近十年来,随着计算机和大数据技术的不断革新,量化交易策略在现代金融市场逐渐成为关键角色,这些基于高频数据和数学模型的交易策略往往能够为投资者带来不受市场波动影响的稳定收益。配对交易策略是量化交易策略的一种,通过寻找历史价格走势相近的配对股票构建多空组合,从股票价差的均值回复过程中实现套利。不同于国内已有的基于日度低频数据的配对策略,本文基于沪深300指数成分股价格的五分钟高频数据,在传统的基于OU过程的策略基础上加以调整和改进,旨在构建一个适合中国股票市场的更有效的配对交易策略。首先,为了在拟合过程中考虑价差跳跃的影响,本文在OU过程中引入包含双指数复合泊松分布的Lévy过程构成Lévy-OU过程。其次,因为相比于样本标准差,基于高频数据的已实现波动率是对序列波动更精确的度量,所以本文选择以价差序列的均值回复速度和月度已实现波动率作为选股标准来筛选配对股票。同时,相比于基于历史波动的样本标准差,HAR-RV模型可以在高频数据视角下通过短期、中期和长期投资者对波动率的影响预测未来波动率,对波动率的估计更具前瞻性和准确性。因此,在交易阈值的设定方面,本文采用HAR-RV模型的预测已实现波动率作为交易阈值的上下限。结合以上三点创新,本文构建了 LOM-RV-HAR策略,并在2017年12月26日-2019年12月16日的窗口内进行了滚动回测。回测结果显示LOM-RV-HAR策略可以取得远超市场整体表现的176.34%的累计收益率和72.74%的年化收益率,证明本文的配对交易策略是有效的。并且本文通过LOM-RV-HAR策略和其他四个对照策略回测结果的对比说明了我们对传统策略基于价差模型、选股方法和交易阈值三方面的改进对策略收益有着正向影响。最后,本文通过稳健性检验验证了策略在不同市场行情和系数设置下的表现是稳健的。