统计套利应用基于市场中性策略的配对交易
统计套利理论与实战(第一部分套利概论).pdfx
统计套利理论与实战（第一部分套利概论）金志宏2013年8月29日中国量化投资学会宽潮计划课程目录1、本课程的目标听众2、通过本课程能学到什么3、课程总览备注：本课程的所有沟通信息在量化学会统计套利分会QQ群：233629234课程总览一、套利概论二、统计套利理论篇三、统计套利实战篇四、期权统计套利与高频统计套利一、套利概论1、套利的几个基本概念2、套利的分类（按类型、有无风险、机制分类）3、几种常见的套利（ETF套利、阿尔法套利、期现套利等）4、APT模型与CAPM模型二、统计套利理论篇1、相对价值策略与市场中性策略2、统计套利与配对交易概念3、协整策略4、主成分策略5、均值回归模型6、多因子模型7、指数追踪与指数增强8、波动率9、波动率选股法三、统计套利实战篇1、股票配对交易实战案例2、期货配对交易实战案例3、开放式基金套利（LOF套利、ETF套利）四、期权统计套利与高频统计套利1、期权基本概念2、期权定价公式3、Delta对冲4、波动率统计套利5、高频统计套利一、套利的几个基本概念1、期货市场的参与者2、套期保值3、基差与基差风险4、套利定义5、套利交易的作用6、套利与投机的区别1、期货市场的参与者对冲者（hedger)采用期货期权等手段减少市场风险；投机者(speculator)对品种价格的走向下赌注；套利者（arbitrageur)采用两个或更多相互抵消的交易锁定盈利。
2、套期保值套期保值（hedge)是指买进（或卖出）与现货数量相等但交易方向相反的期货合约，以期在未来某一时间再通过平仓获利来抵偿因现货市场价格变动带来的实际价格风险。
作用：转移价格波动风险分为卖出套期保值和买入套期保值两种卖出套期保值举例持有现货商品的个人或机构，当预期将来商品价格将出现下跌的时候，为避免价格下跌造成的损失，先行在期货市场上卖出一定数量和交割期的期货合约。
实体企业做卖出套期保值行为，可以有效防范价格下跌风险。
基于GARCH模型的配对交易策略
基于GARCH模型的配对交易策略配对交易策略是一种基于股票价格波动规律的统计套利策略,该策略通过做多价格相对低估的股票,做空价格相对高估的股票来获取价差波动收益。
但在我国现行的市场条件下,融资融券存在着开户门槛高、成本高、投资标的有限等诸多限制,制约了传统配对交易策略的实施。
本文针对我国证券市场的实际情况,从交易方式和交易规则两个方面对传统配对交易策略进行改进。
在交易方式上采用单边交易代替双边交易,在交易规则制定上采用GARCH模型来刻画价差序列的动态方差。
本文选取了2007年1月1日至2016年12月31日的股票样本进行模拟交易。
首先,通过动量交易策略进行股票池的筛选,选择两年训练期内收益排名前300的股票作为股票池,并将其中相关系数排名前5的股票作为研究的股票对。
其次,对股票对的价格序列建立协整模型和误差修正模型,检验配对股票之间是否具有长期稳定的均衡关系以及短期的偏离。
然后,建立GARCH模型,模拟价差序列在交易期内的动态方差。
本文选择的建仓和平仓信号为0.75倍标准差,止损信号为3倍标准差。
最后,根据设定的交易规则进行模拟交易。
2009年至2016年8个交易期的模拟交易结果显示,单边交易的配对交易策略累计收益率为290.27%,夏普比率为0.9349。
同期,样本股票的累计收益率为251.35%,夏普比率为0.5948。
改进后的配对交易策略累计超额收益率为38.92%,平均年超额收益为4.87%。
综合来看,不管是从绝对收益方面,还是单位风险的收益,改进后的配对交易策略都有着很好的表现。
论文的贡献之处体现在两个方面。
在交易方式上,采用单边交易代替双边交易,避免了融券做空在我国证券市场中的限制。
在交易规则的制定上,采用GARCH模型来刻画价差序列的动态方差,使交易期所使用的方差更加贴近方差的实际值。
改进后的配对交易策略更加适应我国证券市场的实际情况,具有更高的实用价值。
统计套利.ppt
• 主要思路是先找出相关性最好的若干对投资品种（股票或者期货 等），再找出每一对投资品种的长期均衡关系（协整关系），当 某一对品种的价差（协整方程的残差）偏离到一定程度时开始建 仓——买进被相对低估的品种、卖空被相对高估的品种，等到价 差回归均衡时获利融券对冲和外汇对冲交 易。
配对交易
• 在同一行业内选取业务相似、股价具备一定均衡关系的上市公司 股票，然后做空近期的相对强势股，同时做多相对弱势股，等两 者股价又恢复均衡时，平掉所有仓位了结交易。该策略与传统股 票交易最大的不同之处在于，它的投资标的是两只股票的价差， 是一种相对价值而非绝对价值。同时又由于它在股票多头和空头 方同时建仓，对冲掉了绝大部分市场风险，因而它又是一种市场 中性策略，策略收益和大盘走势的相关性很低。
