1703529598
1703529599
我们举例介绍这个过程：
1703529600
1703529601
拿郑州商品期货交易所的强麦（2013年5月后称为郑麦）期货合约和大连商品期货交易所的玉米期货合约为例。2003年3月31日强麦期货在郑州商品期货交易所上市，2004年9月22日玉米期货在大连商品期货交易所上市，从这一天起我们就能够获得强麦与玉米的比价，到2011年9月4日我们总共积累了1699个交易日的平均比价。
1703529602
1703529603
第一步，根据这些数据我们做出了强麦与玉米比价的直方图（见图4-5）。通过视觉观察，我们相信这个比价的分布符合正态分布的特征（人与机器的区别之一是人具有视觉，可以快速发现事物的特征）。
1703529604
1703529605
第二步，通过对1699个数据的计算，我们可以得到这个正态分布的均值和方差。目前强麦与玉米比价的数据均值为1.224，方差为0.100。这是两个非常重要的数据，因为根据正态分布的特征可知：正态曲线下，横轴区间（μ－σ，μ＋σ）内的面积为68.268949％，横轴区间（μ－1.96σ，μ＋1.96σ）内的面积为95.449974％，横轴区间（μ－2.58σ，μ＋2.58σ）内的面积为99.730020％。如图4-14强麦玉米正态分布图。
1703529606
1703529607
1703529608
1703529609
1703529610
图4-14 强麦玉米正态分布图（2004年9月22日）
1703529611
1703529612
我们可以这样来理解：比价值落在均值加减1个方差范围内的几率约为68％；比价值落在均值加减2个方差范围内的几率约为95％；比价值落在均值加减2.5个方差范围外的几率小于1％。以前是这样，将来也有可能是这样。本例中，均值加减1个方差的范围是从1.124到1.324之间；均值加减2个方差的范围是从1.024到1.424之间。
1703529613
1703529614
第三步，观察当前比价，根据比价与均值的关系决定套利交易的方向。这很简单，我们的比价是由强麦价格／玉米价格得来的，如果当前比价小于均值则说明相对于玉米价格强麦的价格可能被低估，所以套利方向应该是买入强麦，卖出玉米，长期来看以后出现的比价大于当前比价的概率将大于比价继续缩小的概率。反之，如果当前比价大于均值则说明相对于玉米价格强麦的价格可能被高估，所以套利方向应该是卖出强麦，买入玉米，长期来看以后出现的比价小于当前比价的概率将大于比价继续走高的概率。
1703529615
1703529616
第四步，根据“正态分布概率积分表”判断套利交易“成功”概率。比如，2011年9月14日当天，强麦与玉米的比价为1.158，这个比价小于1.224的均值，这说明套利交易的方向是买入强麦，卖出玉米，但是我们有多大的机会成功呢？查“正态分布概率积分表”可知，比价高于此数值的概率为63％，低于此数值的概率为37％。这似乎是个机会，但接近40％的资金回撤可能性并不是套利者希望看到的，他们会继续等待，如果能换一个角度思考，更好的机会至少有37％的概率出现，现在急于交易可能产生的不良结果，会由于耐心而变成未来的良机。
1703529617
1703529618
在2012年1月11日，强麦与玉米的比价降至1.047。查“正态分布概率积分表”可知，比价高于此数值的概率大于96％，低于此数值的概率小于4％。非常好，这正是套利者等待的机会。虽然没有人能够准确、具体地预言未来，但在一个较长的时间段内我们能够对事态发展的可能性作出预测。
1703529619
1703529620
需要提醒大家注意的一点是，在对某一天价差概率作判断的时候，要依据在此之前所能得到的所有数据计算均值和方差，并绘制正态分布图。原因是，以往的数据只能告诉我们过去的分布，而不是完整的规律，每一天都在变化之中，数据越多，我们才越接近真相。
1703529621
1703529622
