均值回歸策略：當價格回彈時

金融中最古老的交易

均值回歸的直覺早於現代金融理論數個世紀。早在19世紀，大衛·李嘉圖就建議交易者「迅速停損，讓利潤奔跑」，但逆向本能——買入下跌的資產、賣出上漲的資產——在更早的大宗商品市場中就有記載。1637年荷蘭鬱金香泡沫崩潰中存活的交易者之所以能倖免於難，是因為他們意識到價格已經偏離內在價值太遠。學術文獻此後將這種古老衝動背後的統計結構加以形式化：回歸可靠的條件、驅動回歸的機制，以及將理論利潤與實際利潤區分開來的交易成本。

核心要點

均值回歸是資產價格、估值和利差隨時間向長期均值回歸的經驗性趨勢。雖然這個概念聽起來簡單，但實施有利可圖的均值回歸策略需要仔細關注回歸發生的時間範圍、用於檢測回歸的統計工具以及可能侵蝕理論利潤的交易成本。從Poterba和Summers（1988）到Avellaneda和Lee（2010）的學術文獻為理解價格何時以及為什麼回彈提供了豐富的基礎，但也警告均值回歸既非普遍存在也非有保證的。本文將介紹在現代市場中構建均值回歸策略的證據、機制和實際考量。

什麼是均值回歸？

均值回歸是指偏離長期均值的變數在隨後的時期內趨向於向該均值移動的統計屬性。在金融領域，這個概念適用於多個層面。個股價格在極端波動後可能回歸。本益比（P/E）等估值指標傾向於圍繞長期標準波動。公司債與國債之間的殖利率利差在危機時擴大，然後隨著條件正常化而收縮。

數學上，均值回歸最簡單的模型是奧恩斯坦-烏倫貝克（OU）過程，這是一個連續時間隨機過程，定義為dX(t) = theta * (mu - X(t)) * dt + sigma * dW(t)。其中，mu是長期均值，theta是回歸速度（值越大回拉越快），sigma是波動率，W(t)是維納過程。OU過程是量化金融的基礎構建模組，用於利率模型（Vasicek 1977）、商品定價和配對交易框架。

區分均值回歸和平穩性很重要。平穩過程具有恆定的均值和方差，而均值回歸僅意味著趨向於回到某個中心值的傾向。資產價格本身通常是非平穩的（長期呈上升趨勢），但相關資產之間的價差、估值比率和波動率指標通常表現出均值回歸行為。

這個概念也與賭徒謬誤不同。均值回歸並不意味著下跌的股票必須上漲。相反，它暗示公允價值的極端偏離會創造出反轉機率在統計上升高的條件。這種區別雖然微妙，但對策略設計至關重要。

長期證據

長期均值回歸的學術論據始於Poterba和Summers（1988）發表在Journal of Financial Economics上的里程碑式研究。他們考察了1871年至1986年的美國股票報酬，發現在三到五年的時間範圍內存在顯著的負序列相關性。簡而言之，高於平均報酬的時期之後往往跟隨低於平均報酬的時期，反之亦然。他們的方差比檢驗表明，多年報酬的方差增長慢於隨機漫步下的預期，這是均值回歸行為的標誌。

Fama和French（1988）在同年發表於Journal of Financial Economics的研究中得出了互補性結論。他們記錄了三到五年股票報酬變動的25%至40%可以由初始股息殖利率預測，這與價格中的均值回歸成分一致。當股息殖利率高時（價格相對於股息較低），隨後多年的報酬往往高於平均水準。

然而，長期證據並非沒有爭議。包括Richardson和Stock（1989）在內的批評者指出，長期檢驗存在嚴重的小樣本問題。在一個世紀的數據中只有少數不重疊的五年期間，統計檢驗力有限。Cochrane（2008）更近的研究認為，雖然可預測性發現在統計上是脆弱的，但在經濟上是有意義的，並且與時變風險溢價一致。