• 利用两只股票的价比向均值回归的特性，可以设计如下交易策略： 2011年6月1日，两者价比达到0.85，说明近期华夏银行走势明显 强于北京银行，价差向上回归均值的可能性较大，因此可以在这 个时点融券卖出100万元华夏银行，同时买入85万元北京银行 （做多和做空的资金比例通过回归分析计算得到）。等到6月10 日，价差回到均值0.9附近，同时平掉持有的两只股票的仓位，交 易的收益为：
样本内匹配交易
• （1）将残差划分为可预测的部分和不可预测的部分：spreadt=εt-ἕt通 常情况下，假定残差的可预测部分(- ἕt )为0，这样就只利用残差的分布 特征进行交易。当然，投资者如果采用ARMA模型等来预测残差，就需 要利用残差中不可预测的部分(spreadt)的特征制定交易策略。 • （2）当不可预测的残差（以下简称“残差偏离”）达到一定程度时， 入场套利。具体来说，当spreadt＞δ1σt时，表明股票A相对高估，股票 B相对低估，投资者应当卖空股票A，买入β倍的股票B；反之亦然 • （3）当残差偏离回归正常或反向(spreadt＞δ2σt)时，平仓获利了结。 若残差偏离继续扩大，当spreadt＞δ3σt时，投资者应止损出局
基于随机过程与支持向量机构建期货配对交易策略
基于随机过程与支持向量机构建期货配对交易策略期货配对交易策略是一种基于统计套利的交易策略，在市场上广泛应用。
本文将介绍如何基于随机过程与支持向量机构建期货配对交易策略。
首先，我们需要了解期货配对交易的基本原理。
期货配对交易是通过寻找两个或多个相关性高的期货合约，当它们之间的价差达到统计意义上的偏离时，进行买卖操作，以期从价差回归中获利。
这种策略的核心思想是认为两个相关性高的期货合约会有一定的均衡关系，一旦这种均衡关系被打破，价差回归的机会就产生了。
其次，我们需要选择合适的随机过程模型和支持向量机（Support Vector Machine, SVM）模型，以构建期货配对交易策略。
随机过程是一种用来描述随机现象演化规律的数学模型，常用的随机过程模型有均值回归模型、协整模型和布朗运动模型等。
支持向量机是一种机器学习算法，通过寻找一个最优的超平面，将不同类别的样本分开。
在构建期货配对交易策略时，我们首先需要选取一对或多对相关性高的期货合约。
然后，通过随机过程模型计算这些合约之间的价差，并检验价差是否满足均值回归、协整或其他随机过程的特性。
如果价差满足这些特性，说明这对合约之间存在其中一种均衡关系。
接下来，我们可以利用支持向量机模型进行训练，通过学习历史数据，寻找最佳的买入和卖出时机，以获得期货配对交易的信号。
最后，我们需要进行策略的回测和评估。
回测是指将策略应用于历史数据，检验策略的盈利能力和风险水平。
评估是指对策略进行综合性的分析和评估，包括统计指标、收益曲线、最大回撤等指标的计算。
总结起来，基于随机过程与支持向量机构建期货配对交易策略需要以下步骤：选取相关性高的期货合约、通过随机过程模型计算价差的特性、利用支持向量机模型学习买卖时机、进行回测和评估策略的盈利能力和风险水平。
通过这个过程，我们可以构建一个可靠的期货配对交易策略，为投资者提供更好的交易决策依据。
协整模型的配对交易策略优化
协整模型的配对交易策略优化∗邢恩泉;尹涛【摘要】对基于协整理论的配对交易策略进行了改进。
改进后的模型利用计算机能够快速循环运算的特点，循环查找最优配对组合与建仓阈值，使模型能够快速运用到各类资产及多种数据频率的配对交易中，具有根据数据变化进行自我动态修正的功能。
%This paper is aimed at improving pairs trading strategy based on the cointegration theory.The improved model loops and searches for the optimized pairs and transaction threshold by taking advantage of the rapid loop calculation of computer,which accelerates its application in pairs trading of assets and data frequency of various kinds.The model has the function of dynamic self-correction in accordance with the data changes.【期刊名称】《经济数学》【年(卷),期】2015(000)001【总页数】5页(P65-69)【关键词】协整模型;配对交易;遍利性【作者】邢恩泉;尹涛【作者单位】北京大学软件与微电子学院，北京 100871;北京大学软件与微电子学院，北京 100871【正文语种】中文【中图分类】F832.51从本质上讲，统计套利就是一种投资组合策略.