Pairs Trading，即配对交易策略。其基本原理就是找出两只走势相关的股票。这两只股票的价格差距从长期来看在一个固定的水平内波动，如果价差暂时性的超过或低于这个水平，就买多价格偏低的股票，卖空价格偏高的股票。等到价差恢复正常水平时，进行平仓操作，赚取这一过程中价差变化所产生的利润。为了实现协整套利，首先要针对不同的股票时间序列进行协整分析，找到价格走势高度相关的股票对。（原文链接在此，不想复制代码的小伙伴可以到这里直接克隆运行）
在 Python 的 Statsmodels 包中，有直接用于协整关系检验的函数 coint，该函数包含于 statsmodels.tsa.stattools 中。


首先，我们构造一个读取股票价格，判断协整关系的函数。该函数返回的两个值分别为协整性检验的 p 值矩阵以及所有传入的参数中协整性较强的股票对。我们不需要在意 p 值具体是什么，可以这么理解它： p 值越低，协整关系就越强；p 值低于 0.05 时，协整关系便非常强。


然后我们设置要协整分析的股票范围和分析的起止时间范围，我们可以选择画出协整检验热度图，这里画的是1-pvalues，颜色越红表示对应的股票对协整关系越稳定。
我们对pvalue排序，较小的pvalue表示对应的股票对的协整关系越稳定。

我们选择协整关系最强的一组股票对，绘制走势图并进行最小二乘回归，获取回归系数。



根据获得的回归系数，构造回归方程 y=const+coef*x 也就得到y-coef*x这个价差平稳序列，画出这个平稳序列可以看出，虽然价差上下波动，但都会回归中间的均值。
接着我们构造z-score函数，计算时间序列偏离了其均值多少倍的标准差
计算价差的zscore函数序列并绘图

可以看出此序列基本在-1到1之间波动，当两这个序列的 z-score序列 突破 1 或者 −1 时，说明两支股票的价差脱离了统计概念中的合理区间，如果它们的协整关系能够保持，那么它们的价差应该收敛
结合上图，当 z-score 突破上方红线时，说明y-coef*x高估，推测此差值应在未来降低到合理的波动区间，因此可以卖空1份的y标的，买入coef份的x标的，等待y-coef*x回归到0附近时平仓获利；反之，当 z-score 突破下方绿线时，说明y-coef*x低估，推测此差值应在未来上升加到合理的波动区间，因此可以买入1份的y标的，卖空coef份的x标的，等待y-coef*x回归到0附近时平仓获利。