统计套利是在上世纪90年代末期开始流行起来的，当时一批来自数学、物理等自然科学的学术专家利用这种简单的统计现象获得了两位数的收益。从那以后，统计套利就开始毁誉参半。它能让行家里手受益匪浅，也能让一知半解者损失惨重。

    统计套利是布林带（Bollinger Bands）、乖离率（Bias）这类技术分析策略的近亲，核心直接依赖于数据挖掘。首先，统计套利分析者对海量的历史数据进行筛选，以期发现某种普遍的统计关系。这种关系可以存在于一个证券的当前价格水平及其近期历史价格水平之间，也可存在于两个证券的价格水平之间，甚至可以存在于一个证券的价格水平和另一个证券的波动率之间。在寻找的过程中，关键在于这种关系必须在90%的统计置信度下成立，90%是大多数统计分析中可以接受的最低置信阀值。

    当我们检测到一个显著的统计关系之后，我们就可以建立一个基于如下假设的统计套利交易模型：如果某一时刻这种统计关系被违反，那么它将会均值回复（mean-revert）到它的历史正常水平，此时我们就应该在均值回复方向建立头寸。当对这种统计关系的违反程度变得很大时，则均值回复的力量也会相应增加。

    很多常见的统计套利策略仅仅依赖于统计关系而没有任何经济学上的基础，这些交易策略也可能产生不错的结果，但是一般来说，此类相互关系总是经受不起时间的考验，往往被证明是随机的或是伪的。举个夸张一点的例子，Challe在2003年通过统计发现太阳黑子的出现与资产回报之间的关系是统计显著的，可事实上，没有投资经理愿意以此为依据进行交易。

    以美国市场来看，统计套利的主要内容包括股票配对交易、股指对冲、融券对冲和外汇对冲交易。股票配对交易在方法上又可以分为两类，一类是利用股票的收益率序列建模，目标是在组合的β值等于0的前提下实现Alpha收益，称为β中性策略；另一类是利用股票的价格序列的协整关系建模，称为协整策略。股指对冲交易是指利用不同的国家、地区、行业的指数相关性，同时买入、卖出一对指数期货的交易方式。在经济全球化时代，国家、地区、行业经济的联系越来越紧密，而代表这些国家、地区、行业的公司之间的关联程度也越来越大，这就使得系统性的风险会造成一荣俱荣、一损俱损的局面，因此，进行指数间的对冲交易是一种低风险、高收益的投资方式。融券对冲是利用融券进行做空交易的同时，买入现货做多，从而规避系统性风险的一种交易方式，主要有股票融券对冲、可转债融券对冲、股指期货融券对冲和封闭式投资组合融券对冲这几种方式。外汇对冲是指在外汇市场上，同时做多做空两个货币对的交易方式，由于主要经济体时间的经济关联性很强，使得一些货币之间出现同涨同跌现象，给对冲交易提供了可能，其主要包括利差套利和货币对冲两种。

    对统计套利策略进行绩效评估是至关重要的。通常，我们使用以下几个指标对统计套利策略进行评价：累积收益、标准差、夏普指数以及与市场基准指数的相关系数。其中，夏普指数是最重要的。

    夏普指数（Sharpe Ratio），是一个经过风险调整后的收益指标。夏普指数反映了单位风险基金净值增长率超过无风险收益率的程度。如果夏普指数为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率，在以同期银行存款利率作为无风险利率的情况下，说明投资基金比银行存款要好。夏普比率越大，说明基金单位风险所获得的风险回报越高。反之，则说明了在衡量期内基金的平均净值增长率低于无风险利率，在以同期银行存款利率作为无风险利率的情况下，说明投资基金比银行存款要差，基金的投资表现不如从事国债回购。而夏普比率为负时，按大小排序没有意义。

    统计套利策略最核心的优势在于它的收益十分稳健。一般来说，统计套利策略收益的标准差低于基准指数，夏普指数高于基准指数，而在相关性方面，统计套利策略与各基准指数的相关系数远小于其他类型的策略，即，统计套利是一种市场中性策略，无论市场是牛是熊，都可以获得良好的收益预期。