其基本过程可以大致归纳为：首先，运用统计分析工具对投资组合中资产价格的历史数据进行分析与研究；然后，建立能够刻画出资产价格之间关系的数量模型；最后，在资产价格之间的关系偏离模型预测的均衡值时，利用“均值回归”理论，进行相应的套利操作，从而实现稳定的投资收益.统计套利自从20世纪80年代，由Nunzio Tartaglia带领的摩根士丹利的一支数量分析团队提出以来，其套利策略被广泛应用，目前在欧美、日本等成熟市场已成为主流，被对冲基金、共同基金、投资公司及资深的独立投资者使用.统计套利的有效使用和广泛传播，一直被看作是资本市场成熟的重要标志之一.其不仅丰富了投资者的投资策略，而且有利于最大限度地发挥资本市场的“自我纠错”机制，从而优化与提高了资本市场的资源配置效率.统计套利的常见方法包括：配对交易、β中性策略与多因素模型等.其中，配对交易策略(Pairs Trading)在国内资本市场有着较为广泛的应用，在统计套利中的具有尤为突出的地位.基于统计套利的配对交易策略是一种市场中性策略，具体的说，是指从市场上找出历史股价走势相近的股票进行配对，当配对的股票价格差(Spreads)偏离历史均值时，则做空股价较高的股票同时买进股价较低的股票，等待他们回归到长期均衡关系，由此赚取两股票价格收敛的报酬.配对交易一般采用“最小化偏差平方和”、“随机价差模型”与“协整模型”等方法来进行资产组合的选择与交易.其中，协整模型的应用频率相对较高.在通常情况下，采用协整模型实现配对交易时：首先，通过构建协整模型确定资产价格之间存在的长期均衡关系；然后，根据价差波动的特性，确定交易频率、交易触发条件与平仓规则等交易规则；最后，对价差走势进行动态追踪，从而完成套利交易.在关于统计套利的研究中，存在着两个“经验性”选择：依靠经验选择构建配对交易的基本品种；依靠经验选择偏离均值的标准差倍数.本文将利用计算机技术，对上述两个“经验性”选择进行遍历性研究，从而实现对配对交易协整模型的改进与优化.国外学者主要对配对交易的模型与方法进行了大量的研究.其中，除了可以运用普通最小二乘法对传统的协整模型进行估计之外，Giovanni等利用弹性最小二乘法对配对交易中的回归模型进行了估计，并以标准普尔500期货指数为对象验证了该方法是有效的[1].Robert等在研究了配对交易策略的分析框架之后，为价差建立均值回归马尔科夫链模型，并用模型给出的价差预测值与价差的观测值进行比较，从而决定合适的交易时机[2].C.L. Dunis等以WTI原油期货和BRENT原油期货为配对交易对象，分别使用协整模型、移动平均法、神经网络分析法、自回归移动平均法建立套利模型，并比较了模型之间的套利绩效，发现利用移动平均法和自回归移动平均法进行模拟交易的年收益较高，而传统协整模型，神经网络分析法并未获得理想效果.国外学者对套利品种的研究也较为多样[3].Paul以原油及原油提炼品期货为研究对象，发现其价格之间存在的长期均衡关系.因而根据协整理论，对裂解价差的套利机会进行了研究，并设计出相应的套利策略.历史数据表明原油及原油提炼品期货价格之间存在可盈利的风险套利机会，且在统计学上是显著的[4].Christos研究多国股票市场指数的长期协整关系，研究表明市场指数的表现会影响这种长期关系，当一个市场趋势显著改变时，投资者应该重新构建套利组合[5].国内也有学者对配对交易的方法进行了研究.吴栩等运用价差服从O-U过程的随机价差模型与基于Elliott的随机价差模型对沪深300股指期货和上证180ETF的配对交易机会进行了研究与预测，研究结果表明价差服从O-U过程的随机价差模型的预测效果更好[6].也有很多学者对基于协整模型的配对交易进行了实证研究.雷井生和林莎基于股票价格的日数据和5种日内高频数据，采用协整策略对上证超级大盘指数的20只成分股进行统计套利，通过对套利结果的比较与分析，得出在各频率数据下，统计套利策略均能有效地应用于我国股票市场[7].期货品种之间的统计套利研究也是国内学界关注的焦点，如丁秀玲和华仁海以协整理论为基础，对大豆与豆粕期货之间的历史价格关系进行了深入研究，发现其价格会相互影响且存在长期的均衡关系，并在此基础上对样本数据进行模拟套利交易，发现套利的平均利润并不显著[8].扈文秀等选取商品指数期货与上证大宗商品股票ETF作为套利对象，运用协整统计模型设计套利方案，其中交易信号设置为价差偏离序列标准差的0.75倍.研究表明该统计套利方案能够获得稳定收益，证明统计套利在商品指数期货双跨套利是可行的[9].贾尚辉、江令对股指期货与其相对应的股票指数关联性进行了讨论，并以沪深300股指期货与沪深300指数为对象进行了协整关系的实证研究[10].协整模型作为目前国内配对交易研究中主要使用的研究方法，已经有不少国内学者对其提出了改进.比如何树红等在协整理论的基础上，引入GARCH模型，建立了股指期货跨期套利模型.在建立套利交易策略时,利用标准正态分布的置信水平确定建仓阈值.实证研究表明该模型能够有效的发现股指期货市场存在的日内跨期套利机会，并且通过建立合理的套利交易机制可以获得较为可观的收益[11].