从另一个角度来说，当数据很少时，我们必须谨慎面对。比如郑州商品交易所的菜油、油菜籽和菜粕这三个品种，从理论上来看，它们之间的关系如同大豆、豆油和豆粕，油菜籽是原料，菜油和菜粕是产品，是天生的可套利品种。问题是，油菜籽和菜粕期货合约仅从2012年12月28日才上市交易，到2013年9月不足200个日交易数据，我们尚不能从这么少的数据中发现它们之间的统计规律。我的建议是，没有3年以上的价格数据作为支持，不要轻易参与一个套利机会。
1703529623
1703529624
第五步，唯一要做的就是行动。能做而不做、见机而不举，那是懦夫。之后的结果我们在第二章中已有过介绍，这里就不重复了。
1703529625
1703529626
所谓好的时机就是那种风险小而收益大的时机，概率分析会清晰地告诉我们什么时候出现这样的时机，并能够（至少是近似地）量化风险和收益的可能性，从而增强我们对市场情绪和噪音的免疫力。
1703529627
1703529628
套利者相信自然规律，相信事物会回归其基本的运行规则，相信两个商品之间的比价有回归其均值的趋势。
1703529629
1703529630
回归最初是遗传学中的一个名词，是由英国生物学家、统计学家高尔登首先提出来的。他在研究人类的身高时，发现高个子父母的子女身高有低于其父母身高的趋势；而矮个子父母的子女身高往往有高于其父母身高的趋势。从整个发展趋势来看，高个子回归于人口的平均身高，而矮个子则从另一方面回归于人口的平均身高。回归这一概念，从此便一直为生物学和统计学所沿用。
1703529631
1703529632
在统计分析中，回归是一种研究两个变量之间关系的分析方法，目的在于根据已知的变量（自变量）来估计和预测另一个变量（因变量）的总平均值。例如，农作物单产与施肥量、降雨量和气候有着依存关系。通过对这一依存关系的分析，在已知有关施肥量、降雨量和气候信息的条件下，可以预测农作物的平均单产量。
1703529633
1703529634
很明显，套利商品的比价随着时间的不同，其值在前后期之间表现出一定的依存关系，长期来看，任何比价的过度偏离最终都将被时间修正，这是典型的自身回归模式。这一规律保障了套利的成功可能。
1703529635
1703529636
那么为什么比价会回归？
1703529637
1703529638
这是由套利商品之间的相关性所决定的。
1703529639
1703529640
经济现象之间客观上存在着各种各样的有机联系。相关关系，就是指现象之间存在着非严格放热、不确定的依存关系。这种关系的特点是：某一现象在数量上发生变化会影响另一现象数量上的变化，而且这种变化在数量上具有一定的随机性。也可以这么说，当给定某一现象一个数值时，另一现象会有若干个数值与之对应，并在总是遵循一定规律，围绕这些数值的平均数上下波动。其原因是，影响现象发生变化的因素不止一个。例如，影响豆油价格的因素除了原料大豆的成本外，还有加工成本、市场需求等因素。
1703529641
1703529642
相关关系按相关方向的不同，可以分为正相关和负相关。正相关是指两个变量之间的变化方向一致，呈一致增长或一致下降趋势。例如，消费品销售量与居民货币收入之间的关系。负相关是指两个变量之间的变化方向相反，即一个呈下降（上升）而另一个上升（下降）。例如，商品的价格与销售量之间的关系。
1703529643
1703529644
相关关系按相关程度的高低，可以分为完全相关、不完全相关和不相关。如果一变量的变量值完全由另一个或一组变量值所决定，这种相关关系称为完全相关。因此，完全相关也就是变量之间的一种确定的函数关系。如果一变量的变量值不但与另一个或一组变量值有关，而且受随机因素的影响，则变量之间的相关关系表现为不完全相关。如果一变量值不受另一个或一组变量值影响，彼此独立，则变量之间没有相关关系，即为不相关。
1703529645
1703529646
人们通常用相关系数来描述变量间相关强弱的程度。
1703529647