随着国内做空机制的建立和逐步完善,量化投资在金融资产交易中占据着愈发重要的地位。统计套利作为量化投资的有效手段,在国内、外金融研究中受到广泛关注,对统计套利策略的进一步研究具有理论和现实意义。本文首先研究了统计套利中协整套利策略的样本空间选择问题,基于策略选股过程中有效集确定和两类错误的统计划分,以规避第一类误差,尽量减少第二类误差为原则,对选股样本空间进行拓展。主要是利用主成分分析提取有足够解释度的收益因子,构建收益因子模型,将选股配对的样本空间从同行业扩展到全行业。利用股票收益率序列建立因子模型,选择因子收益强相关且特殊收益的积分序列平稳的股票,它们之间存在协整关系。更进一步的,本文在扩大了样本空间和主成分因子模型研究的基础上,进行了全行业配对选股协整套利的实证研究,研究给出了套利流程、通过编程计算给出了实际交易的协整套利策略。实证中考虑了模型适用周期的问题,通过实时调整模型参数中的回望周期和回望天数,选择最优的回望参数,给出了每一对股票的优化调整。研究及其实证表明,将样本空间扩大到全行业,尽管没有前期人为的股票同行业分类,但通过主成分分析筛选出的拟配对股票仍然具有很强的行业聚集性。在统计分析的层面上,解释了直接利用全行业对股票进行分类的适用性。通过主成分分析得到的非同行业的配对股票,也可以达到非常高的胜率,提升了累计收益率和平均收益率,降低了交易次数。