贺正楚等立足于期货市场的基本功能,发现期锌市场及其现货市场对来自各自身的冲击反应迅速,且具有强持续性.期货市场对现货市场冲击是积极、有效的,但现货市场对期货的冲击是消极、微弱的，研究结果为套期保值时点的选择提供了重要的理论参考依据[12].在配对交易策略的改进方面，丁涛提出了基于协整模型的延后开仓配对交易策略并证明了该策略在我国的可行性[13].上述文献对本文的研究具有重要的启发与借鉴意义.但同时也存在一些不足：首先，虽然统计套利研究中的配对交易品种较为多样化，但是配对交易品种的选择主要依靠实际经验或者依据配对交易对象之间存在的某些经济学联系.其次，建仓阈值的选择具有主观性，特别是在使用协整方法进行套利的研究中，多数以kσ(σ为价差序列的标准差)作为建仓阈值，而k值的确定依赖于经验判断，如果选取的k值过大，交易机会就会减少，不会尽可能多的获得交易利润，而如果选取的k值太小，又会导致交易太频繁，产生巨大的交易成本，导致利润减少.本文以协整模型为基础，利用计算机能够快速循环运算的特点对传统模型进行改进，给出配对交易中具有一般性的统计套利模型，循环查找最优配对组合与建仓阈值，利用计算机技术进行循环计算与数据挖掘，从而得到遍历解.3.1 传统套利模型3.1.1 套利对象的选择传统套利模型在选取配对交易的对象时通常以两个具有高度相关性的资产作为配对组合，并且假设它们之间相关性是长期可持续的.一般来讲，这种相关性主要来源于不同种类的资产之间存在某种经济学联系，例如，上下游产业链的商品期货价格往往相互影响，从而使期货之间的价格走势存在某种稳定的关系.以此为基础，在套利模型建立之初，投资者就会凭借经验选择一组套利对象，然后检验其是否具有协整关系，若不具备协整关系，则投资者就会按照上述原则继续寻找其他配对组合，若所选对象具有协整关系，则根据协整回归模型来确定资产间的配置比例，最后通过价差的统计性质来确定套利机制.这样的选择方法存在的问题就是效率低，且所选取的配对组合未必能够实现预期利润.3.1.2 协整关系检验检验资产之间的协整关系主要采用Engle-Granger两步法.其具体步骤是：首先，假设{Xt}与{Yt}代表资产X与资产Y的价格序列，对时间序列{Xt}与{Yt}进行ADF检验确定两者的平稳性，确定其均为非平稳序列且是一阶单整.其次，构造回归模型:Yt=β0+β1Xt+εt.用OLS法估计回归模型得到最后，对残差序列{ut}进行单位根检验，如果检验结果证明残差序列不存在单位根，即时间序列{ut}是平稳的，那么{Yt}与解释变量序列{Xt}之间存在协整关系，即{Yt}与{Xt}之间存在长期均衡关系.3.1.3 交易组合的建立如果{Xt}与{Yt}之间存在长期协整关系，利用回归模型中的1作为对冲比例，即如果有1单位的资产Y则需要1单位的资产X进行反向对冲.3.1.4 确定交易信号通过对估计方程(2)变形可以得到残差：并计算残差的标准差σ,用spread表示资产X与资产Y之间的价差序列，即并以mspread代表价差的均值.当spread>mspread时，说明资产Y相对于资产X被高估了，而当spread大到一定程度，可以覆盖套利交易成本时，以此作为开仓信号，卖出资产Y，同时买进资产X，当spread回归到mspread时将两个资产进行平仓，这样就可以获得套利利润.当spread<mspread时，说明资产Y相对于资产X被低估了，而当spread偏离mspread到一定程度，可以覆盖所有套利交易费用时，以此作为开仓信号，买进资产Y，同时卖出资产X，当spread回归到mspread时将两个资产进行平仓. 传统套利模型需要确定建仓与平仓阈值，一般研究中开仓阈值为价差等于价差的均值加上k倍的标准差σ，即spread=mspread±kσ.平仓阈值为价差等于价差的均值，即spread=mspread.传统套利模型中k的取值多依赖经验而定，没有主动寻找是否存在最优解使得套利的预期收益最大化.3.2 套利模型的改进第一，在选取配对交易对象时，先将所有考虑范围内的资产价格时间序列作为输入变量，其次，输入已经设计好的计算机程序，然后通过计算机的循环运算，筛选出两两之间具有协整关系的配对交易品种.假设共有N种资产，首先利用ADF检验筛选出M个均是一阶单整的资产价格时间序列；再次，将这M个资产价格时间序列进行两两组合，则共有M*(M-1)/2个组合结果，记为集合G；最后，对所有组合结果做协整检验，筛选出具有协整关系的资产组合作为配对交易对象.第二，在选取k时，根据历史数据，利用计算机循环运算功能，对每一对资产组合查找最优交易信号，即确定k值使得该交易对的样本内收益率达到最大.其具体过程为：首先，对某一特定配对交易组合H(H∈G)，根据样本内数据计算出其价差的标准差σH，其公式为其中，n为样本内数据个数，mspreadin为样本内价差的均值.其次，令，可以得到建仓阈值kuσH.