外汇配对交易与统计套利：2026 年的运作方式

外汇配对交易到底是什么

在股票市场中，“配对”是同一行业的两只股票。在外汇市场中，配对是两个货币对——总共四种货币——因此您交易的是两个价差之间的价差。当美元走强时，EURUSD 和 GBPUSD 都会下跌；而它们之间的关系远比任何一个货币对本身稳定。配对交易把这种关系分离出来，而忽略美元本身。

图 1 — 两个在结构上相关联的货币对被组合成一个价差；其 z-score 驱动机械化的入场/离场规则。

结构性关联是这一策略可行的前提。如果两个货币对同向变动没有经济上的原因——共同的基础货币、共同的大宗商品敞口、共同的风险情绪状态——那么历史相关性只是巧合，第一次遇到压力测试时就会断裂。配对交易属于更广泛的外汇套利策略家族；与延迟套利或三角套利不同，它利用的是统计上的低效，而不是定价或速度上的低效，因此它能容忍较慢的执行，但需要严格得多的风险控制。

价差、协整与 z-score

出发点是协整检验。如果存在一个常数 β，使价差 Z = X − β·Y 是平稳的——在时间上具有稳定的均值和方差，且偏离会回归——那么两个价格序列 X 和 Y 就是协整的。仅有相关性是不够的：两个序列可能高度相关，却仍然永久地分道扬镳。协整是更强的性质，它才真正为均值回归押注提供依据。

标准流程是 Engle-Granger 两步法：用 X 对 Y 回归以估计 β，然后用增广 Dickey-Fuller（ADF）检验对残差序列 Z 进行单位根检验。如果 ADF 拒绝单位根原假设（通常在 p < 0.05 水平），就存在一个均值回归的价差。根据价差计算其 z-score——即价差当前偏离均值多少个标准差——并据此交易。

图 2 — 机械化交易规则。价差扩张超过 ±2 个标准差时入场，向均值回归时平仓，超过 ±3 时止损（说明关系已经断裂）。

该规则刻意设计为机械化：

±2 的入场和 ±0.5 的离场阈值是惯例，而不是推导出来的。在实际运行中，它们会针对每个配对在滚动前推数据上进行优化——但这一模式是通用的起点。难点不在于规则本身，而在于确保价差确实是协整的，并且执行层不会吃掉优势。

选择能在实盘中经受考验的候选配对

最天真的方法——扫描所有流动性好的外汇品种组合，保留协整性最强的那些——是配对策略在回测中有效、在实盘中失败的最常见原因。35 个主要货币对和交叉货币对可以组成 595 个候选配对；在 p < 0.05 水平下，其中大约 30 个会纯粹因为偶然而被检验为“协整”。为寻找协整而进行的数据挖掘，找到的正是这些巧合。

稳健的方法从经济结构出发，只用数据来筛选。先构建确实存在同向变动原因的候选组，然后再检验：

实时相关性矩阵：加密货币、永续合约与跨资产配对，每 15 分钟更新一次

下表将上文的分组逻辑应用于交易所的实时数据。包含三个市场：加密货币现货（20 个 Binance USDT 交易对）、加密货币永续合约（同样的 20 个品种的 USDT 本位期货，两条腿都可以做空，并显示每条腿的资金费率），以及跨资产——黄金、白银、Brent、WTI、天然气、标普 500 与纳斯达克 100 ETF，以及走势类似加密货币代理的股票（MSTR、COIN、MARA、NVDA、AMD、TSLA），全部以 Binance 永续合约的形式与 BTC 和 ETH 一起列出。对于每个配对和四个时间窗口——从基于 15 分钟 K 线的 24 小时到基于日 K 线的 90 天——它计算对数收益率的 Pearson 相关系数、OLS 对冲比率、当前价差 z-score 以及均值回归半衰期。请按照上一节所述的方式解读：在全部四个窗口中都保持高相关性的配对，值得进一步做协整检验；在 24 小时内相关、但在 90 天内不相关的配对，正处于已经在转变的市场状态中。

Brent 对 WTI、黄金对白银以及 SPY 对 QQQ，与上文外汇表格所描述的是同一类分组，现在可以实时测量；下方的季度基差表则是同一数据的期现套利一面。大宗商品、ETF 和股票的价格来自 Binance 代币化永续合约：它们跟踪标的资产，但并非 CME、ICE 或证券交易所的报价，且周末流动性较薄。相关性、对冲比率和 z-score 的计算逻辑，与 SharpTrader 的 PairsTrading 策略在您经纪商数据源提供的任何品种上运行的逻辑相同。

腿部风险：执行层如何吞噬优势

这是大多数配对交易教程略过的部分。一个配对信号会开出两个同时进行的仓位。如果两条腿没有在同一瞬间成交，您就暴露在腿部风险之下——即在第一笔成交与第二笔成交之间的空档中，存在无保护的方向性敞口。对于一个每笔交易目标仅为 0.5 至 1.0 点均值回归优势的策略，在快速变动的价差上，即使只有 200 毫秒的腿部延迟，也可能在第二条腿成交之前抹掉全部优势。

