更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。
如何选择配对品种
目前在商品期货市场，上市品种活跃品种也越来越多。我们知道，商品期货是可以做跨品种的配对交易的，理论上商品期货的品种数量越多，我们能组合的跨品种交易对也越多。那么，我们该如何选择有效的配对品种，来进行策略研究和配对交易？技术宅认为，应该遵循两项原则。
数学上的相关性很好识别，我们只需要计算所有品种，在过去较长一段时期内，两两之间，收益率的相关性。上图是商品期货所有活跃品种的相关性矩阵（截取部分），用色阶标出了相关性的强弱。大家注意图中的右上、右下角，可以注意到OI、P这两个品种，具有很高的相关性。而OI、P分别和A、Y之间，也有较高的相关性。
如果对商品期货市场不太熟悉的读者，可能不知道OI、P、A、Y这些品种代码背后对应的品种是什么，他们之间数据上的高相关性是偶然造成的，还是有其背后的含义，这里就需要引入第二个原则。
原则二，经济学意义上的高相关性
有时候，数学上的相关性仅仅是由于数据相似度带来的，比如去年到今年工业品的一波牛市，造成所有品种的普涨，而如果我们恰好用了这样一段时间序列的数据来进行测试铜、橡胶，也能得到比较高的相关性。但需要认识道德是，这样的相关性，他的经济学意义不显著，橡胶是兼具工业品和农产品属性的品种，而铜则隶属于工业品中的有色金属。
因此，我们还需要用经济学意义上的相关性来确认。例如，这两个品种如果是上下游、替代品（部分替代品），或者再宽松一些，属于相同产业链，那么他们可以认为是经济学意义上的高相关性。比如我们上文提到的数学上高相关性的品种OI、P、A、Y之间，其中，OI、P、Y分别是菜油、棕榈油和豆油，他们都属于食用油，在我们日常生活中是替代品的关系，那么OI、P、Y，他们之间的高相关性，就是有其经济学意义的。
我们再来看A和OI、P、Y，A代表大豆，而其他三个都是食用油，食用油是由大豆压榨出来的，所以A和OI、P、Y之间，是上下游的关系，于是，A和OI、P、Y的数学相关性，同样有经济学意义。
一句话总结：只有数学、经济意义上同时满足高相关性，我们才称之为配对品种。
配对价差月度效应的内在逻辑
我们在此前的文章给大家分享过，商品期货单品种的月度效应，得到的结论是某些品种存在着确定性的月度或季节效应。而对于配对品种来说，他们之间的价差，也存在着月度或季节效应，其中的原理可以从两方面来理解。
首先，我们已经知道，单一品种由于供需的季节性变化，会产生月度、季度效应，而这些效应最终又会反映在配对价差上。单一品种的供应的季节性变化包括：农产品的播种季、收获季，工业品季节性的高开工率、低开工率；而单一品种消费的季节性变化，包括消费的淡季旺季等。
其次，对于配对品种来说，其价差的月度效应，相比单一品种，往往是更为显著的。这是因为配对品种是经济意义上高度相关的品种，配对品种的价差，对冲了市场及产业的波动风险，价差的季节效应将更加趋于稳定。举个例子，原材料、产成品的配对，在低开工率时期，对原材料的需求下降，而产成品的供应下降，将出现原材料走弱、产成品走强，价差拉大的逻辑（原材料相对于产成品的价格就将下行）；相反的，在高开工率时期，则逻辑完全反过来，原材料需求上升，产成品供应上升，出现原材料走强、产成品走弱，价差收敛的逻辑。
最典型的例子是16年开始的供给侧改革，可以看到从年初到年末，螺纹钢（产成品）供应下降，焦炭（原材料）需求下降，两者间的比价从年初的2.92，降低到年末最低的1.32，下降了一倍有余。
配对价差月度效应的计算
有了内在逻辑的支持，我们可以从数量化的视角，先计算出重点配对品种的月度效应，再对月度效应具体显著特征的配对，从经济意义上重点分析，从而判断该规律是否稳定可应用到交易策略中。
第一步，我们先获取所有商品期货品种的历史数据，此处我们采用Wind API获取。
第二步，我们将获取到的所有品种的每日收益率按时间轴合并，合并后数据矩阵如下。
第三步，计算重点配对品种的价差，分组统计价差的月收益率均值、日收益率均值。
第四步，对任意两个重点配对品种，计算商品配对的月度效应并可视化，以便数据分析。
典型价差结果展示
Y（豆油）vs M（豆粕）：全年有很明确的强弱周期
YM是豆油与豆粕的配对组合。油厂在压榨大豆的时候，同时产生豆油、豆粕，当豆粕供不应求时，油厂收需求刺激，会加大开机力度生成豆粕，与此同时，会造成同时生产更多的豆油，导致供应量进一步增加，反之同理。因此，从生产的角度来看，豆油、豆粕存在着此消彼长的关系。
从统计结果可以看到，由于豆油、豆粕此消彼长的关系，他们的配对价差，在全年有较为稳定的趋势，在第一到第三季度，豆粕持续的强于豆油，而只有在每年的第四季度，豆油强于豆粕。
Y（豆油） vs P（棕榈油）：大部分时间同步，特殊月度差异大
YP是豆油、棕榈油的组合。我们在前文讲到过，豆油、棕榈油同属于食用油，是替代品的关系。因此，在每年的大部分月份，这两个品种价格处于同步涨跌的状态是合理的。而6月、12月这两个月最为特殊，6月的豆油价格显著强于棕榈油，而12月的棕榈油价格显著强于豆油。
以上两个品种组合仅作为举例，实际上，我们应该将所有数学上高相关，并且认为有经济意义的品种配对进行测试，从而发现不同配对品种，价差的月度运行规律。事实上，我们的代码也支持对于任意两个品种进行历史数据季度、月度规律的统计，从而帮助大家发现、验证一些价差的季节性规律。
最后，如果数据发现的规律，能通过品种间的基本面差异进行解释，那么该规律的可靠性也将越强，我们也越应该将该规律用到我们的交易、策略中。
想要获取本次分享的完整代码，或是任何关于数据分析、量化投资的问题，欢迎添加技术宅微信：sljsz01，一起交流
往期干货分享推荐阅读
Omega System Trading and Development Club内部分享策略Easylanguage源码
【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略
AMA指标原作者Perry Kaufman 100+套交易策略源码分享
【数量技术宅|金融数据系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单
【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略
【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数
商品现货数据不好拿？商品季节性难跟踪？一键解决没烦恼的Python爬虫分享
【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品