假如在t时刻，价差落在区间以外，立刻进行建仓，记此时的价差为spreadt；当价差回落至均值mspreadin时进行平仓，记此时为T时刻，价差为spreadT；则单次套利收益为Pi=spreadT-spreadt，i=1,2,…,m;其中m为样本内套利次数.假设每次建仓时交易成本为Ci，则样本内收益率为最后，对∀，若∃q∈Q,Rkq≥Rki，则令k=q，即对于配对交易组合H，其最优套利交易建仓阈值为qσH.第三，为增强模型的稳健性，选取最优配对交易组合时，应以总收益率最大为准则.首先，对集合G进行调整，从中剔除那些样本内收益率或样本外收益率小于等于零的配对交易组合，记调整后的集合为G’.令TRJ代表配对交易组合J(J∈G’)能够在样本内及样本外总数据区间上取得的收益水平，根据第二步求得的建仓阈值，可以求得配对交易组合J的样本外收益率OR，则其总收益率可以表示为TRJ=IR+OR，其中J∈G'，IR≥0,OR≥0；最优配对交易对象的筛选准则可以表示为：对∀J,J∈G',若∃I∈G',TRI≥TRJ，则组合I即为最优配对交易对象.本文选取在大连商品交易所交易的8个商品期货品种，即大豆、豆油、豆粕、PVC、玉米、塑料、棕榈油和焦炭.数据来源于Wind资讯金融终端.由于每个期货合约都有到期时间，因此期货价格具有不连续的特点，而且，在同一交易日，同一期货品种有若干个不同交割月的合约在交易，为了研究方便，我们选用行情报价系统提供的连续合约价格，即豆一连续、豆油连续、豆粕连续、PVC连续、焦炭连续、塑料连续、玉米连续、棕榈油连续.时间段选取2012年1月4日到2014年4月18日，在数据频率上，选取日内收盘数据，每个序列有样本552个，并将其中每个序列的最后100个数据作为样本外数据.其次，将8个品种的期货价格时间序列作为输入变量，导入用matlab编写好的程序中(参见附录)，其中，将K值的取值范围设置为[0,3]，以0.01为步长.运行后得到如表1结果.实际运行结果说明，8个期货品种的配对组合中有14个组合存在协整关系，其中，有7对配对交易组合在样本外测试阶段不存在任何交易机会.另外，由于没有考虑交易费用以及止损水平，因此所有的收益率都表现为正值.在剔除这7对交易组合后，系统根据总收益率最大原则输出最终选择结果，即最优配对交易组合为豆油和棕榈油，其配对交易的样本内收益率为76.99%，样本收益率为17.93%，总收益率为94.93%.配对系数为0.932，即交易组合的比例为250∶233，即卖出250手豆油合约的同时需要买入233手棕榈油合约，或者买出250手豆油合约的同时卖出233手棕榈油合约.此外，豆油与棕榈油配对交易的最优k值为0.06，代表当开仓信号设置为价差均值基础上±0.06σ时，其总收益率达到最大.本次研究以协整模型为基础，利用计算机能够快速循环运算的特点对传统模型进行改进，给出配对交易中具有一般性的统计套利模型.该模型具有很强的普适性：第一，在任何数据频率下，能够对任意种类的资产进行模型检验，并迅速地找到能够进行配对交易的品种.第二，克服依靠经验选择建仓阈值的缺点，利用计算机循环运算的功能，快速找出使样本内收益最大的交易阈值.第三，以样本内与样本外总数据区间内的收益率最大为标准，选取最优配对交易组合，并且自动剔除掉样本内收益率或样本外收益率小于等于零的配对交易组合，以此增强模型的稳健性.为简单介绍模型功能，本文以在大连商品交易所上市的8个期货品种为例，将8个期货品种的价格时间序列作为输入变量，经过计算机运算，首先发现14个组合长期上存在协整关系，然后比较出其中最优配对交易组合为豆油和棕榈油，其最优K值为0.06；最后，通过计算机指令将所有结果进行输出.在研究中，由于样本外数据区间较短，且样本外数据的波动性与样本内数据不同，最终结果中有7个配对交易组合在样本外测试期间不存在任何交易机会.因此，在实际使用模型进行配对交易时，还需要对模型进行进一步的调整，如优化数据区间的选择，计算交易费用对收益的影响，建立完善的风险控制机制，设置合理的止损水平等.【相关文献】[1] G MONTANA, K TRIANTAFYLLOPOULOS,T TSAGARIS. Flexible least squares for temporal data mining and statistical arbitrage[J]. Expert Systems with Applications. 2009, 36:2819-2830.[2] R J ELLIOTT, JOHN, V D HOEK,et al. Pairs trading[J].Quantitative Finance. 2005，3: 271-276.[3] C L DUNIS, J LAWS, B EVANS. Trading futures spreads: An application of correlation and threshold filters[J].Applied Financial Economics. 