一、配对交易的逻辑

如果你关注过量化交易，一定听说过配对交易（Pairs Trading）。逻辑非常直观：

两只同行业的龙头股，定价逻辑相同。当它们的价差拉大时，买入便宜的、卖出贵的，等价差回归后平仓获利。

这个策略在美股市场有几十年的成功历史。但A股有几个天然约束：

T+1

：当天买入最早次日才能卖出

融券困难

：绝大多数股票融不到券

长期趋势强

：A股龙头股往往有极强的长期上涨趋势

在这样的市场里，配对交易还能赚钱吗？我用了6年数据来回测。

二、实验设计

选股配对

为了覆盖不同行业特性，我选了三组代表性配对：

策略逻辑

1. 每日计算两只股票的价比：ratio = price_A / price_B2. 取60个交易日的滚动均值和标准差    3. 计算z-score = (当前ratio - 均值) / 标准差    4. z > 1.5 → B相对便宜，考虑买B      z < -1.5 → A相对便宜，考虑买A  5. 买入附加条件：被买入股票的MA5 > MA20（确认短期动量）   6. 退出条件（两重，任意满足即退出）：   ① z-score 回归到 0.5 以下（价差收敛了）    ② z-score 从入场继续恶化超过 1.0（止损，防深层亏损）

回测参数

回测区间：2020-01-01 ~ 2025-12-31（6年，1535个交易日）    初始资金：1,000,000元   交易成本：万三（含印花税+佣金）  数据：Tushare Pro 日线行情 + 前复权    框架：Backtrader

三、踩坑记录

第一版跑出来，6年只交易了4次——显然有问题。排查后发现两个Bug。

错误写法 ❌    def next(self):      price_a = self.datas[0].close[0]     price_b = self.datas[1].close[0]      ratio = price_a / price_b    self.ratio_history.append(ratio)

Backtrader中每添加一个数据源，next()就被调用一次。我有两个数据源，next()每天调用两次，ratio_history每天追加两次相同的值。60天滚动窗口压缩到30天，z-score计算全乱。

错误写法 ❌      if not self.position: # 这只检查datas[0]的持仓！

Backtrader的self.position等价于self.getposition(self.datas[0])。当策略买入datas[1]（比亚迪）时，self.position仍是False，导致可以重复加仓47万元，现金只剩53元，后续所有信号无法执行。

两个Bug修完后，交易恢复正常，各配对均有20-30次交易。

四、三组对比总表

唯一的规律：波动越大，配对交易越可能有效。新能源的波动给了价差反复偏离和回归的空间，而金融股的平稳走势让价差几乎没有可交易的幅度。

五、如果A股实行T+0，结果会怎样？

为了回答这个问题，我额外加了一个实验：修改回测逻辑，允许信号触发当天就以收盘价成交（T+0模式），对比原来的隔夜成交（T+1模式）。

关键发现

T+0将平安/人寿从亏损（-13.65%）扭转为盈利（+9.81%）。保险股这对最大的问题是——信号触发后，隔夜才能买入，第二天开盘价可能已经跳空，导致入场成本高出太多。T+0消除了这一跳空损耗，让策略的逻辑得以完整执行。

宁德/比亚迪在T+0下夏普达到0.976。对于一个没有用任何因子模型、只有简单z-score阈值的策略来说，夏普接近1.0已经是一个相当可观的数字。

银行股即使在T+0下仍然亏损。招行/兴业这对从-28.21%改善到-23.50%，但依然没有转正。这说明银行股的问题不是交易制度造成的，而是价差回归力度太弱——即使当天入场，回归收益也不足以覆盖交易成本和持有风险。

T+1的制度成本

T+1对配对交易的影响每年约1-4个百分点。对不同策略影响不同——持仓周期越短的策略，T+1的影响越大。配对交易的持仓周期通常在几天到几周，T+1的隔夜延迟对这类中低频策略的侵蚀大约是1-4个百分点/年。

六、结论

配对交易在A股，跑不赢买入持有

三组配对，两组亏损。唯一盈利的宁德/比亚迪组合，收益也只是买入持有宁德时代的1/3。核心原因：配对交易赚的是价差回归的钱。A股龙头股赚的是长期趋势的钱。在6年的时间尺度上，趋势的力量远大于回归的力量。大部分时间你在空仓等偏离，但龙头股在持续上涨。如果融券困难，导致无法做空被高估的那只，配对交易的收益就只剩一半了。

虽然配对交易作为独立策略跑不赢买入持有，但价差偏离本身是有用的信号——它告诉你今天这两只股票的相对定价关系不正常。这个信号更适合用来触发LLM去查原因，而不是直接用来交易：

系统监测到：宁德时代和比亚迪的价差偏离超过1.5σ     ↓     LLM去查：今天出了什么新闻？      → 宁德时代发了业绩预告？   → 比亚迪发布了新产品？      → 还是只是随机波动？

这篇实验做完了，但研究没结束。价差偏离信号本身是有价值的——我正在尝试把它和LLM结合，让AI自动去查"今天为什么偏离"，而不是盲目交易。下篇会写这个。

如果你对量化交易、策略回测感兴趣，关注这个号，后续会持续分享策略拆解和实战记录

本文仅作为策略研究记录，不构成任何投资建议。回测结果不代表未来收益。投资有风险，入市需谨慎。