统计套利的方法文献综述.docVIP

统计套利的方法文献综述 　　【摘要】统计套利是一种基于计量经济学和统计学而建立的套利策略：通过在资产的历史交易数据中寻找价差的变化规律，然后由计量模型进行模拟并预测未来价差变化，设定交易及止损阈值，由计算机程序根据市场的实时信号发出交易指令获得套利收益。本文主要介绍了时变GARCH模型、Ornstein-Uhlenbeck过程、Kalman滤波模型等较常用的动态统计套利模型，并在最后总结了统计套利的最新研究状况。 　　【关键词】统计套利；动态计量模型；最新研究综述 　　一、统计套利前提假设 　　S.Hogan，R.Jarrow和M.Warachka（2004）给出了统计套利的精确定义，认为统计套利必须满足4个假设条件：（1）自融资交易策略的初始投资成本为0；（2）经无风险利率贴现后具有正的预期收益；（3）可以通过重新调整投资组合的头寸使得长期来看资产发生亏损的概率为0；（4）如果在任意有限的时间内所持有头寸发生亏损的概率大于0，那么随着时间的推移，亏损的概率将趋于0。Robert Jarrow，Melvyn Teo，Yiu Kuse Tse和Mitch Warachka（2005）改变了假设条件（4），认为投资者关心的是潜在损失波动，只要收益的折现增量值是非负的，那么其波动情况就不受限制。 　　目前，以S.Hogan，R.Jarrow和M.Warachka（2004）在无风险套利基础上发展的套利定义应用最为广泛。 　　二、国内外相关理论研究 　　1.基于协整模型的研究 　　Burgess（1999），Alexander，Dimitriu（2004），仇中群、程希骏（2008）等众多学者实证研究后发现基于协整的统计套利效果显著优于其它的跟踪误差方差（Tracking Error Variance）方法：套利机会增多且风险可控，说明了基于协整模型的套利策略具有时效性和高效率优点。 　　2.基于GARCH族时变波动模型的研究 　　徐光梅（2008），康瑞强（2009），刘丛瑜（2011）等利用GARCH模型对不同交易对象进行实证研究，使用了不同的阈值参数确定方法—VAR思想方法、非参数化方法、Lasso算法、敏感性分析以及Monte Carlo模拟等，以样本内价差数据建立的统计套利模型为基础设计样本外套利策略，实证发现基于时变波动率的方法比基于历史波动率的策略具有更好的稳定性且有望获得更高的风险调整收益。 　　实际上，GARCH模型是以传统的线性理论为基础且忽略了价差序列分布有偏性特征，为了更精确的描述统计套利价差运动规律，可以进一步考虑使用其它非线性或非对称的修正GARCH类模型，如：QGARCH模型（二次GARCH模型）、GJR模型、GARCH-M模型、TGARCH模型、EGARCH模型等。 　　3.基于O-U（Ornstein-Uhlenbeck）随机波动交易模型的研究 　　Elliot，VannerHoek，Maleolm（2004）提出，只要价差序列具有均值回复性，就可以应用具有均值回复特征的O-U过程描述其运动过程。William K.Bertram（2010）给出了交易周期的均值、方差表达式，并分别以期望收益最大化和夏普比率最大化为目标函数推导出了最优交易信号的理论表达式，得出了股票价差服从O-U过程时交易信号的最优解，但作者没有对策略的收益率进行详细的实证研究。任吉卫（2012）运用上述主要思想，以收益率和夏普比率为基础衡量套利绩效，认为O-U模型要优于非参数化方法；作者建议采用多种套利模型相结合的方式进行统计套利研究以期获得更高的收益率，最后建议及时更新包括交易信号、止损信号等在内的数据，并且可尝试采用窗口滚动法、记忆周期等理论扩展模型。 　　颜涵（2012）分别采用OLS、GARCH以及O-U过程三种模型刻画高频数据价差序列的波动性特征，最后用K-Ratio指标、夏普比率、年化累计收益率进行综合绩效评价，认为O-U过程表现要优于其他两种模型。但文章仍存在协整突变、样本数据长度偏小及采用线性协整技术建模等问题。 　　4.基于Kalman滤波模型的研究 　　Giovanni Montana，Kostas Triantafyllopoulos，Theodoros Tsagaris（2009）针对SP500股票指数期货合约设计了一个基于灵活最小二乘法（flexible least squares，FLS）的算法交易系统并论证了FLS与卡尔曼滤波方程之间的对应关系。对数据的增量奇异值（SVD）进行降维分解，并对带有SVD的FLS系统、不带有SVD的FLS系统以及买入-持有交易策略绩效进行了比较，指出前两种算法的收益要明显优于后者，最后得出：具有时变系数的FLS算法是非常实用的时态数据挖掘工