配對交易策略在中國A股市場收益與風險分析

李鈺穎，趙業翔

(河南財經政法大學 金融學院，河南 鄭州 450018)

2010年3月31日以來，中國股市開始有了做空機制，但投資者缺乏對于做空概念的認識，市場缺乏做空文化，股市價格自我修復功能并未收到政策預期效果。2015年5月至2016年5月及2017年的股市泡沫破裂反映了股市中存在著大量股票定價不合理現象，股票價格嚴重偏離基本價值，表現出明顯的“追漲殺跌”特點，已經存在的做空機制反而成為少數投資機構“追漲殺跌”的工具，擾亂了市場秩序，嚴重打擊了投資者信心，降低了投資者投資熱情，這既不利于中國股市的良性發展，也不利于中國實體經濟的發展。本研究以中國A股市場為樣本，通過研究對沖基金(一種典型的雙邊策略)——配對交易策略(pairs trading)的收益和風險，幫助投資者正確認識做空文化的特殊含義，較為全面地認識投資策略在A股市場上的有效性，進一步為投資者的投資決策提供有益的幫助。

一、文獻綜述

目前國內外學者大多集中于探究最優配對交易方法，并主要從兩個問題出發：一是如何選擇合適的配對標的；二是如何設定配對交易規則，即如何設置最優閾值、交易次數、建倉比例。對于第一個問題，目前用來解決配對交易選股問題較成熟的方法主要有四種：協整方法、最小距離法、隨機差價法和相關系數法。這四種方法各有優劣，在配對交易投資組合的收益水平上沒有顯著差異。近年來，一些學者對配對交易方法進行了評價和比較。例如，波戈莫洛夫(Bogomolov)將最小距離法、協整方法和隨機差價法應用于澳大利亞證券交易所，發現這三種方法每年可以獲得5%～12%的收益。[1]配對選股的核心思想是找到兩只具有穩定價格關系的配對股票。對于第二個問題，目前主要有三種典型的配對交易規則設定方法。第一種方法是根據股票歷史價差數據設定交易規則。如戈特(Gatev)等提出通過配對組合歷史價差的標準差來確立交易策略：開倉信號和止損信號分別是配對股票歷史價差標準差的±2倍和±3倍。[2]惠斯勒(Whistler)利用配對股票價差±3倍的標準差作為開倉點，并利用技術分析結合基本面信息，構建了一個全信息配對交易策略。[3]埃勒蒙(Herlemont)通過改變建倉信號，采用延遲開倉交易策略，進一步保證了配對交易策略的盈利概率。[4]阿爾薩耶(Alsayed)等提出，在檢驗配對交易組合價差序列為白噪聲序列后，開盤區間和止損區間應分別設定為±0.75倍和±1.96倍的歷史標準差。[5]第一種方法簡潔、方便，在業界應用較多，同時主觀因素較多，對投資者個人要求較高。第二種方法是在交易策略的制定中引入隨機過程，這種方法的主要思想是利用隨機過程來描述配對股的價差過程，并在特定邊界條件下求出最優交易的閾值。例如，伯特倫(Bertram)認為，當配對股的價差過程服從O-U分布過程時，通過將目標值函數轉化為HJB方程，并在特定邊界條件下可得到滿足最大期望收益和夏普比率的配對交易策略的最優解。[6]托瑞(Tourin)等利用隨機控制理論構建了一組動態配對交易策略，并在指數效用函數下得到了解析解。[7]劉永輝等利用協整法進行選股，并在O-U價差過程下取得更穩健收益。[8]傅毅等假設資產價差滿足指數O-U過程，并利用勒讓德變換和分離變量法求出HJB方程的顯式解，得出最優資產配置策略[9]。第二種方法主觀因素較少，理論嚴謹，但對配對標的池有較為嚴格的限制，往往要求股票價差過程滿足特定的條件方可得出最優解，計算較為復雜。第三種方法是在配對交易策略中引入強化學習，通過強化學習中大量的獎罰訓練，在規定時間、規定循環上限下得到當前環境下的最優動作，即最優閾值、建倉比例等，從而為配對交易策略設定最優交易規則。例如，胡文偉等將強化學習與協整選股配對交易策略相結合，通過獎勵函數實現了模型參數的自適應動態調整。[10]第三種方法是目前較為新穎的配對交易規則設定方法，主觀性因素較少，但對計算機硬件配置有較高要求。

