Statistical Arbitrage (StatArb, 统计套利)

大白话：找出两个（或一组）走势本该绑在一起的股票，在它们短期偏离时，一边买超跌的、一边卖超涨的，等它俩回到一起。赚的是「关系会修复」的钱，不是「股票会涨」的钱——所以理论上和市场涨跌无关。整套做法里，用什么指标衡量「绑在一起」是最关键的一步，它直接决定了交易怎么做。

定义

统计套利（StatArb）指的是这样一类股票市场策略：

用某个依赖性度量（相关性、协整、欧氏距离，或学出来的相似度）把股票分成配对、篮子或簇。
构造市场中性的多空头寸，押注组内相对价格的均值回归。
按固定频率再平衡（3 日、10 日、月度），收割回归收益。

依赖性度量是这套策略的灵魂：它定义了交易本身。标准实现用的是滚动窗口相关性或协整，而这恰恰是 Fanshawe Masih Cameron 2025 THGNN Correlation Forecasting 要去掉的瓶颈—— 后者把依赖矩阵向前预测到未来。

历史演进

时期	依赖性度量	局限
早期（Gatev 等 2006）	价格上的欧氏距离	纯价格距离；对漂移敏感
距离 / 协整（Rad 等 2016）	协整、copula	协整检验在短样本上功效低
相关性聚类（Chen 等 2019）	滚动相关性	滞后看；状态切换时反应慢
板块分类	Fama-French 48 行业	静态；危机时无用
图聚类（Mantegna 1999; Tumminello 2005; Cartea 2023）	MST / PMFG / SPONGEsym	结构更好；仍是滞后看的
ML 过滤的 SPONGEsym（Korniejczuk & Slepaczuk 2024）	滚动相关性 + 5 分类器软投票过滤	降低换手；相关性仍然滞后
前瞻的 SPONGEsym（Fanshawe 等 2025）	THGNN 预测的 10 日相关性	前瞻；能适应状态切换

现代 StatArb 策略的标准架构

一个（2023 年后）现代实现有四层：

flowchart TB
    A[标的池: S&P 500 或类似大盘股] --> B[依赖性度量: 相关性 / 协整 / GNN 预测]
    B --> C[聚类: SPONGEsym / 谱方法 / 层次聚类]
    C --> D[簇内多空头寸]
    D --> E[信号过滤: ML 集成 / 波动率目标 / 风险平价]
    E --> F[带 TCA 与冲击模型的执行]

依赖性度量这一层正是 Fanshawe Masih Cameron 2025 THGNN Correlation Forecasting 升级的部分。下游的各层（聚类、头寸构造、信号过滤）都可以复用。

头寸构造——簇内等权反向

在每个有 n_c 只股票的簇 c 内：

计算过去 H 天（THGNN 论文中为 5 天）的簇内平均累计收益。
对簇内每只股票 i：
- 做多权重 = +1/n_c，若 i 的 H 日收益低于簇均值。
- 做空权重 = -1/n_c，若 i 的 H 日收益高于簇均值。

这就是簇内反向：买跑输的、卖跑赢的，赌它回到簇均值。这个赌注只有在簇结构真实、且稳定到让回归确实发生时，才成立。

状态切换（regime shift）问题

StatArb 策略的收益来自稳定的依赖结构——当相关性可预测、且一只股票与簇内同伴的关系不会剧烈漂移时。危机中这种稳定性崩溃，有充分文献记录：

新冠（2020 年 3 月）：股票相关性在数日内急剧上升；原本稳定的簇塌缩成一两个高度相关的组。配对与篮子不再均值回归，而是一起下跌。滚动 30 日相关性要花约 30 个交易日才「看到」已经发生的事。
俄乌冲突（2022 年 2–7 月）：商品板块相关性飙升，能源股与股票的动态关系改变。同样的滞后问题。

实证特征：配对/篮子策略在 2020 年 3 月出现灾难性亏损，且数周内无法恢复。一个「好的」StatArb 策略，其最差回撤恰好落在这些已知事件上、但在一个季度内恢复；一个「坏的」则有结构性漂移，能穿越状态切换活下来。

绩效基准（美股，近期）

策略	夏普	最大回撤	再平衡	出处
SPONGEsym 等权，3 日	1.1	n/a	3 日	Cartea 等 2023
ML 过滤的 SPONGEsym，10 日	（论文声称很高）	n/a	10 日	Korniejczuk–Slepaczuk 2024
THGNN 前瞻 SPONGEsym	1.84	−9.4%	10 日	Fanshawe 等 2025
SPX 买入持有（2019–2024）	0.65	−33.9%	—	基准

Korniejczuk–Slepaczuk 的数字要谨慎看待——复现讨论见 Korniejczuk Slepaczuk 2024 Graph Clustering Stat Arb。

为什么这个概念页放在股票部分

StatArb 在实践中压倒性地是股票策略。同样 techniques 可以推广到期货（跨商品价差）、外汇（carry 篮子）、加密货币（代币对均值回归），但经典文献都在美股大盘股，标普 500 是标准基准。其他资产类的内容通过交叉引用处理。

局限与待研究问题

交易成本建模是核心且未解决的问题。 引用的回测都没有包含真实的滑点或市场冲击。 10 日再平衡、约 45 只股票的 top-10% 过滤篮子可以说对执行友好，但加上平方根冲击模型后，夏普很可能要掉 0.2–0.4。
容量未知。 引用的结果基于标普 500；在 1 亿美元以上 AUM 时的容量没有文献记录。
多重检验问题。 文献里有成百上千个候选策略，公布的夏普中位数因此偏高。 Ledoit-Wolf 平稳自助法（THGNN 论文使用）是对的推断框架，但并不普遍。
前瞻相关性提高了门槛。 如果依赖性度量本身是 ML 预测出来的，这套策略就成了「黑盒套黑盒」：可解释性、监控和衰减检测都变得更难。

另一条路线：在因子暴露上建图（MINGLE）

上面所有策略的依赖性度量都建立在已实现的共同波动上（滚动相关性、ML 预测的相关性）。 MINGLE 框架（Chehab 等 2026）走的是另一条路：在因子暴露相似度上建图，联合学习载荷与图结构，然后按 Contagion Cut（簇内加权度反比）分配。结果：2019/01–2026/03，标普 500 / 日经 225 / STOXX 600，0 bps 交易成本下 CAGR 21.0% / 夏普 1.07。这本质上是组合分散策略而非市场中性的 StatArb，但共享图聚类的后端，也展示了与 SPONGEsym 一族相同的「先诱导协方差、再分配」模式。