原创 | 以ETF为例——配对交易Python源码全公开

配对交易是指八十年代中期华尔街著名投行Morgan Stanley的数量交易员Nunzio Tartaglia成立的一个数量分析团队提出的一种市场中性投资策略。

在实际操作中，其执行过程可以简单地描述为：投资者首先选择相互匹配的两个资产，当配对资产价格差异增加的时候，做多价格偏低的资产，同时做空价格偏高的资产，而当价格差异减小的时候，则结束头寸，完成交易；同时，为了控制风险，当价差进一步扩大时，需要在适当的止损点结束头寸。

所以，想开发一个配对交易的策略，核心有两个步骤：

1.找到待交易的标的。

比如说两个走势非常类似的股票或者其他证券。

2.对两者的价差建模。

假设是两者的价差会在一个稳定的区间波动（均值回归）。

————————————————

在以往的研究中，配对交易的标的的筛选方法有很多种，归纳起来大致有这两种：

• 最小化偏差平方和法则（最小距离法）

• 协整理论方法

今天，我们以ETF为例。

首先获取深交所的所有交易标的，剔除掉在今年才上市和已经退市的，筛选出深交所的所有ETF基金，然后通过相关性检验取出相关系数最强的一对cp进行配对交易。

具体执行如下：

1.先获取深交所的所有交易标的。

import numpy as np
import pandas as pd
from gm.api import *
import matplotlib.pyplot as plt
set_token('xxxxxxxxxxxx')
#获取深圳交易所全部标的
data1=get_instruments(exchanges='SZSE',df=True)
#剔除掉在今年才上市的标的
data1=data1[data1['listed_date']<'2020-12-30']
#剔除掉今天之前退市的标的
data1=data1[data1['delisted_date']>'2021-08-30']
data1.index=range(len(data1))
data1

2.取出ETF基金。

b=pd.DataFrame()
symbol=[]

for i in range(len(data1)):
    if 'ETF' in data1['sec_name'][i]:
        print(data1['sec_name'][i])
        symbol.append(data1['symbol'