# 【统计套利】配对交易
> 来源：https://uqer.io/community/share/559c85baf9f06cb5614f190d
## 策略思路
寻找走势相关且股价相近的一对股票，根据其价格变动买卖
## 策略实现
+ 首先，历史前五日的Pearson相关系数若大于给定的阈值
+ 如果两只股票走势趋同，则按上涨（下跌）趋势买入（卖出）股票
+ 如果两只股票走势背离，则买入下跌股票，卖出上涨股票
首先需要在A股中寻找走势相关性很大的股票，这是一项很繁复的工作。为简单起见，这里直接使用了一个现成的结果：000159和000967在2012年的走势十分相似，这一点可以通过复权收盘价曲线来验证
```py
<matplotlib.axes.AxesSubplot at 0x6415790>
```
接下来我们对2013年全年的这两只股票进行配对交易策略的回测：
```py
from scipy.stats.stats import pearsonr
start = '2013-01-01'
end = '2014-01-01'
benchmark = 'HS300'
universe = ['000159.XSHE', '000967.XSHE']
capital_base = 1000000
def initialize(account):
account.cutoff = 0.9
account.prev_prc1 = 0
account.prev_prc2 = 0
account.prev_prcb = 0
def handle_data(account):
if len(account.universe) < 2: return
clsp = account.get_attribute_history('closePrice', 5)
stk1, stk2 = universe
px1, px2 = clsp[stk1], clsp[stk2]
prc1, prc2 = px1[-1], px2[-1]
prcb = account.get_symbol_history('benchmark', 1)['return'][0]
if account.prev_prc1 == 0:
account.prev_prc1 = prc1
account.prev_prc2 = prc2
account.prev_prcb = prcb
return
corval, pval = pearsonr(px1, px2)
if abs(corval) < account.cutoff:
return
mov1, mov2 = adj(prc1, prc2, prcb, account.prev_prc1, account.prev_prc2, account.prev_prcb)
amount = 100000 / prc2
if mov1 > 0:
order(stk2, amount)
elif mov1 < 0:
if account.valid_secpos.get(stk2, 0) > amount:
order(stk2, -amount)
else:
order_to(stk2, 0)
amount = 100000 / prc1
if mov2 > 0:
order(stk1, amount)
elif mov2 < 0:
if account.valid_secpos.get(stk1, 0) > amount:
order(stk1, -amount)
else:
order_to(stk1, 0)
account.prev_prc1 = prc1
account.prev_prc2 = prc2
account.prev_prcb = prcb
def adj(x, y, base, prev_x, prev_y, prev_base):
dhs = base / prev_base - 1
dx = x / prev_x - 1 - dhs
dy = y / prev_y - 1 - dhs
return dx, dy
```
```py
bt
```
| | tradeDate | cash | security_position | portfolio_value | benchmark_return | blotter |
| --- | --- |
| 0 | 2013-01-11 | 1000000.000000 | {} | 1000000.000000 | -0.018703 | [] |
| 1 | 2013-01-14 | 802627.092268 | {u'000159.XSHE': 16139, u'000967.XSHE': 21500} | 1008718.298268 | 0.038051 | [Order(order_time: 2013-01-14, symbol: 000967.... |
| 2 | 2013-01-15 | 802627.092268 | {u'000159.XSHE': 16139, u'000967.XSHE': 21500} | 1013493.762268 | 0.007033 | [] |
| 3 | 2013-01-16 | 802627.092268 | {u'000159.XSHE': 16139, u'000967.XSHE': 21500} | 1013887.243268 | -0.007227 | [] |
| 4 | 2013-01-17 | 802627.092268 | {u'000159.XSHE': 16139, u'000967.XSHE': 21500} | 1017193.274268 | -0.009445 | [] |
| 5 | 2013-01-18 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1019875.334172 | 0.016719 | [Order(order_time: 2013-01-18, symbol: 000967.... |
| 6 | 2013-01-21 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1024320.333172 | 0.005957 | [] |
| 7 | 2013-01-22 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1022956.509172 | -0.005362 | [] |
| 8 | 2013-01-23 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1020170.513172 | 0.004066 | [] |
| 9 | 2013-01-24 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1010615.301172 | -0.009473 | [] |
| 10 | 2013-01-25 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1007214.174172 | -0.004290 | [] |
| 11 | 2013-01-28 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1015317.846172 | 0.031182 | [] |
| 12 | 2013-01-29 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1032167.466172 | 0.009050 | [] |
| 13 | 2013-01-30 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1037040.199172 | 0.004802 | [] |
| 14 | 2013-01-31 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1037199.250172 | -0.000681 | [] |
| 15 | 2013-02-01 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1044424.173172 | 0.021006 | [] |
| 16 | 2013-02-04 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1053929.951172 | 0.001713 | [] |
| 17 | 2013-02-05 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1042352.810172 | 0.008606 | [] |