現有的文獻大多集中于配對交易策略在配對選股方法、配對交易規則、交易門檻的設置、開平倉時點設置、最優交易次數、最優多空頭寸比例等方面的研究，這些研究大多對配對股票價差走勢、配對股票行業、市場交易規則、投資者條件、可選配對標的池等有著特殊的要求，無法全面反映配對交易策略在中國股市的收益表現。同時，較少有文獻對配對交易策略的風險來源進行研究，中國資本市場缺乏對配對交易策略風險的認識。與以往國內偏向于研究配對交易規則的文獻不同，本研究與戈特等[2]和博文等[11]配對選股方法保持一致，考慮到中國A股市場獨特的交易制度及資本市場環境，擴大標的池，打破以往行業壁壘，構造中國A股市場下的配對交易投資組合，并綜合分析其收益表現。本研究利用因子分析法構建中國A股流動性指標，并將其引入多因子模型[12]，利用多因子風險分析框架來探討中國A股配對交易投資組合的風險來源。

二、中國A股配對交易策略

(一)配對交易理論基礎

配對交易的核心是尋找高度相關的股票對及股票與股價的數量關系，當兩者價差偏離平均水平時，做空一定比例走勢強的股票，并做多走勢弱的股票，當價差回歸到平均水平時平倉所有頭寸，配對交易結束。

(二)中國A股市場配對策略構建

中國資本市場與美、法等國資本市場的市場結構、交易制度、投資者類型、標的等市場環境有很大的不同。美、法等國資本市場做空門檻較低，交易遵從T+0制度，且股票交易顯性成本幾乎為0；中國股票市場僅有融券標的可以做空，融券標的一直發生改變，可能面臨券源不足的情況，融券時間上限為6個月，交易成本有明文規定，且交易遵從T+1制度?？紤]到中國獨特的資本市場結構，為了保證配對交易策略的可操作性，本研究將滬深300成分股與可融券標的重疊部分股票作為配對標的池，且此標的池中的標的隨著滬深300成分股與可融券的改變而改變，從而間接突破了無配對股可選的困境。根據中國資本市場融券規則，對配對交易期上限、交易規則也做了特殊處理。

在配對形成期內，首先對樣本內不同時期的可選標的池的標的進行標準化處理，具體計算方法為

(1)

(2)

本研究中的配對交易策略交易期從配對形成期結束后的第一天開始。由于中國股市遵從T+1交易制度，且融券時間上限為6個月，所以本研究設定配對交易期上限為6個月，且與戈特等[2]定義交易規則的方式一致：自交易期首日起，當配對股標準化價差絕對值分別超過歷史價差標準差的1.5倍、2.5倍時，配對交易建倉、止損平倉；當配對股標準化價差絕對值小于歷史價差標準差的0.2倍時，配對交易持倉結束。

(三)配對交易收益率測算

在整個交易期間，配對股票的開平倉皆伴隨著正負現金流的產生。如果交易期期間沒有多空頭頭寸，則配對交易策略現金流等于0。在配對交易中，開倉將產生多頭頭寸和空頭頭寸，從而導致資產價值的變化，這將直接作為配對交易收益率的衡量方式。具體計算方法為

(3)

wi,t=wi,t-1(1+ri,t-1)=(1+ri,t)…(1+ri,t-n)，

(4)

(5)

其中，rP,i代表配對投資組合P在時間t的收益率，wi,t代表配對投資組合P在時間t、頭寸i狀態下的資產價值，ri,t代表配對投資組合P在時間t、頭寸i狀態下的收益率水平。每個配對投資組合P的日收益率累積可以得到當月的收益率。

