基于统计套利的股票配对交易策略是一种经典的量化交易策略,属市场中性。融资融券业务的正式启动不仅完善了我国的证券市场,而且使得股票配对交易策略成为了有效的投资策略。尽管如此,但融资融券业务自身的特点限制了传统股票配对交易策略的发挥。同时,传统股票配对交易算法仅限于两只同质股票,并且假设配对的股票股价之间满足特定的关系,这种强前提条件使得股票配对交易算法只适用于少数股票。针对前述问题,本文结合机器学习算法对传统的股票配对交易算法进行了改进,主要研究内容有:(1)提出了一种基于AdaBoost-ElasticNet的多股票配对交易算法。该方法首先引入聚类的思想来打破选取备选股票对时的行业壁垒,然后使用AdaBoostElasticNet算法来挖掘簇内股票股价中蕴含的多股票配对交易机会。回测结果表明,改进的股票配对交易算法在2016年4月16日到2018年4月16日期间内取得了80.48%的累计收益率的同时降低了最大回撤、提高了夏普比率。(2)根据K-means++算法和财务因子数据构建一种虚拟大盘指数,并且基于虚拟指数成分股和广义线性算法提出了一种多股票配对交易算法。实验结果表明,该股票配对交易算法在2018年8月3日到2018年12月31期间内的累计收益率为31.55%,而且基于线性模型的XGBoost效果最佳。