2006. 16: 903-914.[4] P B GIRMA, A S PAULSON. Risk arbitrage opportunities in petroleum futures spreads[J].The Journal of Futures Markets，1999，8:931-955.[5] CHRISTOS, ALEXAKIS. Long-run relations among equity indices under different market conditions:Implications on the implementation of statistical arbitrage strategies[J].Journalof International Financial Markets, Institutions & Money.2010，20: 389-403.[6] 吴栩,宋光辉,董艳.沪深股市夏普比率的多重分形相关性分析[J].经济数学,2014,31(2):13-18.[7] 雷井生，林莎.基于高频数据的统计套利策略及实证研究[J].科研管理，2013，34(6):138-145.[8] 丁秀玲，华仁海.大连商品交易所大豆与与豆粕期货价格之间的套利研究[J].统计研究.2007，24(2):55-59.[9] 扈文秀，牛静，李芳，等.基于统计套利模型的商品指数期货双跨套利方案研究[J].管理评论，2013，25(9):100-107.[10]贾尚晖,江令.股指期货和股票指数的关联性分析[J].数学的实践与认识.2013,43(2):90-94.[11]何树红，张月秋，张文.基于GARCH模型的股指期货协整跨期套利实证研究[J].数学的实践与认识,2013，43(20):274-279.[12]贺正楚,周贤军,文先明.基于SVAR模型的期锌市场及其现货市场的价格发现功能实证研究[J].湖南大学学报：自然科学版,2011,38(7): 92-97.[13]丁涛.配对交易策略在A股市场的应用与改进[J].中国商贸.2013，(2):24-27.。
国内市场中性策略产品现状研究
国内市场中性策略产品现状研究2012年11月12日高级研究员：陈琴9报告摘要1、策略概要股票市场中性策略是绝对收益中一种比较主流的策略，它是指同时买入和卖空股票以对冲市场风险，其目的是在不管是在上涨的市场环境还是在下跌的市场环境下都能获得持续的盈利。
本部分介绍了市场中性策略的分类、实施步骤、收益来源、优势和劣势。
2、策略现状国内由于股票做空的环境不是很成熟，股票市场上目前能够做空的工具包括股指期货做空和融券做空，而融券做空目前面临诸多障碍，比如融券数量有限、融券卖空的法律环境不成熟、融券成本高昂、做空面临更大风险等，因此目前国内的股票市场中性策略产品多是运用股指期货来做市场系统性风险的对冲，产品盈利模式也多集中于量化对冲和套利技术。
根据融智对冲基金数据库统计，截止到2012年10月，包括各类市场中性策略产品86只，如下表1，仍在运行的74只，提前或者到期清算12只。
3、推荐关注国泰君安君享量化及套利产品、信合东方。
一.股票市场中性策略概要近两年股票市场整体的持续低迷使追求绝对收益的对冲基金另类投资策略逐渐显现，股指期货、融资融券等衍生品的相继推出，也为另类投资策略产品提供了做空的工具和手段。
在这样的一个背景下，国内众多机构都开始了真正意义上的对冲基金的探索之旅，推出了区别于传统股票多头策略的绝对收益对冲基金产品。
股票市场中性策略是绝对收益中一种比较主流的策略，它是指同时买入和卖空股票以对冲市场风险，其目的是在不管是在上涨的市场环境还是在下跌的市场环境下都能获得持续的盈利。
一般而言，股票市场中性策略通过捕捉市场有价证券定价错误的机会来获取收益，该策略同时持有多头和空头两个投资头寸，即买入价格被低估的股票构建多头投资组合，卖出价格被高估的股票构建空头投资组合，以消除交易对市场的影响并创造出两次获得超额收益的机会。
1、股票市场中性策略分类股票市场中性策略包括统计套利和基本面套利两个基本类型。
统计套利是一种基于模型的中短期投资策略，使用量化分析和技术分析方法挖掘投资机会。
波动率曲面套利、统计套利和卖权策略的简单区分方法
波动率曲面套利、统计套利和卖权策略的简单区分方法波动率曲面套利、统计套利和卖权策略是金融领域中常见的投资策略。
它们都是利用市场的价格波动和统计规律来获取收益的方法。
虽然它们都属于套利交易，但在具体的操作和风险管理方面有着不同的特点。
本文将分别对这三种策略进行简单区分，并探讨它们的优缺点和适用范围。
一、波动率曲面套利波动率曲面套利是一种利用期权波动率曲面的变化来进行套利的交易策略。
在金融市场上，期权波动率曲面是指不同到期日和行权价的期权对应的隐含波动率。
根据期权定价模型的理论，在不同的到期日和行权价上，期权的隐含波动率是不同的，这构成了波动率曲面。