本研究通過將每個配對形成期的開始時間錯開一天，可求出122個重疊交易期的配對投資組合P的日收益率，并求出配對交易期期間的日平均收益率，通過式(3)求出配對交易期期間的月平均收益率，從而間接構造出能夠反映配對交易策略全過程的投資組合代表。

三、配對交易策略收益分析

(一)樣本數據及符號說明

本研究基于保證配對標的流動性高、可融券源充足的考慮，選取滬深300成分股與可融券標的重疊部分作為配對交易策略的可選標的池，且該標的池一直發生變化。數據樣本跨度為10年，即2010年4月1日至2019年12月31日，涵蓋了中國資本市場自做空機制建立以來的動蕩期和穩定期。將該時期的退市公司和上市公司納入數據集，并將被收購公司的數據納入數據集，以減少樣本中的幸存者偏差。由于流動性因子數據庫缺少IML指標(2019年9月至2019年12月)、Pasor指標(2012年1月、2013年2月、2015年1月、2018年2月、2019年2月)的數據，所以分別采取ARIMA預測模型、EM缺失值填充法對上述兩指標進行處理。本研究所有的因子數據均來自國泰安數據庫，相應的配對交易投資組合符號說明見表1。

表1 投資組合符號說明

在特定的配對形成期內，將交易類別限定在滬深300成分股中，篩選掉流動性低、風險高、評級低的個股。在整個樣本期內，每個標的池平均可選擇197只股票。使用Python語言編程從JoinQuant數據庫中抓取可配對股票在2010年4月1日至2019年12月31日期間每個交易日的收盤價。

(二)收益性分析

表2為投資組合收益率描述性統計，主要描述了中國A股TOP5、TOP20配對交易投資組合在2011年4月至2019年12月期間的收益率水平。描述性統計結果顯示，在扣除交易成本前，TOP5、TOP20投資組合平均年化收益率分別為21.01%和45.19%，明顯高于上證綜指平均年化收益率；在扣除交易成本后，TOP5、TOP20投資組合平均年化收益率分別為16.43%和35.36%，也明顯高于上證綜指平均年化收益率；配對交易投資組合的平均最大月度損失為15.62%，上證綜指最大月度損失為 24.29%。在各種條件下，TOP5、TOP20配對交易投資組合的收益波動水平與上證綜指基本持平，月均標準差最高比上證綜指高0.07。上證綜指的月均標準差為0.06，而在考慮交易成本的情況下，TOP5、TOP20投資組合超額收益率的月均標準差分別為0.10和0.11，較為穩定；配對交易組合收益水平的平均最大波動幅度為0.84，高于上證綜指最大波動幅度0.44。配對交易投資組合的收益率序列具有較明顯的正偏度和高峰度(大于4)特征，這也進一步反映了其較為明顯的高收益特征。

表2 投資組合收益率描述性統計

表2還描述了每個投資組合與上證綜指的相關性。由于數據皆不滿足正態分布，所以本研究使用Kendall雙尾檢驗法對組內配對組合進行相關系數檢驗，結果顯示，配對交易投資組合收益水平與上證綜指不相關，而配對交易投資組合的超額收益與上證綜指皆在0.01顯著性水平下呈負相關關系，這說明配對交易收益水平的市場中性特征，同時也說明其超額收益與市場環境有關。

