转载：http://www.programtrader.net/

    经典量化交易策略系列——配对交易策略

    经典量化交易策略系列——配对交易策略（二）

    配对交易(Pairs Trading)起源于八十年代中期，是经典的统计套利策略之一。配对交易在《Pairs Trading: Quantitative Methods and Analysis》一书中，被定义为两种类型：

    1.基于统计套利的配对交易，即寻找两只股价具备均衡关系的股票进行配对，如果它们的价格走势偏离历史均值，做多股价较低的股票，做空近期相对的强势股，并期待它们的股价回归到长期均衡关系。

配对交易分以下几个步骤：

http://s14/mw690/001uapR3zy77NVkhaQR4d&690

    2.基于风险套利的配对交易，通常发生在两个公司兼并时，兼并协议确定了所涉兼并的两家公司，他们股票价值的严格平价关系。但是，有很多的不确定因素，如，竞争的投标人、代理战等，会发生在宣布兼并后到兼并成功之间，将这种不确定性视为风险，捕获价差，而基于风险套利的配对交易才会从中获利。

策略思路：我们需要一对走势相关且股价相近的股票，根据其价格变动买卖。

策略实现：1.历史前5天的Pearson相关系数如﹥给定的临界值

          2.如两只股票走势趋同，买入（卖出）股票时则按照上涨（下跌）趋势；

          3.如两只股票走势背离，则卖出上涨，买入下跌。

    为了简单点，直接使用了一个2012年走势非常相似的000159和000967，通过复权收盘价曲线就可以验证。

df = DataAPI.MktEqudAdjGet(secID = '000159.XSHE', field = 'closePrice', beginDate = '20120101', endDate = '20130101')

df['000159'] = df['closePrice']

df = df.loc[:, ['000159']].reset_index()

df2 = DataAPI.MktEqudAdjGet(secID = '000967.XSHE', field = 'closePrice', beginDate = '20120101', endDate = '20130101')

df2['000967'] = df2['closePrice']

df2 = df2.loc[:, ['000967']].reset_index()

df = df.merge(df2, left_on=['index'], right_on=['index'])

df = df.loc[:, ['000159', '000967']]

df.plot()

http://s6/mw690/001uapR3zy77NVl91el25&690

下面对2013年这两只股票进行配对交易策略的回测：

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

http://s4/mw690/001uapR3zy77NVm3QTV43&690

bt

http://s11/mw690/001uapR3zy77NVs4ll0aa&690

http://s7/mw690/001uapR3zy77NVtcVPU86&690