波动率曲面套利的核心思想是通过分析波动率曲面的形状和变化，寻找其中的错配和跨期错配，然后进行对冲和套利。
波动率曲面套利可以分为两种类型，一种是定价套利，另一种是波动率交易。
在定价套利中，投资者通过对冲风险敞口，利用期权价格之间的错配进行套利。
而在波动率交易中，投资者则是通过对冲期权价格和标的资产价格的波动率来进行套利。
波动率曲面套利的优点在于可以对冲风险敞口，可以在市场波动性较大的情况下获得收益。
但是，波动率曲面套利需要高度专业化的技术和分析能力，对投资者的要求较高。
而且，在实际操作中，由于市场的变化和交易成本等因素，波动率曲面套利的收益也不一定稳定。
二、统计套利统计套利是一种利用市场价格的统计规律进行套利的交易策略。
在统计套利中，投资者通过对市场价格数据的分析，发现其中的价格错配和套利机会，然后进行对冲和套利。
统计套利的核心思想是通过对市场价格数据的分析和建模，来进行对冲和套利。
统计套利的操作方式多种多样，常见的统计套利策略包括配对交易、均值回归交易、趋势跟踪交易等。
配对交易是一种通过对冲相关标的资产价格之间的价格差，来进行套利的交易策略，均值回归交易是一种通过对冲市场价格波动的反转来进行套利的交易策略，趋势跟踪交易是一种通过对冲市场价格的趋势方向来进行套利的交易策略。
国债期货跨期价差分析与统计套利研究
一、引言统计套利最早起源于配对交易，即寻找两只价格波动高度相关的证券，并认为当二者的价格走势相对历史呈现较大偏离之时存在纠偏效应，此时做多价格低位证券并做空价格高位证券，并在价格水平回复均衡状态后进行相反头寸的操作以获取价差变动的收益。
该策略思路简洁明了，其核心在于价格的均值回复特性，同时凭借能够独立于市场行情以较小的波动性获取相对稳定的收益从而在各类产品的交易中均有实践意义。
相比现货市场，期货市场由于具有完备的日内交易与做空机制，配合较高的市场流动性，更有利于利用统计套利策略进行高频交易。
由于我国金融期货推出时间较晚，尤其是国债期货市场运行时间较短且流动性相较股指期货有所减弱，套利研究大多集中于商品与股指。
但随着资本市场的不断完善，10年期国债期货成交量已从2015年推出时的日均8635手逐年增长至2020年的65482手，故本文在探究10年期国债期货主力与次主力合约跨期套利策略有效性的基础上，针对学界少有关注的策略择时手段展开深入分析，以期丰富我国国债期货市场的统计套利研究，为投资者提供借鉴。
二、文献综述（一）统计套利方法总述纵观学界统计套利的研究方法，大体可包含如下五类：第一，最小距离法。
计算标的资产间标准化价格序列的欧式距离后，选取距离最小的产品作为交易对象，当价差偏离均衡值时建仓并在均值回复时平仓收稿日期：2020-12-18作者简介：程昊，男，安徽合肥人，硕士，供职于安信证券固定收益部，研究方向为货币政策、固定收益证券投资策略。
朱芳草，女，浙江金华人，硕士，供职于天津银行资产管理部，研究方向为地方政府和企业行为、固定收益市场分析。
黄龙涛，男，福建南平人，中国人民大学国际学院，研究方向为固定收益分析、货币利率体系。
国债期货跨期价差分析与统计套利研究程昊朱芳草黄龙涛（安信证券，北京100000；天津银行，北京100000；中国人民大学，江苏苏州215000）摘要：在我国国债期货市场活跃度与交易量稳步提升的现实基础上，本文探究国债期货跨期统计套利策略的有效性以及如何在投资实践中发挥最大效用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 2、LOF套利
➢ LOF二级市场价格对其基金净值的折/溢价，当折/溢价
幅度大于交易成本时，通过套利交易来获利。
17
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
（1）中国证监会对分级基金的定义
分级基金是指通过事先约定基金的风险收益分配，将母 基金份额分为预期风险收益不同的子份额，并可将其中 部分或全部类别份额上市交易的结构化证券投资基金， 其中，分级基金的基础份额称为母基金份额，预期风险、 收益较低的子份额称为A类份额，预期风险、收益较高的 子份额称为B类份额。
15
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 分为封基套利、LOF套利、分级基金套利、ETF套利。
1、封基套利：到期日套利和分红套利
➢ 到期日套利。封基价格随着到期日的临近将逐渐向基金
净值靠拢
➢ 分红套利。封闭式基金的分红采取现金分红方式，在市
场不发生变化的情况下，折价的绝对数额不变，而基金 的净值和价格却在同步下降，因此分红后封基的折价率 会上升，获得套利收益。
（4）配对转换的套利 母基金与子基金之间的配对转换 • 分拆，指基金份额持有人将其持有的母基金的场内份额 申请转换成子基金份额的行为。 • 合并：指基金份额持有人将其持有的子基金的场内份额 申请转换成母基金份额的行为。