| 18 | 2013-02-06 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1036748.235172 | 0.001505 | [] |
| 19 | 2013-02-07 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1035219.288172 | -0.005753 | [] |
| 20 | 2013-02-08 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1038390.029172 | 0.004294 | [] |
| 21 | 2013-02-18 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1040366.776172 | -0.012357 | [] |
| 22 | 2013-02-19 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1034837.773172 | -0.018948 | [] |
| 23 | 2013-02-20 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1041832.310172 | 0.006341 | [] |
| 24 | 2013-02-21 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1030863.855172 | -0.034074 | [] |
| 25 | 2013-02-22 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1031881.589172 | -0.005340 | [] |
| 26 | 2013-02-25 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1039886.408172 | 0.003220 | [] |
| 27 | 2013-02-26 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1027334.880172 | -0.014346 | [] |
| 28 | 2013-02-27 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1036669.463172 | 0.010547 | [] |
| 29 | 2013-02-28 | 601751.321172 | {u'000159.XSHE': 31203, u'000967.XSHE': 41512} | 1049123.518172 | 0.030312 | [] |
| ... | ... | ... | ... | ... | ... | ... |
| 203 | 2013-11-20 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1213819.901066 | 0.005261 | [] |
| 204 | 2013-11-21 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1207170.725066 | -0.006132 | [] |
| 205 | 2013-11-22 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1191941.099066 | -0.004988 | [] |
| 206 | 2013-11-25 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1185756.570066 | -0.003895 | [] |
| 207 | 2013-11-26 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1202201.685066 | -0.000507 | [] |
| 208 | 2013-11-27 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1247942.107066 | 0.011339 | [] |
| 209 | 2013-11-28 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1254278.937066 | 0.010375 | [] |
| 210 | 2013-11-29 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1254572.047066 | -0.000242 | [Order(order_time: 2013-11-29, symbol: 000967.... |
| 211 | 2013-12-02 | 4.001066 | {u'000159.XSHE': 58955.0, u'000967.XSHE': 1104... | 1162773.529066 | -0.008266 | [Order(order_time: 2013-12-02, symbol: 000967.... |
| 212 | 2013-12-03 | 205057.003206 | {u'000159.XSHE': 46102.0, u'000967.XSHE': 9480... | 1203266.619206 | 0.009922 | [Order(order_time: 2013-12-03, symbol: 000967.... |
| 213 | 2013-12-04 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1223800.796636 | 0.013243 | [Order(order_time: 2013-12-04, symbol: 000967.... |
| 214 | 2013-12-05 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1211481.369636 | -0.002804 | [] |
| 215 | 2013-12-06 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1205769.229636 | -0.006446 | [] |
| 216 | 2013-12-09 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1212153.686636 | -0.000575 | [] |
| 217 | 2013-12-10 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1216462.619636 | 0.001000 | [] |
| 218 | 2013-12-11 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1191498.173636 | -0.016533 | [] |
| 219 | 2013-12-12 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1187601.796636 | -0.001140 | [] |
| 220 | 2013-12-13 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1180581.953636 | -0.001402 | [] |
| 221 | 2013-12-16 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1160961.657636 | -0.016085 | [] |
| 222 | 2013-12-17 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1172930.532636 | -0.004878 | [] |
| 223 | 2013-12-18 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1175604.134636 | 0.000361 | [] |
| 224 | 2013-12-19 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1176775.594636 | -0.010525 | [] |
