均值回归策略完整解析
为什么 LTCM 用这套亏 $4.6B
1998 年 9 月，全球顶级避险基金 Long-Term Capital Management（LTCM）在 4 个月内亏损 $4.6 billion USD， 差点拖垮整个美国金融体系。 LTCM 的核心策略？均值回归。
有趣的是：LTCM 的两位诺贝尔经济学奖得主合伙人 （Robert Merton、Myron Scholes）的数学没错， 策略逻辑也没错。它们死在「市场可以非理性比你想象更久」。 本文讲均值回归的数学原理、四种真实实作、LTCM 教训， 以及散户该怎么安全使用。
1. 什么是均值回归？背后的统计学
均值回归（Mean Reversion）假设：价格会围绕「长期均值」上下波动， 短期偏离后会回到均值。
数学上对应 Ornstein-Uhlenbeck 过程：
dX_t = θ(μ − X_t) dt + σ dW_t
θ = 回归速度
μ = 长期均值
σ = 波动率
dW = 随机项直觉：价格 X 偏离均值 μ 越远，被拉回均值的「力」θ(μ−X) 越大。 这是物理学的弹簧模型。
不会回归：单一股价、单一加密货币（长期可以归零或涨 1000x）
有时候会：BTC/ETH 之类有「公允估值」可参考的，但周期很长
2. 实作 ①：RSI 反转（最简单）
已经在 RSI 完整教学 讲过，核心逻辑：
//@version=5
strategy("RSI 均值回归", overlay=true)
rsi = ta.rsi(close, 14)
// RSI < 30 = 偏离下限太远，买回均值
if (ta.crossover(rsi, 30))
strategy.entry("Long", strategy.long)
// RSI > 70 = 偏离上限太远，卖回均值
if (ta.crossunder(rsi, 70))
strategy.entry("Short", strategy.short)3. 实作 ②：Z-score 标准化
进阶版：用 Z-score 量化「偏离均值有多远」：
Z-score = (当前价格 − 过去 N 期均值) / 过去 N 期标准差
Z = 0 → 在均值上
Z = ±1 → 偏离 1 个标准差
Z = ±2 → 偏离 2 个标准差（95.4% 机率区间外）
Z = ±3 → 极端偏离（99.7% 区间外）//@version=5
strategy("Z-score 均值回归", overlay=true)
length = input.int(50, "回归周期")
zEntry = input.float(2.0, "进场 Z-score")
zExit = input.float(0.5, "出场 Z-score")
mean = ta.sma(close, length)
std = ta.stdev(close, length)
zscore = (close - mean) / std
// 偏离 2σ 进场
if (ta.crossunder(zscore, -zEntry))
strategy.entry("Long", strategy.long)
if (ta.crossover(zscore, zEntry))
strategy.entry("Short", strategy.short)
// 回到 ±0.5σ 出场
if (math.abs(zscore) < zExit)
strategy.close_all()
plot(zscore, "Z-score", color=color.blue)
hline(zEntry, "Upper", color=color.red)
hline(-zEntry, "Lower", color=color.green)
hline(0, "Mean", color=color.gray)4. 实作 ③：Bollinger Bands 反转
Bollinger Bands 本质就是均值回归可视化。详见 Bollinger Bands 教学。
关键差别：要配合 Squeeze 或 Walking the Bands 识别「目前是震荡还是趋势」。
5. 实作 ④：配对交易（Pairs Trading）
这是均值回归最强的应用 — 不赌单一资产， 赌两个相关资产的「价差」会回到均值。
经典例子：可口可乐（KO）vs 百事可乐（PEP）。两家饮料巨头股价走势高度相关。 如果 KO/PEP 比率突然偏离历史均值，做空高的、做多低的，等比率回归。
加密领域可以对应：BTC vs ETH 比率、BTC 现货 vs BTC 永续。
//@version=5
strategy("BTC/ETH 配对交易", overlay=false)
btc = request.security("BINANCE:BTCUSDT", timeframe.period, close)
eth = request.security("BINANCE:ETHUSDT", timeframe.period, close)
ratio = btc / eth
length = input.int(50, "回归周期")
zEntry = input.float(2.0, "进场 Z")
mean = ta.sma(ratio, length)
std = ta.stdev(ratio, length)
zscore = (ratio - mean) / std
// 比率太低 → BTC 相对便宜 / ETH 相对贵
// 做多 BTC、做空 ETH（需要两个 strategy 跑）
if (ta.crossunder(zscore, -zEntry))
strategy.entry("LongRatio", strategy.long)
if (ta.crossover(zscore, zEntry))
strategy.entry("ShortRatio", strategy.short)
plot(zscore, "Z-score", color=color.purple)6. LTCM 1998 年崩盘 — 均值回归的史诗级教训
Long-Term Capital Management 1994 年成立于 Connecticut， 创办人是传奇债券交易员 John Meriwether， 合伙人含两位诺贝尔经济学奖得主： Robert Merton 跟 Myron Scholes（Black-Scholes 期权公式发明者）。
策略：固定收益相对价值（fixed-income relative-value） — 做空昂贵的债券、做多便宜的债券，等价差回归。 理论上每笔获利很小（赚几个 basis point）， 所以他们用极高杠杆放大 — 高达 25:1。
1994-1997：神话年代
- 1995：年化 +43%
- 1996：年化 +41%
- 1997：年化 +17%
- AUM 从 $1.25B 飙到 $7.7B
1998：4 个月亏 $4.6B
1998 年 8 月俄罗斯政府债券违约，引发全球避险恐慌。 所有「便宜」的资产持续变更便宜，「贵」的继续变更贵 — 均值回归的反方向。
LTCM 的仓位太大、杠杆太高，无法等市场回归均值。 被迫平仓 → 仓位太大平仓造成更大价差偏离 → 恶性循环。
最终美联储召集 14 家银行紧急救援 $3.6B 接管 LTCM， 避免系统性崩溃。
7. 散户安全使用均值回归的 5 条规则
- 不要用杠杆。LTCM 25:1 杠杆是死因。散户 ≤ 3x 即可
- 每笔仓位限制 5%。即使全错也只亏 5%
- 用 Z-score > 2 才进场。Z=1.5 进场胜率低， 等 2+ 偏离才有 edge
- 设绝对止损。Z=3.5 仍不反转就止损出场 — 可能均值本身已经改变
- 只用于「真会回归」的资产： 利率、波动率、配对股票。 单一加密币种用均值回归要极小心
8. 跟趋势追踪是什么关系
两者是对立的世界观：
| 维度 | 均值回归 | 趋势追踪 |
|---|---|---|
| 前提 | 价格会回到均值 | 趋势会持续 |
| 胜率 | 高（60-70%） | 低（35-45%） |
| 赔率 | 小赢小赢 + 偶尔大亏 | 小亏小亏 + 偶尔大赚 |
| 适合市场 | 震荡盘 | 趋势盘 |
| 代表 | LTCM、配对交易 | CTA、海龟 |
9. 三个关键 takeaway
- 均值回归是「高胜率小赚、偶尔大亏」。 风控（仓位 + 止损）比策略本身重要 10 倍
- LTCM 的教训：策略对 ≠ 你能撑到回归。 杠杆是死神，仓位限额是救命符
- 配对交易是最安全的均值回归版本。 Market-neutral，不押市场方向只押相对关系