表3為股市穩定期與動蕩期下投資組合描述性統計。其中，面板A描述了2011年4月至2015年5月的配對交易投資組合收益水平，面板B描述了2015年6月至2019年12月的配對交易投資組合收益水平。本研究利用廣義上確界單位根泡沫檢驗[13]確定了2015年6月至2017年12月期間發生了多次股市泡沫破滅現象，此階段市場波動水平增大，市場收益率為負，所以本研究以2015年5月作為中國股市穩定期與動蕩期的分水嶺。股市穩定期，扣除交易成本后的TOP5、TOP20配對交易投資組合平均年化收益率分別為18.50%和30.10%，而上證綜指的平均年化收益率為25.32%；股市動蕩期，扣除交易成本后的TOP5、TOP20配對交易投資組合平均年化收益率分別為12.83%和29.83%，而上證綜指的平均年化收益率為-9.58%。因此，在股市不同階段，配對交易投資組合收益表現較為穩定，平均年化收益率波動幅度最大值為5.67%，而上證綜指平均年化收益率波動幅度最大值則達到了39.68%，且在動蕩期內其年化收益率降為負值。股市穩定期內，配對交易投資組合月收益水平標準差平均為0.04，略低于上證綜指標準差0.05；同時，配對交易組合收益水平的平均最大波動幅度為0.26，低于上證綜指的最大波動幅度0.35；配對交易投資組合的收益率序列具有較明顯的正偏度和高峰度特征。股市動蕩期內，配對交易投資組合月收益水平標準差平均為0.11，略高于上證綜指標準差0.09；同時，配對交易組合收益水平的平均最大波動幅度為0.70，高于上證綜指最大波動幅度0.37；配對交易投資組合的收益率序列具有較明顯的正偏度和高峰度特征?？偟膩砜?，配對交易投資組合在股市的不同階段皆表現出較為穩定的正向、高收益特征。

表3中面板A和B同樣描述了配對交易超額收益特征。在股市穩定期，扣除交易成本后的TOP5、TOP20平均年化超額收益率分別為 -2.87% 和6.30%，標準差分別為0.07和0.09；在股市動蕩期，扣除交易成本后的TOP5、TOP20平均年化超額收益率分別為17.97%和36.76%，標準差分別為0.17和0.13?？梢?，配對交易在市場動蕩階段產生了更高的超額收益，配對交易超額收益水平與上證綜指呈現出明顯的負相關關系，這也進一步印證了上文的觀點——配對組合超額收益的風險因子與市場有關。

表3 股市穩定期與動蕩期下投資組合描述性統計

為了進一步探討市場規則、交易次數、市場環境對配對交易策略的影響，本研究利用Wilcoxon 帶符號秩檢驗具體探討不同條件下的配對交易投資組合收益表現。表4為組間收益Wilcoxon 帶符號秩檢驗。由表4可知，TOP5R與TOP20R在0.01顯著性水平下表現不同。除此之外，TOP5NR與TOP20NR、NTOP5R與NTOP20R、NTOP5NR與NTOP20NR等分別在0.1、0.01、0.05顯著性水平下表現不同，這說明交易次數顯著地影響配對交易策略的收益水平。TOP5R與TOP5NR、TOP20R與TOP20NR、NTOP5R與NTOP5NR、NTOP20R與NTOP20NR皆在0.01顯著性水平下表現不同，這說明中國A股市場上的交易成本是影響配對交易策略收益的關鍵因素。上證綜指與TOP5R、TOP5NR、TOP20R、TOP20NR皆在0.01顯著性水平下表現不同，說明市場對配對交易策略收益的影響較小，而上證綜指與NTOP5R、NTOP5NR、NTOP20R、NTOP20NR皆不顯著，進一步說明配對交易策略的風險因子與市場有關。

為了更全面地分析配對交易收益特征，本研究將配對交易策略所處的大環境分為股市處于穩定期和動蕩期、股市處于熊市和牛市、經濟處于衰退期和繁榮期，并分別對比分析配對交易投資組合在不同大環境下的月度平均收益表現，具體見表5。NTOP5NR在7類大環境下的夏普比率波動為0.07～0.18，波動較小，其最大值是在經濟處于繁榮期得到的，其最小值是在股市處于穩定期得到的，月均超額收益率為1%，月均標準差為0.10，平均夏普比率為0.12；NTOP20NR在7類大環境下的夏普比率波動范圍為0.06～0.20，波動較小，其最大值是在股市處于動蕩期得到的，最小值是在經濟處于繁榮期得到的，月均超額收益率為1%，月均標準差為0.10，平均夏普比率為0.12?？梢钥闯鰞煞N類型的投資組合在不同市場環境下的收益表現很穩定?？偟膩碚f，配對交易投資組合在中國A股市場可以表現出較為穩定的正向、高收益特征。

