时间序列:平稳性、自相关与均值回归
为何股价会游走、价差却可能回家:平稳性、自相关、单位根、均值回归半衰期与赫斯特指数——SurgeFlow 机器学习配对研究背后的统计学。
类别:统计基础
为何股价会游走,价差却可能回家
当一条时间序列的统计性质——平均水平、波动幅度、以及它与自身过去的呼应方式——不随时间漂移时,我们称它是平稳的(stationary)。无论在今天还是明年取样,看起来都像来自同一个底层过程的抽样。平稳性之所以重要,是因为几乎所有常用的统计工具(均值、标准差、相关系数、回归)都默默假设了它。股价通不过这项要求:价格没有固定的水平可以回归,其方差随观察期拉长而增大,今年的均值对明年几乎没有参考价值。收益率则较接近平稳,这也是为什么分析通常针对收益率而非价格。更有意思的是“价差”:同一行业的两只股票,面对相同的客户与成本结构,各自的价格可以自由游走,两者之间的差距却可能被无形地拴住。当非平稳价格的某种组合本身是平稳的,这对股票便称为“协整”(cointegrated)——让均值回归统计有意义的,是价差的平稳性,而不是任何一边的价格。这个区别正是 SurgeFlow 配对研究的全部基础。
运作机制:随机游走、AR(1) 与半衰期
主力模型是一阶自回归 AR(1):x_t = c + phi * x_(t-1) + e_t,其中 x_t 是今天的值,x_(t-1) 是昨天的值,c 为常数,phi 是持续性系数,e_t 是随机噪声。一切取决于 phi:若 |phi| < 1,序列是平稳的,冲击会逐渐消散;若 phi = 1,就出现“单位根”(unit root)——即随机游走 x_t = x_(t-1) + e_t——冲击永不消散,序列没有可以回归的“家”。ADF(augmented Dickey-Fuller)等单位根检验,问的正是数据能否拒绝 phi = 1。围绕这个核心还有四个相关概念: - 滞后 k 期的自相关:rho_k = Cov(x_t, x_(t-k)) / Var(x_t)——衡量序列与 k 期前的自己呼应的强度。收益率的正自相关是动量现象的统计骨架;负自相关则对应反转。 - 均值回归半衰期:对变动量拟合 Delta x_t = a + b * x_(t-1) + e_t。若 b 介于 -1 与 0 之间,half_life = -ln(2) / ln(1 + b)——即偏离值收敛一半所需的时间。这是 Ornstein-Uhlenbeck(OU)过程 dx = theta * (mu - x) dt + sigma * dW 的离散对应,后者的半衰期为 ln(2) / theta。 - 赫斯特指数 H:来自标度律 Var(x_(t+tau) - x_t) 正比于 tau^(2H)。H 接近 0.5 像随机游走;低于 0.5 暗示均值回归;高于 0.5 暗示趋势延续。 - 伪回归:把一条随机游走对另一条毫不相关的随机游走做回归,你会经常看到很高的 R 方与亮眼的 t 统计量——Granger 与 Newbold 在 1974 年证明了这一点。这正是为什么要检验价差的平稳性,而不是欣赏一条价格对价格的回归。
SurgeFlow 如何应用
/ml 板块承载 SurgeFlow 的配对研究。在每个市场内,系统筛选同行业的股票配对,表格呈现的正是本文建立的统计量:Engle-Granger p 值(两步程序——先将一条价格序列对另一条回归,再对残差价差做单位根检验)、以 OU 式拟合估计的价差半衰期、价差的赫斯特指数,以及价差当前的 z 值(即偏离历史均值多少个标准差)。刻意限定同行业配对是有原因的:协整需要一个经济理由才站得住脚,而共同的行业敞口是最直白的理由。网站其他板块的动量榜单则是同一枚硬币的另一面——动量本质上是“相对收益的正自相关倾向于延续”这一观察。SurgeFlow 不做的事:它不会告诉你价差会不会收敛、何时收敛、收敛多少;它不执行也不推荐任何交易;页面上每个统计量都是根据历史价格得出的样本内估计。一对股票今天可以通过所有检验,明天就脱钩。这是研究基础设施,不是投资建议。
这用到哪些 SurgeFlow 数据
配对与动量统计量都由 SurgeFlow 覆盖的四个市场——美国、中国、日本、香港——的每日复权价格与成交额历史计算而来。数据来源:FMP 提供美国的价格;Tushare 覆盖中国与香港;日本结合 J-Quants 价格数据与 EDINET 披露文件。有两项数据陷阱,对价差统计的影响比对站内几乎任何其他功能都大。其一是公司行为:未经调整的股票拆分或分红,会在价差中制造出虚假的跳动,足以凭空捏造或摧毁“协整”。其二是单位一致性:英国股票以便士报价,把便士与英镑混用会让序列悄悄放大一百倍——而协整统计量完全不会对这种错误发出警告。SurgeFlow 将连续的价格与成交额历史视为每只上市股票的强制要求;基本面数据可以有缺口,价格历史不行。