國際證據普遍支持均值回歸假說。Balvers、Wu和Gilliland（2000）考察了1969年至1996年18個已開發國家股票市場，發現實質股價指數中存在統計顯著的均值回歸，半衰期約為三到三年半。這意味著長期趨勢的任何偏離約有一半在此時間框架內得到修正。

短期反轉

雖然長期證據跨越數年，但另一個獨立的、可能更具可操作性的研究體系記錄了在更短時間範圍內的均值回歸。Jegadeesh（1990）在其發表於Journal of Finance的有影響力的論文中發現，月度股票報酬表現出顯著的負序列相關性。在過去一個月表現不佳的股票傾向於在隨後一個月表現優異，而近期贏家則傾向於表現不佳。

Lehmann（1990）將時間範圍推得更短，記錄了美國股票中顯著的週度報酬反轉。買入前一週輸家並賣出前一週贏家的投資組合在交易成本前產生了每週約1.5%的經濟上顯著的利潤。

關鍵問題是這些短期反轉是否代表真正的盈利機會，還是僅僅是提供流動性的補償。Lo和MacKinlay（1990）認為短期反轉的很大一部分可以歸因於買賣價差彈跳和對共同因子的延遲調整，而非基本價值的真正均值回歸。Avramov、Chordia和Goyal（2006）進一步證明，在考慮了包括買賣價差和價格衝擊在內的交易成本後，短期反轉策略的盈利能力大部分消失了，尤其是對於規模較小和流動性較低的股票。

儘管如此，最近的研究表明，短期反轉策略的精細實施仍然可以保持盈利。Nagel（2012）將反轉利潤與提供流動性的報酬聯繫起來，表明這些報酬在流動性稀缺的市場壓力期間最高。這種解釋將短期均值回歸框架為非免費午餐，而是在動盪時期承擔庫存風險的補償。

均值回歸背後的機制

理解價格為什麼回歸對於構建穩健的策略至關重要。學術文獻中提出了幾種機制，每種對策略設計都有不同的啟示。

配對交易與統計套利

配對交易由摩根士丹利的Nunzio Tartaglia量化團隊在1980年代中期首次系統性地開發，可能是均值回歸最著名的實際應用。基本思想是識別歷史上一起移動的兩種證券，等待價格偏離超過閾值，然後對表現不佳者建立多頭部位，對表現優異者建立空頭部位。當兩種證券之間的價差收斂回歷史常態時實現利潤。

Gatev、Goetzmann和Rouwenhorst（2006）在Review of Financial Studies上發表的研究中提供了配對交易最全面的學術分析之一。使用1962年至2002年的美國股票數據，他們發現基於最小距離的簡單配對交易策略（選擇在形成期間標準化價格序列的平方偏差之和最小的配對）在考慮一天交易延遲後，產生了約11%的年化超額報酬，夏普比率約為0.55。

Avellaneda和Lee（2010）將配對交易概念擴展到更廣泛的統計套利框架中。他們發表在Quantitative Finance上的方法不是交易單個配對，而是將股票報酬分解為系統性成分（由產業ETF或主成分解釋）和特異性殘差。然後他們將特異性殘差建模為均值回歸的OU過程，並根據這些殘差的訊號構建同時交易多檔股票的投資組合。他們對1997年至2007年美國股票的回測顯示年化夏普比率超過1.0，顯著優於簡單的配對交易。

然而，多項研究記錄了配對交易盈利能力隨時間下降的趨勢。Do和Faff（2010）表明，基本的Gatev-Goetzmann-Rouwenhorst配對交易策略的報酬在2002年後大幅下降，這可能是由於量化對沖基金競爭加劇和市場效率提高。這種盈利能力的衰減是量化策略的共同主題，突顯了持續創新的重要性。

均值回歸與動量

一個自然的問題是均值回歸與動量——近期贏家繼續表現優異、近期輸家繼續表現不佳的傾向——之間的關係。這種關係比簡單的對立更為微妙。

Jegadeesh和Titman（1993）記錄了動量在3至12個月的中期時間範圍內最強，De Bondt和Thaler（1985）表明在3至5年的長期時間範圍內回歸佔主導地位，Jegadeesh（1990）和Lehmann（1990）發現在1週至1個月的非常短期時間範圍內存在反轉。這種模式暗示了三體制結構。