表4 組間收益Wilcoxon 帶符號秩檢驗

表5 7類大環境下投資組合超額收益

四、配對交易策略風險分析

配對交易投資組合超額收益在不同階段表現出不同的波動特征，如在2015年至2016年，配對交易收益水平波動較大。本研究利用廣義上確界單位根泡沫檢驗方法發現，此階段中國股市泡沫現象明顯，且有股市泡沫破滅現象發生，市場表現出股價波動大、流動性不足等特征。因此，本研究通過因子分析法構建綜合流動性因子，并引入FF五因子模型[12]，以更為全面地分析中國資本市場制度下配對交易投資組合收益的風險來源。

(一)FF五因子模型

FF五因子模型由五個風險因子構成，分別包括市場因子、規模因子、價值因子、收益因子及投資風格因子。FF五因子模型為

Rt-Rft=β0+β1*(Rmt-Rft)+β2*SMB+
β3*HMLt+β4*RMWt+β5*CMAt+zt

，

(6)

其中，θ=(β0,β1,β2,β3,β4,β5)是模型參數，t代表時間，zt代表服從獨立同分布的擾動項，Rt代表投資組合回報率，Rft代表無風險利率，Rmt代表市場收益率，SMB代表規模因子，HMLt代表價值因子，RMWt代表收益因子，CMAt代表投資風格因子。同時，本研究采用Fama 2×3分組法[10]構建風險因子。

(二)流動性因子構建

本研究在Chordia等[14]、Amihud[15]、Pastor等[16]、Zhang等[17]、Amihud等[18]研究的基礎上，利用市場換手率、傳統Amihud指標、修改后Amihud指標、Pastor回歸系數指標、IML非流動性溢價因子等來衡量中國A股市場股票流動性風險水平。不同流動性指標從不同維度衡量中國A股市場流動性，其包含的內部信息也不同。為了能夠包含盡可能多的信息，同時在不損失模型自由度的前提下降低多重共線性，本研究利用主成分分析法構造一個新的能夠涵蓋多個維度信息的中國A股綜合流動性指標。

傳統流動性指標具有滯后性，本研究在引入Exchange、Amihud、AmihudZ、Pastor和IML指標的同時，還分別引入Amihud、AmihudZ及Exchange滯后1階項和滯后4階項，共從這9個變量中提取主成分來構建流動性綜合指標。在進行因子分析之前，對9個標準化變量進行KMO檢驗和巴特利球形檢驗。結果顯示，KMO檢驗系數為0.671，巴特利球形檢驗結果Sig為0.00，保證了主成分分析的科學性。

主成分分析結果顯示，第一次提取的主成分有3個，累計貢獻率達到74.50%。其中，第一主成分提取了Amihud、AmihudZ、Amihud(-1)、AmihudZ(-1)等4個指標的基本信息；第二主成分提取了Exchange、Exchange(-1)、Exchange(-4) 等指標的基本信息；第三主成分提取了IML、Pastor、AmihudZ等指標的信息。因此，本研究構建的三個主成分提取了以上9個變量的基本信息，中國A股流動性綜合指標AILLIQA的數學表達式為

AILLIQA= 0.44*F1+ 0.38*F2+ 0.18*F3。

(7)

(三)策略收益的風險分析

本研究在FF五因子模型[12]基礎上，將構建的流動性綜合指標與現有不同維度的流動性指標放入FF五因子模型中，從而構建一個能夠直接進行模型對比的多因子風險分析框架，以全面分析配對交易收益的風險敞口。

在對配對交易投資組合超額收益率采用因子模型回歸分析前，本研究對冗余因子進行鑒別，以提高信息利用效率，優化因子模型，保證模型的解釋力和簡潔性。具體冗余因子檢驗結果見表6。