如何阅读配对表而不自欺
配对表在结构上就是一部“多重比较问题制造机”,所以要带着防御心态阅读: - 筛选效应:用 5% 的 p 值门槛扫过足够多的配对,总有一些纯靠运气过关。很小的 Engle-Granger p 值是值得深究的线索,不是定论。 - 样本内偏差:半衰期与赫斯特指数是用“提名这对股票的同一段历史”拟合出来的。到了样本外,两者通常都会退化。 - 结构性断点:并购、指数成分调整、业务转型与环境变迁,都可能在毫无预警下终结一段协整关系;在估计窗口滚动离开之前,统计量仍会继续描述一段已不存在的关系。 - z 值的假设:z 值预设价差的均值与方差是稳定的。如果关系已经断裂,“距离均值三个标准差”量的是与一个已不存在的均值之间的距离。 - 半衰期的噪声:在现实的样本长度下,OU 拟合得到的半衰期估计有很宽的置信区间;请把它当成数量级的描述(是几天还是几个月),而不是精确数字。
亲自动手探索
这些统计量背后的所有序列,都可以通过 SurgeFlow 公开 API 获取。到 /membership 申请免费(测试版)密钥,每日可用 2,000 次请求;完整端点目录记录在 /api/public/openapi.json 的 OpenAPI 规范中。一个自然的练习:抓取两只同行业股票的每日复权收盘价,构建对数价格价差,自行跑 ADF 检验与 OU 拟合,再与 /ml 配对表对照。亲手复现这些数字——然后观察估计窗口一移动它们如何变化——比任何文章都更能让你体会这些统计量的脆弱。数据仅供研究与教育之用,并非投资建议。
数据来源与延伸阅读
上述论点的原始文献、学术与 SurgeFlow 数据来源: - Engle, R. F. and Granger, C. W. J. (1987), "Co-integration and Error Correction: Representation, Estimation, and Testing", Econometrica. - Dickey, D. A. and Fuller, W. A. (1979), "Distribution of the Estimators for Autoregressive Time Series with a Unit Root", Journal of the American Statistical Association. - Granger, C. W. J. and Newbold, P. (1974), "Spurious Regressions in Econometrics", Journal of Econometrics. - Uhlenbeck, G. E. and Ornstein, L. S. (1930), "On the Theory of the Brownian Motion", Physical Review. - Hurst, H. E. (1951), "Long-Term Storage Capacity of Reservoirs", Transactions of the American Society of Civil Engineers. - Lo, A. W. and MacKinlay, A. C. (1988), "Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test", Review of Financial Studies. - Gatev, E., Goetzmann, W. N. and Rouwenhorst, K. G. (2006), "Pairs Trading: Performance of a Relative-Value Arbitrage Rule", Review of Financial Studies. - Jegadeesh, N. and Titman, S. (1993), "Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency", Journal of Finance. - SurgeFlow:/ml 配对研究表格;API 密钥见 /membership;OpenAPI 规范见 /api/public/openapi.json。