| 225 | 2013-12-20 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1132028.254636 | -0.023272 | [] |
| 226 | 2013-12-23 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1147914.771636 | 0.002840 | [] |
| 227 | 2013-12-24 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1159575.888636 | 0.001593 | [] |
| 228 | 2013-12-25 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1178451.287636 | 0.007372 | [] |
| 229 | 2013-12-26 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1158503.363636 | -0.017257 | [] |
| 230 | 2013-12-27 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1166499.850636 | 0.016836 | [] |
| 231 | 2013-12-30 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1158181.598636 | -0.001745 | [] |
| 232 | 2013-12-31 | 7547.120636 | {u'000159.XSHE': 58573.0, u'000967.XSHE': 1098... | 1162504.538636 | 0.013294 | [] |
```
233 rows × 6 columns
```
根据`bt`的表现，在仓位控制和组合管理方面应该还有着不少进一步优化的空间
- Python 量化交易教程
- 第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天：谁来给我讲讲Python？】
- 量化分析师的Python日记【第2天：再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天：一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天：一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天：数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天：Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天：量化入门进阶之葵花宝典：因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天：如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天：如何在优矿上搞一个wealthfront出来】
- 第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha对冲策略——观《量化分析师Python日记第14天》有感
- 熔断不要怕， alpha model 为你保驾护航！
- 寻找 alpha 之: alpha 设计
- 1.2 基本面因子选股
- Porfolio（现金比率+负债现金+现金保障倍数）+市盈率
- ROE选股指标
- 成交量因子
- ROIC&cashROIC
- 【国信金工】资产周转率选股模型
- 【基本面指标】Cash Cow
- 量化因子选股——净利润／营业总收入
- 营业收入增长率+市盈率
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）— 更新版
- 谁是中国A股最有钱的自然人
- 1.5 宏观研究
- 【干货包邮】手把手教你做宏观择时
- 宏观研究：从估值角度看当前市场
- 追寻“国家队”的足迹
- 二 套利
- 2.1 配对交易
- HS300ETF套利（上）
- 【统计套利】配对交易
- 相似公司股票搬砖
- Paired trading
- 2.2 期现套利 • 通过股指期货的期现差与 ETF 对冲套利
- 三 事件驱动
- 3.1 盈利预增
- 盈利预增事件
- 事件驱动策略示例——盈利预增
- 3.2 分析师推荐 • 分析师的金手指？
- 3.3 牛熊转换
- 历史总是相似 牛市还在延续
- 历史总是相似 牛市已经见顶？
- 3.4 熔断机制 • 股海拾贝之 [熔断错杀股]
- 3.5 暴涨暴跌 • [实盘感悟] 遇上暴跌我该怎么做？
- 3.6 兼并重组、举牌收购 • 宝万战-大戏开幕
- 四 技术分析
- 4.1 布林带
- 布林带交易策略
- 布林带回调系统-日内
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均线系统
- 技术分析入门 —— 双均线策略
- 5日线10日线交易策略
- 用5日均线和10日均线进行判断 --- 改进版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑异同移动平均线方法
- 4.4 阿隆指标 • 技术指标阿隆（ Aroon ）全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 重写 rsi
- RSI指标策略
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- CMO 策略模仿练习 1
- CMO策略模仿练习2
- [技术指标] CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 嘉庆离散指标测试
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 按照封单跟流通股本比例排序，剔除6月上市新股，前50
- 涨停股票封单统计
- 实时计算涨停板股票的封单资金与总流通市值的比例
- 4.15 成交量 • 决战之地， IF1507 ！
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略（momentum driven）
- 动量策略（momentum driven）——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- ［策略］基于胜率的趋势交易策略
- 策略探讨（更新）：价量结合+动量反转
- 反向动量策略（reverse momentum driven）
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面选股系统：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR预测股票开盘价 v1.0
- 5.4 决策树、随机树
- 决策树模型（固定模型）
- 基于Random Forest的决策策略
- 5.5 钟摆理论 · 钟摆理论的简单实现——完美躲过股灾和精准抄底
- 5.6 海龟模型
- simple turtle
- 侠之大者 一起赚钱
- 5.7 5217 策略 · 白龙马的新手策略
- 5.8 SMIA · 基于历史状态空间相似性匹配的行业配置 SMIA 模型—取交集
- 5.9 神经网络
- 神经网络交易的训练部分
- 通过神经网络进行交易
- 5.10 PAMR · PAMR ： 基于均值反转的投资组合选择策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假说， Hurst 指数 · 分形市场假说，一个听起来很美的假说
- 5.13 变点理论 · 变点策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用债风险模型初探之：Z-Score Model
- user-defined package
- 5.15 机器学习 · Machine Learning 学习笔记（一） by OTreeWEN
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 今天大盘熔断大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之谜——对数周期幂率（LPPL）模型
- 六 大数据模型
- 6.1 市场情绪分析
- 通联情绪指标策略
- 互联网+量化投资 大数据指数手把手
- 6.2 新闻热点
- 如何使用优矿之“新闻热点”？
- 技术分析【3】—— 众星拱月，众口铄金?
