配对交易(pairs trading)最早由上世纪八十年代中期华尔街著名投行摩根士丹利(Morgan Stanley)提出,是一种抵御风险的市场中性的投资策略,也是欧美国家广泛用于对冲基金的一种策略。我国由于双向交易机制受许多因素影响,直到2008年开通融资融券业务以来,配对交易才开始受到许多学者和证券机构的关注。由于传统的配对交易股票池选择为按行业划分,有一定的主观性,且配对股票个数限定为两支股票,这样会遗漏一些潜在的跨行业之间有效的配对机会。因此,本文研究的目的主要是针对传统配对方法进行改进,从而挖掘出更多的配对机会。首先,本文分析了传统配对交易的应用范围,以及在配对股票的筛选和配对模型的构建上的不足;其次,针对这两个方面的不足,改进了股票池筛选和配对模型的构建方法,并针对改进后的股票配对模型进行了交易流程的设计。在股票池改进方面,通过K-means++模型,运用主成分分析降维后的财务指标进行聚类分析,从而达到对沪深300成分股的进一步划分,来提高股票池的质量,增加后续股票配对的可操作性和配对后的稳定性;在配对模型的构建方面,本文尝试用Adaboost提升的弹性网络来挖掘多个股票的配对关系,然后根据目标股票与相关股票的回归系数来确定建仓的资金分配。然后,根据设计好的交易流程,以沪深300成分股为研究对象,从7个方面选取25个财务指标,利用聚宽量化平台对基于K-means++与Adaboost提升的弹性网络配对交易策略进行回测,并将回测结果对比分析。回测结果发现:1.针对多股票配对,基于Adaboost的弹性网络回归的预测效果要优于未提升的弹性网回归和最小二乘回归;2.最优阈值的设定会显著影响回测的收益,在2014年回测结果分析得出本模型的较好阈值为1.8倍残差序列标准差;3.相对传统配对交易策略,基于K-means++与Adaboost提升的弹性网络配对策略在牛市表现更好,但在平稳市场会有更大回撤,因此风险性更高。