2014年是中国量化交易史的收获元年,各大私募机构全年累计发行超过600只量化对冲产品;2015年虽然我国股市遭遇股灾事件,但是量化规模依旧处于快速成长阶段。近两年来,我国金融市场走入了分化行情,传统的统计套利策略越来越不适应当前变化的市场。为了获取稳定的投资收益,投资者需要对量化模型不断改进,加入时变信号、采用高频数据寻找套利机会、灵活设定交易策略,结合数学和统计学优化参数等等,将会成为量化投资策略的主要研究方法。沪深300股指期货交易标的是沪深300指数,该指数具有市场代表性,且有双边交易机制加持,故本文选取沪深300股指期货的当月合约和次月合约作为配对标的,展开对跨期统计套利的研究。基于协整理论统计套利的研究已经开展了很多年。随着科技时代的进一步发展,一种可以用来描述序列的均值回复特征的Ornstein-Uhlenbeck过程在金融时间序列的分析中得到广泛的应用。因此本文对基于Otnstein-Uhlenbeck过程的统计套利模型的套利情况也展开了研究。基于协整理论模型通常假设时间序列服从正态分布,但在实际应用中金融时间序列通常具有尖峰厚尾的特征,有的甚至还存在序列自相关以及异方差效应,而Otnstein-Uhlenbeck过程只考虑到金融时间序列一阶自相关的情况,综合以上两种模型的局限性,本文提出了将OU过程与GARCH模型结合的想法,构建了基于GARCH-OU过程的统计套利模型。通过构建三种不同的套利模型,一方面是观察不同套利模型的套利情况的差异;另一方面检验经样本内数据优化的阈值是否会对样本外的套利产生积极影响。不同套利模型经实证分析发现:(1)样本内:基于GARCH-OU过程的统计套利策略套利表现最优,取得了超高的年化收益率。样本外:基于OU过程的统计套利策略套利表现最优,取得了91.64%的年化收益率。基于协整的统计套利策略在两种情况下的表现都是最差的,样本外该策略跑输同时期的沪深300指数;分析其中原因是协整模型的稳定性较差,在外界市场发生较大变动时,基于OU过程的套利模型具有更强的应变性和稳定性,因此效果更好。而本文提出的第三种基于GARH-OU过程的统计套利模型,充分考虑到了金融时间序列的尖峰厚尾的特征、序列自相关的存在以及异方差的效应,更加贴合市场上投资者们所获取的数据的模型构建,经本文实证分析该模型在样本内和样本外均获得了超额收益。(2)三种套利模型在样本内夏普比率最大化的条件下得到的最优阈值,将其应用到样本外进行回测,均得到了正的收益率,因此经样本内优化的阈值对样本外的结果具有借鉴和参考意义。