资本市场是一个充满了各种风险的市场,投资者把握不好,轻则亏损本金,重则损失惨重。虽然2010年沪深300股指期货和融资融券的推出,使我国证券市场的单向交易模式转变为了双向交易模式,但是参与者的亏损比率仍然较高。人们一直在寻找一种跟市场趋势无关并能稳定获利的投资策略。量化投资中的统计套利正是这样的不依赖市场趋势的中性策略,它是将套利建立在历史数据进行统计分析的基础之上,并结合基本面分析加以指导的套利交易,相比传统的无风险套利,统计套利少量增加一些风险,但可以获得数倍于无风险套利收益的机会。统计套利的策略十分丰富,最常用的协整策略在统计套利中,本来已具有一定的优势,在实践中也具有可操作性,但是人们并不满足于此,一直在寻找更有效的方法,出现了小波分析,神经网络等方法建模,有的从残差着手进行创新改进,引用了GARCH模型,O-U模型等残差处理方法,有的从最优阀值入手,寻找能获取更高收益的交易规则。本文则从协整模型中的系数着手进行改进,引入时变参数的状态空间模型,并运用卡尔曼滤波算法估计状态向量,将传统协整模型中的固定不变的系数改进为可以随时间变化的系数,减少残差的波动性,使价格序列之间具有更好的拟合性,寻找更有效的套利机会。本文选取了30分钟、15分钟、5分钟三种日内高频数据来建立状态空间模型,采用最常用的阀值规则,进行套利分析,发现在实际市场中确实存在大量的口内套利机会,弥补了单独采用日收盘价格数据的不足。根据样本内统计套利结果,三十分钟数据价格序列套利12次,十五分钟数据套利15次,五分钟数据套利30次。三十分钟数据价格序列套利累积收益率达6.7904%,而十五分钟数据价格序列的累积收益率是2.3403%,五分钟数据价格序列的累计收益率则只有0.7459%。而样本外各频率数据套利次数一样,都是平仓四次,没有出现极端止损的情况,累积收益率都在5.5%以上。据此得出一个结论：数据的频率越高,套利的次数越多,但是由于极端止损情况和交易成本的存在,套利的累积收益率反而越低。这启示着我们,在实际操作中,不宜选取频率过高的数据进行统计套利,如5分钟和1分钟数据。根据本文的实证结果,利用30分钟高频数据,就能获得比较稳定的高收益率。本文通过实证分析,证实了结合高频数据的状态空间模型能进行有效的统计套利,该策略模型可以用来指导投资者规避市场风险,及获取稳定的收益。根据本文的研究过程和结果,对实践中的统计套利提出以下建议：选取的资产价格序列之间具有高度的相关性且交易比较活跃：选取的资产价格不能出现太多的突发极端情况；统计套利时,最好采用高频数据而非日数据,如30分钟数据套利效果较好；除了协整模型,状态空间模型也是统计套利的一种有效方法。