由于配对转换机制的存在，分级基金交易价和母基金净 值之间的折溢价空间一直较小。
21
2、风险套利策略：
➢ 这类策略主要包括LOF套利、封基到期日套利、分级
LOF套利、可转债套利。
10
统计套利的策略
3、事件套利策略：
➢ 这类策略包括ETF事件套利、封基分红套利等。
4、价差套利策略：
➢ 包括期货期现套利、跨期套利、跨品种套利和市场中性
套利。
11
三、统计套利的类型
12
统计套利的类型
统计套利应用
——基于市场中性策略的配对交易
目录
一、统计套利简介 二、统计套利的策略 三、统计套利的类型 四、统计套利的应用 五、总结
2
一、统计套利简介
3
金融产品的创新
➢ 金融产品的创新
股指期货、融资融券、跨市场ETF……
➢ 套利交易、程序交易、算法交易、对冲交易、数
量化交易……
➢ 指数增强基金、结构化保本型产品、绝对收益型
19
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
（3）分级基金不是保本基金 中国证监会要求基金管理公司需在基金募集申请材料中 提交投资者教育手册。分级基金宣传推介材料的封面需 进行风险提示，注明产品不保本，可能发生亏损。
20
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
A
对比证券对价比格证与券量价化格模与型量所化模型所
B
预测的理预论测价的值理论价值
C
构建证构券建投证资券组投合A资的dd组多Y合头ou的和r 多空Te头xt和空头
规避市规场避风市险场，风获险取，稳获定取的稳Al定ph的aAlpha
D
8
二、统计套利的策略
9
统计套利的策略
1、低风险策略：
➢ 这类策略主要包括ETF瞬时套利。
市场ቤተ መጻሕፍቲ ባይዱ性套利
上市交易型基金套利
债券套利
统计套利
权证套利
股指期货套利
商品期货套利
13
统计套利的类型——基于大类资产
（一）市场中性套利：
➢ 市场中性套利策略：即投资者买入相对低估的股票，同
时卖出相对高估的股票，通过一买一卖，对冲掉组合的 系统性风险，待买卖股票恢复至合理估值水平获利平仓。
14
统计套利的类型——基于大类资产
统计套利是利用证券价格的历史统计规律进行套利； 统计套利是一种风险套利，其风险在于这种历史统计规
律在未来一定时间内是否继续存在；
6
统计套利
➢ 统计套利的数学定义：Hogan （2003）
无风险利率折现的现值为ν(t)，ν (t)应满足如下条件：
ν(0)=0，表示初始成本为零；
当t→∞时，lim E(ν(t))>0，即组合收益均值的极限值大于零；
（一）市场中性套利：
➢ 市场中性统计套利最大的优势在于：基于市场中性的判
断，不需要对市场走势进行独立的研判，运用统计套利 所得到的收益率基本上与市场整体收益不相关，按照 Markowitz 的投资组合理论，将这样的投资品种加入现 有的投资组合可以扩张组合的有效性边界（Efficient Frontier）；在统计套利模型中，除了初期圈定交易对 象（实际也可以由计算机自动运行）外，不需要依赖于 人的判断，如选股和选时，所有的步骤都可以通过统计 参数进行判断，因此适合进行统计套利。
18
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
（2）分级基金的初始杠杆比率 分级基金需限定分级份额的初始杠杆率，债券型分级基 金不超过10/3倍，股票型分级基金不超过2倍。其中， 初始杠杆率＝（A类份额配比数＋B类份额配比数）/B类 份额配比数。例如，A类份额、B类份额的配比比例为7： 3，则初始杠杆率为（7+3）/3＝10/3。
当t→∞时，lim P(ν(t)<0)=0，即组合亏损的概率收敛于零；
若∨t<∞， P(ν(t)<0)>0，则lim var(ν(t))/t=0，表示在有限
的时间内，如果损失的概率为正，那么收益的方差相对于时间收 敛于零，即收益的风险是收敛的。
7
统计套利——基于模型的投资过程
运用量运化用手量段化构手建段资构产建组资合产组合
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
（5）分级A类份额的套利 将A类份额视为永续债券： Pa=r / y
Pa为A 类份额的市场价格，r为合同约定的年化收益率， y为隐含收益率
22
统计套利的类型——基于大类资产
（二）上市交易型基金套利： 3、分级基金套利
产品、创新型ETF……
4
金融产品的创新
基金公司的发展
• 公募产品审核通道:
股票、债券、货币、指数、QDII、创新
• 进一步优化基金分类审核工作
同时上报三只境内基金的募集申请，三只基金可以是同 一类型，也可以是不同类型 审核制备案制
• 以市场为导向的创新产品
5
统计套利
➢ 统计套利的含义： Statistical Arbitrage