以沪深300股指成份股的300只股票为对象挑选配对组合，首先基于基本层面分析，选择成交量在20万手以上的沪深300成份股进入股票池，共挑选出186只股票；筛除掉其中数据不完整的股票，股票池中剩余163只股票；之后对这163只股票进行两两配对，利用配对期股票的价格序列，计算其标准化价格序列的价差平方和，对价差平方和较小的配对组合计算spearman秩相关系数，选择spearman秩相关系数在0.92以上的配对组合作为最终本文的研究对象。

第二步为构建协整配对交易策略：首先验证两只股票间的协整关系；若协整，对两只股票的对数价格序列进行回归，得到协整系数；然后，根据交易期数据构建价差序列，以残差序列的倍数标准差作为交易信号，进行交易操作，计算组合收益。

4. 参考文献

[1] vidyamurthy g. pairs trading: quantitative methods and analysis [m]. wiley, 2004.

[2] elliott r j, van der hoek j, malcolm w p. pairs trading[j]. quantitative finance, 2005, 5(3): 271-276. [3] gatev e, goetzmann w n, rouwenhorst k g. pairs trading: performance of a relative-value arbitrage rule [j]. review of financial studies, 2006,19(3):797-827. [4] huck n. the high sensitivity of pairs trading returns [j]. applied economics letters, 2013, 20 (14):1301-1303. [5] chen, j., chen, j., chen, z., li, f. empirical investigation of an equity pairs trading strategy[j]. management science, 2017. [6] 张连华. 基于高频数据的股指期货期限统计套利程序交易[j]. 计算机应用于软件, 2011, 28(9): 93-95,156. [7] 王春峰, 林碧波, 朱琳. 基于股票价格差异的配对交易策略[j]. 北京理工大学学报(社会科学版), 2013, 15(1): 71-75. [8] 何卫平. 基于copula 函数和条件概率模型的配对交易研究[d]. 暨南大学, 2015.[9] 刘梦晨. 沪深300股指成分股的配对交易策略分析[d]. 上海师范大学, 2018.[10] sklar a. fonctions de repartition a n dimensions et leurs marges[j]. publication de l’institut de statistique de l’universite de pairs, 1958, 8: 229-231.