统计套利实际应用的总体原则是什么？
很多常见的统计套利策略仅仅依赖于统计关系而没有任何经济学上的基础，这些交易策略也可能产生不错的结果，但是此类相互关系通常都被证明是随机的或是伪的。一个经典的伪的关系例子是时间作为连续变量和某只股票的间报之间的关系，我们预期所有的上市公司都随时间而发展壮大，然而即使它们之间的关系表现出很强的统计相关性，我们也很难用这种相互关系对证券的未来的价值做出什么有意义的预测。Challe (2003)给出了另外一个极端的可能是伪的相互关系，他发现太阳黑子的出现与资产回报之间的关系是统计显著的。
基于经济学模型的高频统计套利会有更为持久的获利能力，这是因为它背后有着坚实的经济学原理支撑。我们把这类利用经济学方程中的偏差进行统计套利的策略称为基本面套利(fundamental arbitrage)模型，这种模型利用了市场对基本经济学原理的偏离。
用于配对交易的股票之间往往有这样或者那样的相互关系，但它们也可以涵盖不同的资产类别和个股。在股票市场中，我们交易股票的发行公司可能属于同一行业，因而对大市的变化有着类似的反应。或者这些股票可能是由同一家公司发行的。一家公司经常发行不止一种类型的股票，这些股票通常只是在表决权上有所区别。甚至由同一家公司发行的同一类型的证券，但由于在不同交易所交易。也可能产生让我们有利可图的日内价差。在外汇市场，我们选择的资产配对可以是一种汇率和以之为标的物的衍生产品(比如期货合约)。这种标的物—衍生品配对交易策略也能很好地适用于股票和固定收益证券。被动型指数，比如不是经常进行调整的交易所交易基金，当其指数值与成分股之间暂时性的偏离其均衡关系时，便出现能够盈利的交易机会。在期权中，用来配对的证券可以是具有相同标的物但不同到期日的期权。