對投資組合建構的啟示是，動量和均值回歸策略可以互補。因為它們往往呈負相關（動量買入近期贏家，而短期反轉賣出它們），將它們結合可以產生更穩定的報酬流。Asness、Moskowitz和Pedersen（2013）記錄了多個資產類別中的這種負相關性，並認為組合策略相比任一單獨方法提供了更優的風險調整後報酬。

實際實施

在實務中實施均值回歸策略需要解決幾個可能決定理論盈利與實際虧損之間差異的挑戰。

第一個挑戰是訊號建構。如何衡量偏離均值的選擇至關重要。簡單方法使用基於滾動窗口的z分數（例如，當前價格減去60日移動平均線，除以滾動標準差）。更複雜的方法使用卡爾曼濾波器動態估計均值和回歸速度，或使用基於共整合的方法（Engle and Granger 1987）來識別證券之間穩定的長期關係。增強型迪基-福勒檢驗和菲利普斯-佩龍檢驗通常用於檢驗價差是否平穩——這是均值回歸交易的必要條件。

第二個挑戰是交易成本。均值回歸策略，特別是短期的策略，傾向於頻繁交易。每筆交易都會產生買賣價差、市場衝擊、佣金和滑點的成本。Khandani和Lo（2007）證明，即使交易成本的微小增加也會急劇降低高頻均值回歸策略的盈利能力。成功的從業者因此在執行基礎設施上進行大量投資，包括智慧訂單路由、演算法執行和主機託管，以最小化這些成本。

第三個挑戰是風險管理。均值回歸策略面臨回歸永遠不會發生的風險。超出歷史常態的價差如果基礎經濟關係已經改變，可能繼續擴大。這被稱為價差發散風險，在2007-2008年金融危機期間得到了痛苦的印證，當時許多配對交易和統計套利策略因相關性崩潰而遭受嚴重損失。部位規模控制、停損規則和跨多個獨立賭注的分散化是必不可少的保障措施。

第四個挑戰是體制識別。均值回歸在區間震盪的穩定市場中運作良好，但在趨勢性或結構性變化的環境中可能災難性地失敗。從業者通常使用體制轉換模型（Hamilton 1989）或均值回歸速度參數的動態估計來調整策略的積極程度。當估計的回歸速度降至閾值以下時，減少部位規模或完全暫停交易可以保存資本。

最後，容量限制值得關注。因為均值回歸策略，特別是股票中的策略，通常涉及交易流動性較低的標的和持有逆向部位，它們面臨在不將價格推向不利方向的情況下能夠部署的資本的自然限制。Avellaneda和Lee（2010）指出，他們的統計套利報酬集中在小型股和流動性較低的股票中，而這恰恰是容量最受限的部分。隨著管理資產的增長，預期報酬傾向於下降，這是一種被稱為阿爾法衰減的現象，幾乎影響所有量化策略。

模擬績效

考慮一個假設性的10萬美元投資組合，從2005年1月至2025年12月對標普500成分股應用簡單的股票均值回歸策略。該策略按60日z值對股票進行排名，買入底部十分位（最超賣）並做空頂部十分位（最超買），每月再平衡。每條腿內的部位為等權重。

假設條件：每月再平衡，往返交易成本20個基點，除非特別說明否則不使用槓桿，標普500作為股票基準。

該模擬呈現出幾個明顯的模式。策略在強勁的趨勢性多頭市場中（2013-2016、2017-2019）跑輸基準，這與學術研究發現的均值回歸在動量驅動環境中表現不佳一致。2008年危機期間，市場中性結構提供了部分保護，損失14.8%，而基準下跌了37%，但隨著相關性飆升和利差擴大超出歷史範圍，策略仍然遭受了損失。2020年後的復甦期顯示出相對強勢，因為疫情驅動的價格錯位創造了有利可圖的回歸機會。

