论文部分内容阅读
股票市场基于一般交易规则:以低价买入,高价卖出。统计套利策略是一种风险较小的交易策略,盈利来自股票的定价偏差。如果两支股票所依附的基础资产无大的差异,那么这两支股票的相对价格应该保持固定,而在现实的市场中,这两支股票的走势往往不一致甚至出现很大的偏差,这就意味着一支股票的价格被高估,另一只被低估。经典的统计套利策略来源于此,投资者通过按固定的对冲比率买入被低估的股票,同时卖出被高估的股票,当两支股票的市场价格比回复到实际价值比时,做反向交易平仓,赚取收益。固定的对冲比率的统计套利策略缺点在于认为这两支股票的实际价值比是固定不变的,而事实上,这两支股票的实际价值之比是随时间变化而变化的,套利策略应该适用一个时变的对冲比率,因此,本文通过构建一个动态的市场时间适应性套利算法,开发出一个具有低风险的统计套利策略,即设计一个时变的对冲比率来完善传统的统计套利策略,并通过实证分析对这两种策略进行对比。要构建时变的市场时间适应性套利算法,必须解决三个问题:股票对的选择问题、对冲比率的确定问题和交易阈值的选择问题。针对股票对的选择问题,采用相关性分析、流动性分析和协整检验的方法。先对融资融券标的股票进行相关性检验,选出相关性较高的股票对,再使用E-G两步法对配对股票进行协整检验,保证配对股票具有长期均衡关系。针对对冲比率的确定问题,采用卡尔曼滤波算法来解决。卡尔曼滤波利用强有效的递归算法来估计状态空间模型,从而获得一组时变的对冲比率。针对交易阈值的选择问题,采用固定方差倍数法来解决。当价差序列突破滑动窗口内0.75倍标准差时进场,回复到滑动窗口内均值时退出并盈利,当价差突破买入点滑动窗口内2倍标准差时平仓止损。本文选取2016年至2017年上半年A股金融板块的股票数据作为样本,分别建立固定对冲比率的协整策略和时变对冲比率的卡尔曼滤波策略进行套利分析。经过样本期内外的策略回测发现,在实际中确实存在套利机会,验证了利用卡尔曼滤波算法能进行有效的统计套利,可以获取稳定的收益。根据样本内套利结果,卡尔曼滤波策略套利12次,套利累积收益率达12.19%,而协整策略累积收益率是6.14%,样本外卡尔曼滤波策略套利年化收益率为21.62%,协整策略因为无法适应价差序列的变化,收益率为-8.68%。通过对夏普比率、特雷诺、詹森α的比较,发现样本内与样本外基于卡尔曼滤波的统计套利策略各项指标均优于基于协整的统计套利策略。根据实证分析结果得到结论:在固定交易阈值的条件下,针对2016年及2017年上半年标的股票的股价数据的回测结果,利用卡尔曼滤波策略进行统计套利可以获取稳定收益,策略是有效的,并且拥有时变参数的卡尔曼滤波策略在样本期内外的表现均要优于拥有固定对冲比率的协整策略。