從表6的實證結果可以看出，MARKET、CMA在中國市場上均為冗余因子。本研究對冗余變量的處理方法與Fama[10]保持一致，用經過正交處理后的MARKETO、CMAO指標來代替MARKET、CMA指標，這并不會改變因子載荷矩陣和風險敞口水平。

表7為因子Kendall相關性檢驗。從表7可以發現，在對各變量的Kendall檢驗中，相關系數均小于0.65，變量間不存在多重共線性問題，且相關特征也滿足多元回歸的模型要求。不難發現，AILLIQA與EXCHANGE、Amihud、AmihudZ、Pastor、IML等因子相關，也進一步說明AILLIQA指標可以更全面地反映市場流動性的變化。

表6 因子冗余檢驗

表7 因子Kendall相關性檢驗

考慮到配對交易收益率不服從正態分布，為了保證研究的科學性，本研究利用穩健回歸對多因子模型進行回歸分析，在FF五因子模型的基礎上，分別逐步加入不同維度的單一流動性指標，或逐步加入相同維度的多個流動性指標，以對比分析不同模型下的回歸解釋度是否有所提升。本研究根據風險因子的統計特征分別加入部分滯后項，以避免模型可能存在的內生性問題。在進行回歸時，對因子膨脹因子進行檢驗，結果顯示，各因子的Centered VIF皆小于6，避免了多重共線性問題，保證了結果的準確性。具體回歸結果見表8和表9。

表8 前5對投資組合超額收益穩健回歸結果

由表8的回歸結果可知，FF五因子模型對NTOP5NR已經有64%的解釋力，已經可以較好地解釋投資組合超額收益中的一大部分。在傳統FF五因子模型中，截距項在0.01顯著性水平下不顯著，同時市場風險因子和投資風格因子分別在0.01、0.05 顯著性水平下顯著，且都與配對交易投資組合超額收益負相關，即當市場超額收益越大、市場投資行為越保守時，配對交易策略所能取得的超額收益越低。當在模型中加入不同維度現有的流動性因子時，模型解釋力得到提升，皆達到了67%，且Market、CMA因子皆分別在0.01、0.1顯著性水平下不顯著；除加入代表市場交易量的Pastor指標時模型截距項在0.1顯著性水平下不顯著外，加入流動性因子后的模型截距項皆不顯著，這也說明加入現有的流動性指標后模型更具說服力。需要注意的是，在FF五因子模型中加入現有的流動性指標往往只能提高約3%的解釋力，且流動性因子不顯著，這也說明單維度流動性指標的信息有限性。當在FF五因子模型中加入本研究所構造的中國A股流動性指標后，AILLIQA因子在0.01顯著性水平下顯著，同時模型截距項不顯著，模型解釋力得到較大的提升，達到74%。

表9 前20對投資組合超額收益穩健回歸結果

根據表9可知，FF五因子模型對NTOP20NR同樣有約64%的解釋力，已可以解釋超額收益中的一大部分。與NTOP5NR的風險相似，市場因子Market和投資風格因子CMA皆與NTOP20NR顯著負相關。在FF五因子模型中分別加入現有的相同維度的多個流動性因子，或加入單維度流動性因子后，模型截距項大多不顯著，模型解釋力平均提升至67%，且換手率因子、IML非流動性溢價因子與NTOP20NR顯著負相關，Amihud因子、AmihudZ因子與NTOP20NR顯著正相關，即市場流動性越大，配對交易收益率越低，與流動性溢價理論保持一致。當在FF五因子模型中加入本研究所構造的中國A股流動性指標后，市場因子Market、盈利因子RMW、投資風格因子CMA皆顯著，AILLIQA因子在0.01顯著性水平下顯著，同時模型截距項不顯著，模型解釋力得到較大的提升，達到74%。

配對交易策略中由不同交易次數所構成的投資組合超額收益表現出較為一致的風險敞口特征：配對交易投資組合超額收益受市場盈利環境、市場投資行為模型、市場流動性大小的顯著影響；當市場整體盈利性越高、投資行為越保守、市場流動性越大時，配對交易超額收益率越低。

