【量化笔记】配对交易

配对交易的步骤

1. 如何挑选进行配对的股票

2. 挑选好股票对以后，如何制定交易策略，开仓点如何设计

3. 开仓是，两只股票如何进行多空仓对比

股票对的选择

1. 行业内匹配

2. 产业链配对

3. 财务管理配对

最小距离法

配对交易需要对股票价格进行标准化处理。假设$P_t^i(t=0,1,2,...,T)$表示股票i在第t天的价格，那么股票i在第t天的单期收益率可以表达为：
$r_t^i=\frac{P_t^i-P_{t-1}^i}{P_{t-1}^i},t=1,2,3,...,T$

用${\hat{p}}_t^i$ 表示股票i在第t天的标准化价格，学界和业界认为${\hat{p}}_t^i$可以有这t天内的累计收益率来计算：
${\hat{p}}_t^i={\prod }_{\tau =1}^t(1+r_{\tau }^i)$

假设有股票X，Y，则我们可以计算二者之间的标准化价差之平方和$SS{D}_{X,Y}$

$SS{D}_{X,Y}={\sum }_{t=1}^T({\hat{p}}_t^X-{\hat{p}}_t^Y{)}^2$

下面使用python计算SSD

import pandas as pd

sh=pd.read_csv('sh50p.csv',index_col='Trddt')

sh.index=pd.to_datetime(sh.index)

sh.head()

	600000	600010	600015	600016	600018	600028	600030	600036	600048	600050	...	601688	601766	601800	601818	601857	601901	601985	601988	601989	601998
Trddt
2010-01-04	9.997	2.260	6.541	4.627	4.775	8.445	17.927	13.174	6.443	6.703	...	-	4.991	-	-	11.284	-	-	3.055	4.591	6.498
2010-01-05	10.072	2.250	6.706	4.708	4.783	8.494	18.804	13.188	6.243	6.937	...	-	4.982	-	-	11.499	-	-	3.090	4.573	6.578
2010-01-06	9.874	2.255	6.461	4.615	4.733	8.311	18.586	12.913	6.237	6.787	...	-	4.947	-	-	11.342	-	-	3.055	4.627	6.393
2010-01-07	9.652	2.201	6.328	4.493	4.602	8.091	18.133	12.578	6.240	6.590	...	-	4.875	-	-	11.267	-	-	2.998	4.573	6.176
2010-01-08	9.761	2.211	6.370	4.539	4.618	8.005	18.483	12.578	6.322	6.674	...	-	4.902	-	-	11.135	-	-	3.012	4.525	6.232

5 rows × 50 columns

# 定义配对形成期
formStart='2014-01-01'
formEnd='2015-01-01'

# 形成期数据
shform=sh[formStart:formEnd]

shform.head(2)

	600000	600010	600015	600016	600018	600028	600030	600036	600048	600050	...	601688	601766	601800	601818	601857	601901	601985	601988	601989	601998
Trddt
2014-01-02	8.307	2.360	6.371	6.183	5.031	4.117	12.288	9.719	5.156	3.146	...	8.534	4.869	3.781	2.383	7.245	5.91	-	2.333	5.617	3.634
2014-01-03	8.138	2.594	6.187	6.087	4.906	4.043	11.937	9.520	5.112	3.088	...	8.293	4.791	3.725	2.356	7.217	5.91	-	2.289	5.517	3.578

2 rows × 50 columns

# 提取中国银行 601988 的收盘价数据
PAf=shform['601988']

# 提取浦发银行 600000 的收盘价数据
PBf = shform['600000']

#合并两只股票
pairf=pd.concat([PAf,PBf],axis=1)

len(pairf)

245