图 3 — 如果两条腿没有同时成交，仓位在这段空档期间就会暴露于方向性风险。对于不足 1 点的优势，这段空档决定了策略是盈利还是仅仅打平。

有三个执行变量决定配对交易能否在实盘中存活——而它们都不会出现在常规的经纪商评测中：

• 两条腿之间的撮合延迟。如果两条腿都经由同一个撮合引擎，延迟是对称且可控的。跨经纪商的配对——一条腿在平台 A，另一条在平台 B——存在无法缓解的延迟差，散户的基础设施无法消除它。
• 滑点不对称。如果经纪商不利于交易者的成交多于有利于交易者的成交，那么两条腿的入场和离场都会被“征税”——每个来回有四次被征税的成交。对于不足 1 点的优势，仅这种不对称就可能使策略转为亏损。
• 信号时刻的点差扩大。配对信号恰恰在相关性承压时触发，而经纪商恰恰在这些时刻扩大点差。信号时点差扩大 30%，会直接转化为每笔交易盈亏减少 30%。

这些变量可以从交易对账单中测量出来，但大多数散户交易者在投入资金之前从不测量它们。我们为此开源了一套方法和工具包——请参阅外汇经纪商执行审计工具包（BEQI）（英文），它可以根据您自己的对账单对撮合延迟、滑点不对称和点差扩大进行评分。破坏延迟套利的同一个执行时间差，会以加倍的形式作用于配对交易：请参阅为什么对延迟敏感的回测无法在实盘中存活。

配对交易何时有效，何时无效

对于 2026 年，诚实的回答是：配对交易仍然有效，但只在有限的条件下。这一策略并没有消亡；消亡的是通过数据挖掘得到的版本。

根据我们在散户外汇平台上部署统计套利（英文）策略的经验，最常见的失败原因是经纪商的选择，而不是策略设计。一个设计正确的配对策略放在执行质量差的经纪商上仍然会亏钱；同样的策略放在快速、对称的平台上依然有效。在相信回测之前先测量平台——我们的外汇套利经纪商指南介绍了需要关注的要点。

配对交易与其他套利家族的比较

配对交易是六大外汇套利策略家族之一。每个家族利用不同的低效，需要不同的基础设施——了解配对交易所处的位置，有助于明确它需要什么、不需要什么。

结论：配对交易是套利家族中对延迟容忍度最高的一种，这使得没有托管共置基础设施的交易者也能使用它。但这种容忍是相对的——腿部风险仍然重要，而且该策略以统计风险（相关性断裂）取代了主导延迟套利和新闻交易的速度风险。您不需要是最快的；您需要在配对选择和市场状态风险上最有纪律。

风险管理：当相关性断裂时

配对交易之所以有效，是因为相关性稳定。当相关性断裂时，它就会失效——而且断裂是突然的，而不是渐进的。每个配对交易者都应该在回测中模拟以下三个事件：

• 瑞士国家银行，2015 年 1 月。瑞郎汇率上限被取消；EURCHF 在几分钟内波动约 30%。所有与瑞郎相关的配对相关性同时断裂。
• 新冠避险潮，2020 年 3 月。由于避险资金流压倒了相对基本面，各商品货币之间相互脱钩。通常稳定的 AUDUSD/NZDUSD 价差在两个交易时段内移动了四个标准差。
• 日本央行政策体制变化，2022–2023 年。所有日元交叉盘的相关性在 18 个月内重置了两次。在 2021 年有效的配对，在 2023 年使用相同参数却出现亏损。

风险管理的应对是结构性的，而不是参数性的：当 |z| > 3 持续超过两个交易时段时立即硬性止损；仓位规模随着接近重大央行事件而反向缩小；在预定的高影响数据公布前 24 小时内不开新仓；每季度进行滚动前推重新测试，并淘汰不再协整的配对，而不是重新优化它们。

一个实用的仓位规模经验公式，将规模与价差自身的波动率和止损距离挂钩：

# 配对交易仓位规模
position_size = (E × R) / (|β| × 3 × σ)

  E = 账户净值
  R = 每笔交易风险占净值的比例（通常为 0.5%–1%）
  β = 协整系数（回归斜率）
  σ = 价差 Z 的历史标准差
  3 = 止损的 z 阈值

β 缩放使两条腿在价值上保持中性，而不是在合约数量上中性。对于多配对组合，应限制所有未平仓配对的总名义金额，并把同时持有的仓位限制在少数几个不同的协整关系上——超过这个数量，您就不是在分散风险，而是在集中押注连接这些配对的共同因素。

适用于配对交易和统计套利的平台

在哪里运行配对策略，几乎与选择哪些配对同样重要。一个统计套利平台必须做好四件事：为两条腿提供同步报价，以两者之间最小的延迟发送两笔订单，在真实的腿部风险下测试策略，并让您实时监控价差和 z-score。

经纪商与平台同样重要：两条腿都是原始点差、等待回归期间可以承受的隔夜利息、账户允许对冲，以及没有 last-look 拒单的执行。我们在统计套利经纪商需要关注什么中列出了检查要点。

在现实执行条件下测试配对策略

配对策略回测高估实盘优势的原因在于，常规策略测试器假设零延迟成交和固定点差——而这正是腿部风险和信号时刻点差扩大所违背的两个假设。配对策略需要在同时包含这两者的条件下进行测试。

SharpTrader Optimizer 正是为此而打造的。它基于真实的历史 Tick 数据流而不是 K 线近似进行回测，允许您设置以毫秒为单位的真实订单执行时间并观察它如何改变结果，并对每个 Tick 应用可变的历史点差——每条腿的开仓和平仓滑点都被独立建模。对于双腿策略，这意味着回测能反映图 2 和图 3 所描述的腿部风险窗口和信号时刻的点差扩大，而不是假装它们不存在。24 小时表现热力图还能显示某个配对的价差在哪些交易时段回归得最干净。

常见问题