配对交易(Pairs Trading)量化投资策略是统计套利的一种,同时也属于一种市场中性投资策略,其核心思想就是在市场中寻找出两只同时满足在长期来看处于均衡状态,而在短期内会出现一定的偏离。对配对交易的研究常用的方法就是最小距离法,协整法,随机价差法以及近10年才加以研究的Copula函数法,随着这些方法的深入研究与运用,使得配对交易无论在理论上还是在实际市场交易当中都得到巨大发展。本文在前人的研究基础之上,将GARCH族模型和Copula函数相结合,提出了CopulaGARCH模型来捕捉由于市场的非有效性导致的价格偏差而产生的交易机会。本文分为五个部分。第一部分为导论,主要是说明本文的研究的背景及现实意义,并且总结归纳前人的研究成果,并对它们的研究加以评述引出本文的研究创新点。第二部分是统计套利策略的概述,分别阐述了量化投资的概念、发展以及建模流程并且对统计套利在量化投资领域的地位、概念和主要研究方法进行了说明。第三部分是本文最核心部分,首先提出协整法配对交易策略的理论基础,寻找出相关性较强的股票对,构造它们的价差时间序列的协整交易策略模型,其次是提出了基于GARCH模型和核密度函数的边缘分布,进而提出Copula-GARCH模型,在Copula函数的概念上进一步推导出本文主要交易模型的信号指标。第四部分是选取具有同质性较强的银行业上市股票作为股票备选池,选出了中国农业银行和中国工商银行作为本文的研究对象,分别利用协整法和本文建立的Copula-GARCH模型对样本进行回测交易和仿真交易。最后一部分就是本文研究结论以及展望。本文的研究结论是:利用基于不同分布假设的GARCH族模型来对金融时间序列进行描述,然后选择合适的Copula函数求出两个研究变量的联合分布来构建本文核心模型Copula-GARCH模型来捕捉市场交易机会。将同质性较好的银行业中满足融资融券条件的16家上市股票作为研究对象,研究发现,其中5家国有控股银行相关性最好,然后选择相关性最好的工商银行和农业银行作为仿真交易的数据,分别利用协整法和Copula-GARCH法对样本内和样本外的数据进行对比分析发现,在考虑交易成本的前提下,不论是从交易次数、年化收益率、夏普比率以及最大回撤都要远优于前者协整法。