论文部分内容阅读
统计套利是一种可以脱离市场趋势判断在较低的投资风险下获得稳定收益,获取超额绝对回报的市场中性策略,该策略只适用于有做空机制的市场。国内年初开始推出股指期货品种和融资融券的试点,随着国内做空机制的不断发展,统计套利会得到更广泛应用。统计套利在建立模型之前要选择一对相关程度较高的股票或者其他资产,然后基于对价格历史数据的统计分析,在经过单位根检验和协整检验通过后构建协整模型,其实也是构建了一对资产组合。在得到一系列价差序列后,我们假设价差序列具有均值回复的特点,即价差序列如果暂时性偏离均值,则视为套利机会产生,我们构建一个多头或者空头的仓位,等到价差序列果然回复到均值位置,再做相反操作平掉仓位,从中获益。但也有价差均值永久性偏离均值不回复的情况,此时就要坚决止损。对于建仓平仓止损的时机把握会有一套交易信号控制,由于均值回复是价差序列的普遍特点,所以用统计套利成功获利的可能性比较大。并且统计套利适合开发自动化交易控制系统。纵观国内外研究,统计套利在交易信号构建,模型设立方面有不少新颖独特的方法,比如GARCH法和神经网络法等,但各有优缺点。由于统计套利的理论背景之一是价差序列具有均值回复的特点,而随机过程中的Ornstein-Uhlenbeck过程能很好的描述具有均值回复特性的序列,所以本文选择使用当价差序列符合Ornstein-Uhlenbeck过程时的最优交易信号求解,并讨论了在两种情形,一种是期望收益函数最大化,一种是Sharpe值最大化,在这两种目标函数最大化的情况下,最优交易信号的求解。由于第一种情形相对简单,本文给出了交易信号的近似解析解,而实证部分的交易信号就采用第一种情形下的求解公式。当然两种情形都可以用数值方法得到更精确的结果。考虑到传统统计套利法常常存在模型稳定性不高,样本内模型和样本外数据不匹配的问题,本文提出动态统计套利的思想,即模型参数和交易信号都会随着样本数据的更新实时保持更新,这样避免模型和样本不匹配的情况。文章使用中国股票市场中四支银行股的数据做实证分析。首先对动态统计套利和传统统计套利进行比较,通过收益率,交易次数,交易成功率等多个指标比较得到动态方法下套利收益更稳定,套利机会更多,交易成功率也更高。然后,本文还将动态统计套利分别与2008年熊市市场和2009年牛市市场进行比较,通过计算beta系数得出动态统计套利具有市场中性的特点,通过累计收益率、波动率、Sharpe值等指标比较得出动态统计套利较市场走势有更稳定的特点。