📈 Quant Strategy Schools Quant Schools

🌐 In-depth sections (principle, code, trade-offs, references) are kept in the original Chinese for now; translations are being added progressively.

Arbitrage Level：Intermediate #套利#配对#协整#中性

Statistical Arbitrage / Pairs Trading

Plain words

Two historically co-moving assets: short the strong leg, buy the weak leg, profit when the spread closes.

✅ Strengths

  • 市场风险近似中性
  • 逻辑严谨、回撤可控
  • 可多pair组合分散
  • 适合震荡相关性环境

⚠️ Weaknesses / Risks

  • 协整关系可能结构性断裂
  • 需频繁再平衡
  • 建模与参数较复杂
  • 流动性/做空限制

Reference code python

import numpy as np, pandas as pd from statsmodels.tsa.stattools import coint def pairs_spread(pa, pb, window=60, k=2.0): beta, _, p = coint(pa, pb) # 协整检验 spread = pa - beta * pb z = (spread - spread.rolling(window).mean()) / spread.rolling(window).std() signal = (z < -k).astype(int) - (z > k).astype(int) return signal, p # p 越小越显著协整

A minimal runnable snippet for understanding the idea only — live use requires data, fees, risk controls and a backtest framework.

References

🌦️ Suited market regime

两标的协整关系稳定、相关性高、价差均值回复的市场（指数ETF配对、同行业龙头、跨期价差）。

⚔️ Strategy matchups

Counters

Countered by

协整断裂、相关性崩溃（危机中齐涨齐跌）时被趋势跟踪与期权波动率策略克制；流动性/做空限制会放大风险。

🌍 Global macro & political shocks

配对交易依赖「两只标的长期协整」。宏观危机中一切相关性趋于 1，而政治事件（制裁、退市、并购否决）能直接斩断配对的其中一条腿，造成无法对冲的单边亏损。

📈 Macro factors

  • Benefits 低波动 / 宏观稳定

    协整关系稳定，价差按历史规律回归，胜率高。

  • Hurt 利率上行 / 融券成本上升

    做空腿成本上升，配对收益被融资与融券费用侵蚀。

  • Hurt 流动性收缩

    价差扩大且难以融资，无法持仓等待收敛。

  • Hurt 危机 / 波动率骤升

    相关性崩溃、齐涨齐跌，价差单边发散不回归。

  • Two-sided 央行干预 / 板块整体重定价

    可能撕裂行业内部的相对关系，需重新检验协整。

🏛️ Political & geopolitical events

  • Hurt 制裁 / 实体清单 / 退市风险（如中概 ADR）

    配对中一腿单边暴跌或退市，另一腿无法对冲，直接巨亏。

  • Hurt 并购被监管否决

    并购套利配对逻辑失效，价差反向扩大。

  • Hurt 禁止卖空

    无法建立配对腿，策略完全失效。

  • Hurt 地缘冲突 / 供应链断裂

    同行业两家公司基本面分化，历史相关性断裂。

  • Two-sided 行业统一监管（影响对称）

    若对配对双方影响对称，价差关系仍可维持。

Thrives / breaks down：适应：相关性稳定、流动性充裕、可做空、无个股特殊风险。崩坏：危机相关性崩溃、制裁 / 退市、卖空受限、流动性枯竭。

💡 Conversation starters (click to ask)

Not sure where to start? Pick a question and post it.

💬 Discussion