此模擬使用歷史數據，不代表實際交易結果。實際實施將面臨包括市場衝擊、買賣價差和營運限制在內的額外成本。

當證據失效時

2007年夏季提供了現代市場中均值回歸失敗的最戲劇性案例。2007年8月6日至10日那一週，一批量化股票基金在幾天內同時損失了5%至30%。Khandani和Lo（2011）詳細記錄了這次「量化地震」，表明損失源於槓桿化股票市場中性部位的快速平倉——其中許多依賴於均值回歸訊號。機制是強制去槓桿連鎖反應：一家大型基金（被廣泛認為是某大型銀行的多策略部門）為滿足次貸曝險的追加保證金而清算股票部位，暫時將價格推離基本面價值。持有類似部位的其他量化基金蒙受損失，觸發了自身的風險限額，形成自我強化的螺旋下降。

該事件暴露了均值回歸策略的結構性弱點：擁擠。當許多基金交易類似訊號時，其集體部位成為系統性風險的來源。市場某一部分的流動性衝擊可以通過擁擠策略的共享因子曝險傳導，導致在模型預測收斂的恰好時刻產生損失。

2020年新冠疫情暴跌展示了不同的失敗模式。2020年3月，標普500在23個交易日內下跌34%，是有記錄以來最快的跌幅之一。隨著股票跌破歷史z值閾值，均值回歸訊號產生了積極的買入訊號，但價格在反轉前繼續下跌數週。提前買入的策略在復甦開始前遭受了嚴重的按市值計價損失。Nagel和Zheng（2022）分析了這一事件，發現作為短期反轉利潤核心經濟功能的流動性提供在暴跌初期變得極為昂貴，因為買賣價差擴大到正常水準的數倍，市場深度蒸發。

2015-2016年期間展示了一種更緩慢但同樣具有破壞性的失敗模式：體制轉變。多年來表現出穩定共整合關係的能源板塊配對因頁岩革命重塑競爭格局而永久性崩潰。依賴石油服務配對歷史價差關係的交易者看到價差擴大且永遠不會收斂，因為配對公司之間的基本經濟關係已經永久改變。Israel和Moskowitz（2013）記錄了這種結構性斷裂是金融市場的持續特徵，代表了任何均值回歸框架中不可約減的風險。

研究共識的啟示

學術文獻在均值回歸方面存在幾點廣泛共識。第一，均值回歸行為是資產價格在多個時間範圍內的真實且持續的特徵，這一點從Poterba和Summers（1988）到Balvers、Wu和Gilliland（2000）都得到了支持，並在國際數據中得到確認。第二，Jegadeesh（1990）和Lehmann（1990）記錄的短期反轉效應在經濟上具有顯著性，但正如Nagel（2012）所證明的，它主要代表的是提供流動性的補償，而非純粹的無效率。

文獻存在分歧的地方在於利潤的來源和可持續性。Gatev、Goetzmann和Rouwenhorst（2006）報告了截至2002年配對交易的強勁報酬，但Do和Faff（2010、2012）記錄了研究發表後盈利能力的顯著衰退，表明研究的發表本身加速了競爭。Avellaneda和Lee（2010）表明更精密的統計套利方法可以恢復大部分失去的盈利能力，但他們的方法需要大多數投資者無法獲得的大量基礎設施和因子模型支持。

Chordia、Goyal和Saretto（2020）闡述的日益增長的共識認為，現代市場中均值回歸利潤主要流向具有執行優勢的參與者——更低的延遲、更好的數據、更低的交易成本——而非具有卓越訊號構建能力的參與者。這一發現具有實際意義：散戶和小型機構投資者可能發現長期基於估值的均值回歸（在多年時間範圍內買入便宜市場、賣出昂貴市場）比已經成為基礎設施密集型業務的短期統計套利更具可及性。

實際啟示是，均值回歸作為投資組合建構原則仍然有效，特別是作為動量策略的補充（Asness、Moskowitz和Pedersen 2013），但具體實施必須根據投資者的執行能力、時間範圍和容量限制進行校準。