配对交易是统计套利中运用最广泛的方法之一。这一策略的基本假设是:虽然两只股票各自的价格序列的波动是随机的,但是它们的价差或与价差相关的时间序列的变动存在一个合理区间,当价差脱离这一区间时,市场因素便会纠正这种“反常”的现象,让其重归合理区间,即均值回复理论。近年来,基于协整关系的配对交易在国内外从事“量化投资”的学者中已经展开较为深入的研究,这一方法,在业界也成为主流方法得以推广使用。但是,自中美贸易“摩擦”以来,A股市场波动更为明显,“牛熊”转换的周期较以往更加短暂。由于市场上不确定性因素的增多,传统的配对交易所需要的环境条件不再满足,加之,笔者通过大量的实验,发现即使两只股票的价差序列不具有平稳性,也可以在市场波动剧烈时通过配对交易构建“多空”组合获得超额收益。显然,依靠传统的配对交易的观点无法拟合和解释这一现象。这种情况下,如何构建新的配对模型,并对组合收益进行解释,是这篇文章要解决的问题。考虑到金融时间序列普遍具有均值回复和随机游走的特征,在文章中,笔者利用部分协整理论将传统配对交易中的协整模型加以改进,形成部分协整模型（PCI）。模型认为,股票组合的价差序列中不仅具有均值回复（Mt）的成分,也包括自相关（Rt）的成分,通过计算机编程计算每两只股票之间的价差序列中这两部分的P统计量及占比,并将这些值进行排序,取出排序靠前的股票组合,以此完成配对。因价差序列自身非平稳,而其一阶差分序列是平稳的,根据这种数量关系,并参考其他文献中的做法,在交易频率和模型收益的综合考虑的基础上,根据价差序列的一阶差分序列的均值和方差设置建仓、清仓和止损阈值进行交易,进而取得股票组合的收益率。实证过程中,参考其他学者在研究配对交易过程中的做法,文章研究标的选取的是沪深300指数成分股,并根据wind分类标准,将股票分成五个行业。在时间区间的选取上,文章的研究期为2016年1月4日至2019年12月18日,全样本时段中涵盖了完整的“牛市”和“熊市”转换的区间,以此排除时间和市场行情因素可能会对实证结果造成影响,其中根据学者通过市场指数收益率对“牛市”和“熊市”的界定,我们将2016年1月4日至2018年1月29日设定为“牛市”（Ⅰ）,而2018年1月30日至2019年12月18日设定为“熊市”（Ⅱ）,研究过程分别在全时段Ⅰ+Ⅱ期、Ⅰ期和Ⅱ期依次进行。实证结果显示,配对效果较好的股票组合的价差中一般具有非常显著的Mt、Rt成分,且近似按照1:1的比例出现。从交易结果来看,当市场处于下行阶段时,组合收益普遍高于沪深300指数收益（基准收益）;综合三个时段来看,可选消费行业比其他行业更容易取得较高的组合收益。在进一步的研究中,文章结合Fama-French三因子模型和四因子模型对配对组合的超额收益进行分析。结果显示,在全时段、“熊市”、“牛市”三个时期,因子模型回归产生的截距项均显著异于0,表明组合的全部超额收益中仅有一部分来自Fama因子。在被解释的超额收益中,市场因子（RMRF）和市值因子（SMB）均产生了显著的影响,其中“牛市”期间,RMRF的影响显著为正,“熊市期间”影响则显著为负,SMB因子则无论在哪个区间,对组合收益的影响都显著为负,而账面市值比因子（HML）和盈利因子（RMW）所产生的影响并不明显,这表明基于部分协整模型的配对交易策略是“市场中性”,同时组合收益中存在明显的“小市值效应”。借鉴其他学者对股票收益率的研究,文章除使用Fama因子解释组合的超额收益以外,还根据Amihud（2002）的研究对市场流动性加以控制,即引入非流动性因子（ILLIQ）结合Fama因子模型,构造多因子模型对组合的超额收益进行解释,结果显示,组合收益与非流动性因子呈显著正相关关系,这表明,流动性的差异也是组合收益的来源。进而得出组合由较小的市值和较低的流动性的股票组成会获得更好的收益的结论。在模型超额收益产生机制的研究中,文章构建价差因子,通过将其与Fama因子和非流动性因子进行回归,发现Fama因子和非流动性因子均对组合价差产生了显著的影响,这说明这些风险因子正是通过影响价差因子来影响模型的运行和超额收益的产生。基于结论的稳健性的考虑,文章在最后通过Fama-French五因子模型对超额收益进行调整,并改变时间区间将“股灾”期间考虑在内,最后也可以得出一致结论。纵观全篇,通过文章的研究,笔者通过构建部分协整模型,将非协整的股票进行配对,在理论上,对配对交易策略进行拓展,使配对交易的适应范围更加广泛,并对组合的超额收益进行解释,探究组合的超额收益和各个因子、市场行情、行业之间的关系;同时在现实应用中,对配对策略在使用过程中的选股和择时方面都具有一定的参考意义。