−βxt,Zt=zt−zˉsz,t1/2=ln⁡(1/2)ln⁡φ,Δyt=−λ zt−1+…z_t=y_t-\alpha-\beta x_t,\qquad Z_t=\frac{z_t-\bar z}{s_z},\qquad t_{1/2}=\frac{\ln(1/2)}{\ln\varphi},\qquad \Delta y_t=-\lambda\,z_{t-1}+\dotszt​=yt​−α−βxt​,Zt​=sz​zt​−zˉ​,t1/2​=lnφln(1/2)​,Δyt​=−λzt−1​+…(1)

Engle-Granger 检验分两步。先用最小二乘把 yty_tyt​ 对 xtx_txt​ 回归,估计 α\alphaα 和对冲比率 β\betaβ;再对残差 ztz_tzt​ 做 ADF 检验。由于残差来自拟合的回归,普通的 ADF 临界值过于宽松,应使用 Engle-Granger 临界值:含常数项的两个序列在 5% 水平上约为 −3.34-3.34−3.34。若拒绝单位根,则这对序列协整,价差以半衰期 ln⁡(1/2)/ln⁡φ\ln(1/2)/\ln\varphiln(1/2)/lnφ 回归均值,其中 φ\varphiφ 是价差的 AR(1) 系数。误差修正的视角是:若昨天的价差为正,今天 yyy 下跌或 xxx 上涨。交易时把价差标准化为 z 分数,∣Z∣|Z|∣Z∣ 超过约 2 时入场,接近 0 时离场,并按 β\betaβ 确定两腿的大小。风险是真实的:关系可能破裂,β\betaβ 会漂移,成本会吃掉小价差,而检验成千上万对组合会发现很多仅凭偶然通过的,所以要出于经济理由选择配对,并用样本外数据确认。

价差及其信号假设 yyy 对 xxx 回归得到 α=10\alpha=10α=10、β=1.5\beta=1.5β=1.5。当 x=40x=40x=40、y=73y=73y=73 时,价差为 z=73−10−1.5⋅40=3z=73-10-1.5\cdot40=3z=73−10−1.5⋅40=3。若价差均值为 000、标准差为 1.51.51.5,则 z 分数为 Z=2Z=2Z=2:yyy 相对 xxx 偏贵。交易是卖出 100 单位 yyy、买入 1.5⋅100=1501.5\cdot100=1501.5⋅100=150 单位 xxx。若价差的 AR(1) 系数为每日 0.950.950.95,半衰期为 ln⁡(0.5)/ln⁡(0.95)≈13.5\ln(0.5)/\ln(0.95)\approx13.5ln(0.5)/ln(0.95)≈13.5 天,所以要做好等几周而不是几小时的准备。
  • 协整:每个序列各自游走,但它们的线性组合是平稳的。
  • Engle-Granger:先回归,再用更严格的 Engle-Granger 临界值对残差做 ADF 检验。
  • 配对交易:交易价差的 z 分数,按 β\betaβ 确定两腿,预期价差在约一个半衰期内收窄。

实验:评分内容

  • 价差15 分
  • z 分数10 分
  • 价差的半衰期15 分
  • 确定两腿的规模10 分
  • 解读检验结果15 分
  • 配对术语15 分
  • 构建配对交易10 分
  • 相关不是协整10 分
0/ 已答 8 题
任务
1数值作答15 分未作答

某回归得到 α=10\alpha=10α=10、β=1.5\beta=1.5β=1.5。当 x=40x=40x=40、y=73y=73y=73 时,价差 z=y−α−βxz=y-\alpha-\beta xz=y−α−βx 是多少?

z=z =z=允许误差:± 0.01
2数值作答10 分未作答

价差为 333,均值为 000,标准差为 1.51.51.5。z 分数是多少?

Z=Z =Z=允许误差:± 0.01
3数值作答15 分未作答

价差服从每日 φ=0.95\varphi=0.95φ=0.95 的 AR(1)。其半衰期 ln⁡(0.5)/ln⁡(0.95)\ln(0.5)/\ln(0.95)ln(0.5)/ln(0.95) 是多少天?保留一位小数。

days=days =days=允许误差:± 0.1
4数值作答10 分未作答

该交易卖出 100 单位 yyy,对冲比率为 β=1.5\beta=1.5β=1.5。需要买入多少单位 xxx?

units=units =units=允许误差:± 0.5
5选择15 分未作答

在 Engle-Granger 程序中,哪个结果表明这对序列协整?

6配对15 分未作答

把每个术语与其含义配对。

为左侧每一项选择配对项。

相关性
协整
价差
误差修正
7排列步骤10 分未作答

把步骤按正确顺序排列。

拖动以重新排序;也可聚焦某项,按空格抬起,用方向键移动,再按空格放下。

  1. 1按阈值交易 z 分数并在样本外检查成本
  2. 2选择有经济联系的配对
  3. 3检验残差是否有单位根并计算半衰期
  4. 4把一个价格对另一个回归得到对冲比率
8用文字解释10 分未作答

用一两句话解释:为什么日收益高度相关的两只股票不一定协整。

数学模式键盘或 LaTeX 输入第 1/8 题 · Ctrl ⏎ 检查

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续