- 七 排名选股系统
- 7.1 小市值投资法
- 学习笔记：可模拟（小市值+便宜 的修改版）
- 市值最小300指数
- 流通市值最小股票（新筛选器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊驼策略
- 羊驼策略
- 羊驼反转策略（修改版）
- 羊驼反转策略
- 我的羊驼策略，选5只股无脑轮替
- 7.3 低价策略
- 专捡便宜货(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 轮动模型
- 8.1 大小盘轮动 · 新手上路 -- 二八ETF择时轮动策略2.0
- 8.2 季节性策略
- Halloween Cycle
- Halloween cycle 2
- 夏买电，东买煤？
- 历史的十一月板块涨幅
- 8.3 行业轮动
- 银行股轮动
- 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
- 8.4 主题轮动
- 快速研究主题神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板块异动类
- 风险因子（离散类）
- 8.5 龙头轮动
- Competitive Securities
- Market Competitiveness
- 主题龙头类
- 九 组合投资
- 9.1 指数跟踪 · [策略] 指数跟踪低成本建仓策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸优化 · 如何在 Python 中利用 CVXOPT 求解二次规划问题
- 十 波动率
- 10.1 波动率选股 · 风平浪静 风起猪飞
- 10.2 波动率择时
- 基于 VIX 指数的择时策略
- 简单低波动率指数
- 10.3 Arch/Garch 模型 · 如何使用优矿进行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高频交易
- 12.1 order book 分析 · 基于高频 limit order book 数据的短程价格方向预测—— via multi-class SVM
- 12.2 日内交易 · 大盘日内走势 (for 择时)
- 十三 Alternative Strategy
- 13.1 易经、传统文化 · 老黄历诊股
- 第三部分 基金、利率互换、固定收益类
- 一 分级基金
- “优矿”集思录——分级基金专题
- 基于期权定价的分级基金交易策略
- 基于期权定价的兴全合润基金交易策略
- 二 基金分析
- Alpha 基金“黑天鹅事件” -- 思考以及原因
- 三 债券
- 债券报价中的小陷阱
- 四 利率互换
- Swap Curve Construction
- 中国 Repo 7D 互换的例子
- 第四部分 衍生品相关
- 一 期权数据
- 如何获取期权市场数据快照
- 期权高频数据准备
- 二 期权系列
- [ 50ETF 期权] 1. 历史成交持仓和 PCR 数据
- 【50ETF期权】 2. 历史波动率
- 【50ETF期权】 3. 中国波指 iVIX
- 【50ETF期权】 4. Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 三 期权分析
- 【50ETF期权】 期权择时指数 1.0
- 每日期权风险数据整理
- 期权头寸计算
- 期权探秘1
- 期权探秘2
- 期权市场一周纵览
- 基于期权PCR指数的择时策略
- 期权每日成交额PC比例计算
- 四 期货分析
- 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究