(四)穩健性檢驗

為了保證上文配對交易策略風險來源的可靠性，本研究對股市處于牛市和熊市下配對交易超額收益進行穩健性回歸，以對上述結論進行穩健性檢驗。本研究對考慮流動性因素模型組和未考慮流動性因素模型組進行對比檢驗，具體實證結果見表10。

表10 牛市、熊市下穩健性回歸

從表10可知，在穩健性檢驗中，當股市處于熊市或牛市時，FF五因子模型的解釋力大多在60%以上，可以解釋配對交易超額收益中的一大部分，同時市場因子、投資風格因子皆顯著，且皆與配對交易超額收益顯著負相關；當考慮了綜合流動性指標時，模型的截距項顯著，說明此六因子模型對配對交易策略超額收益有較好的解釋力，模型解釋力基本都在74%以上，同時市場因子、投資風格因子、AILLIQA因子皆顯著，且都與配對交易超額收益呈負相關關系。進行組內的進一步對比研究可以發現，考慮AILLIQA因子后模型的解釋力得到了顯著提升，這也進一步印證了流動性風險因子是配對交易策略超額收益的主要風險來源。 綜上所述，市場風險、投資風險、市場流動性風險是配對交易策略超額收益的主要風險來源，且皆與配對交易超額收益顯著負相關。

五、結論和建議

為了更全面地分析配對交易策略在中國A股市場的收益與風險特征，本研究根據市場特征將股市分為全樣本時期、股市穩定期和動蕩期、熊市和牛市、經濟繁榮和經濟衰退等7種環境，并從多個維度利用多因子風險分析模型分析配對交易策略在不同市場環境下的收益與風險特征，得出一定的結論。

第一，配對交易策略具有穩定的高收益特征，具有有效性。本研究對7類市場環境下的配對交易收益進行分析，結果表明，不同市場環境下配對交易的夏普比率大致相同，月均夏普比率等于0.12，配對交易策略表現出較為穩定的正向、高收益特征，雙邊策略在A股市場具備有效性，市場多邊做空機制具備可行性。

第二，交易次數、市場交易規則可顯著影響配對交易收益水平。本研究利用Wilcoxon符號秩檢驗對配對交易組間收益進行分析，結果發現，增加交易次數可顯著提升配對交易收益水平，而市場交易成本顯著降低了配對交易收益水平。這進一步表明當下市場對于交易成本的安排顯著降低了投資策略的有效性。

第三，配對交易策略具有獨特的風險特征。本研究將構造的中國A股流動性綜合指標引入FF五因子分析模型中，搭建了多因子風險分析框架，以對配對交易策略在A股市場上的風險特征進行分析，實證結果表明，市場因子、投資風格因子、市場流動性因子與配對交易策略超額收益顯著負相關。因此，配對交易超額收益與市場收益、市場投資行為、市場流動性水平顯著相關，市場整體風險水平對投資策略有顯著影響。

在以上實證結果基礎上，為提升股票價格自我糾正能力，本研究提出以下建議：一是政府相關部門應聯合金融機構對投資者加強金融知識的教育，提升投資者理解市場環境、應對市場變化的能力，幫助投資者正確理解做空概念，培養股市做空文化意識，提高投資者對于交易策略的理解，豐富股市投資策略池，為中國A股市場營造較好的投資環境，從而間接建立一套股票價格自我修復機制。二是政府相關部門應通過降低印花稅、融券費和增加融券券源等方法降低投資顯性成本，積極宣傳股市投資理念，通過釋放監管政策信號的方式，在引導股市行為環境轉變的同時，保證市場的穩定性。三是政府相關部門和研究機構等應將關于股市風險與收益水平的研究結果及時、準確地傳遞給投資者，幫助投資者更加全面地認識當前市場風險，提升股市理性水平，保證交易策略的有效性，降低系統風險水平。