基于协整分析方法的统计套利策略已经是现代计量经济学的一个常用且重要的方法,被广泛用在众多的经济与金融领域中,而其中的线性协整已经发展的非常成熟,有大量的研究成果,在实际问题研究中也有很多应用的领域。相比之下,非线性性在金融时间序列中则更为常见,而基于非线性协整及其统计套利策略的问题研究还有待进一步加强,本文就准备在这一方面展开研究。本文主要研究基于两类非线性变换的协整套利策略及其在实际中的应用。首先,研究了两类非线性变换,即Logistic变换和门限变换,特别地,在研究门限模型转换时,详细阐述了SETAR的2机制高阶模型和多机制情形的参数估计和模型检验问题,然后,基于上述研究结果,通过相应的非线性变换使其线性化,进而对其进行协整分析,建立相应的策略。在该过程中,为了验证方法的可行性,本文进行了相应的随机模拟,通过产生非线性时间序列、转换为线性序列、对其进行协整分析、制定统计套利策略进行模拟交易,从交易结果来看,它实现了较为可观的盈利。最后,对中国银行与农业银行的每五分钟的股票价格数据、中国石化与中国人寿的每五分钟的股票价格数据采用该方法,试验结果表明该策略取得了较为可观的盈利。由此来看,该方法是有效可行的。另一方面,本文还对基于协整的配对交易策略的阈值选择进行了优化。在对基于协整配对的统计套利策略进行构建时,大多数交易者都是以主观经验人为设定交易策略的开平仓阈值,通常是选取价差的若干倍的标准差作为其交易策略的阈值。而这种方法不能保证获取最大的利润,若阈值设置不当,可能会导致较为严重的亏损。针对此问题,本文使用了智能优化算法--粒子群优化算法、模拟退火算法以及遗传算法进行优化,搜索最优的阈值,使得交易策略的盈利达到最大化,并对其进行了实证。