近些年以来,中国的经济保持了持续稳定的的增长态势。中国共产党第十九次全国代表大会在报告中指出我国的经济“由高速增长阶段转向高质量发展阶段,中国经济再一次做出明确的路径选择——转变发展方式,实现集约型经济增长,提高全要素生产率”。作为经济总量跃居世界第二的经济大国,中国证券市场经历了20多年的发展,从制度不健全、体系不完善、规模不壮大,到现在的相对规范完善,系统风险明显降低。但是,证券行业作为金融体系的重要组成部分,相对于银行、信托来说,整体规模仍然偏小,还处在发展的初级阶段。大量的国内外学者和专家经过研究证明,中国股票市场存在着波动频繁、幅度较大、持续较长的特点。在中国的股票市场存在着相对较高的投机套利机会。本文将跳回归理论应用于中国证券市场,找到证券市场中存在的跳回归现象,给跳回归理论找到了适用的金融场景。不仅考虑到跳回归现象的存在性,还考虑到跳回归现象的稳定性,使其理论的运用更具科学性。在稳定行业中的股票配对交易策略设计中发现,无论是根据协整理论、最小距离抑或是企业指标,再结合股票价格序列的相关性进行股票配对,并非所有股票都能成功配对;在行业间的股票配对交易策略设计中,成功配对的股票数量就更加少了。在配对股票的特征上面,配对股票组的股票也存在着非对称性,会存在着多股匹配的现象,尤其是在行业间的配对交易策略中这种现象更加明显。对于通过配对的股票组再进行价差形态的筛选,同样发现不是所有配对股票可以通过筛选。而在通过价差选择的配对股票中,自2016年6月1日至2018年6月1日两年的时间内,无论是在行业内配对还是在行业间交易次数都不理想。对比三种传统的配对交易策略的表现,发现基于企业指标的配对交易策略表现更加良好。因此将其作为优化的目标,采用倾向得分匹配模型和相对价差进行策略优化。在优化的过程中发现,这两种优化模型并不都对表现良好的配对交易模型有所提升。在行业内的策略中倾向得分匹配模型有明显的提升效果,但是相对价差模型不仅没有提升作用还削弱了策略有效性;在行业间的策略中倾向得分匹配模型和相对价差模型不仅提高了策略收益率,还增加了交易次数。通过在稳定行业中的策略和在非稳定行业中的策略效果进行比较,发现在非稳定行业中的配对策略在收益率、风险性、可行性和稳定性四个方面表现都不佳,进一步说明跳回归现象在证券市场的应用的积极作用。最后利用LSTM模型对配对股票的价差进行预测,预测结果对投资者今后的行为具有一定的参考意义。