1. 程式人生 > >金融套利策略:理解統計套利的工作原理

金融套利策略:理解統計套利的工作原理

1. 什麼是定量交易

定量交易是通過統計技術(或者別的技術)來分析歷史資料,從而來識別交易的機會。定量交易適用於巨集觀經濟事件和證券價格資料等可量化的資訊。當定量交易模型被演算法交易者使用時,證券交易將嚴格基於計算機演算法進行買賣決策。統計套利決策就是利用定量技術應用於演算法交易的一個例子。

2. 統計套利

統計套利已經成為許多大型投資銀行和對衝基金的一個巨大的盈利定量交易策略。統計套利起源於 20 世紀 80 年代,由摩根士丹利等銀行牽頭,該策略在金融市場上得到了廣泛的應用。這個策略流行了二十多年時間,圍繞它創造出了很多不同的模型,獲得了巨大的利益。

統計套利是包含一套定量驅動的交易策略,可以用簡單的術語進行定義。這些策略通過分析價格模式和金融工具之間的價格差異來獲利。這種策略的最終目的是產生 alpha 的交易利潤(高於正常值)。這裡需要注意的一點是,統計套利並不是高頻交易策略(high-frequency trading, HFT)。它可以被歸類為在幾個小時到幾天內的中頻交易策略。

3. 統計套利策略中的概念

為了分析價格模式和價格差異,策略使用了很多的統計和數學模型。除了單獨使用的價格資料之外,統計套利策略還可以使用諸如市場超前/滯後效應,企業活動,短期動量等因素來設計。後一種方法被稱之為多因子統計套利模型。統計套利策略使用的各種概念包括:

  • 時間序列分析(Time Series Analysis)
  • 自迴歸和協整(AutoRegression and Co-integration)
  • 波動性建模(Volatility modeling)
  • 主成分分析(Principal Components Analysis)
  • 模式發現技術(Pattern finding techniques)
  • 機器學習技術(Machine Learning techniques)
  • 一些前言分析技術(Efficient frontier analysis)

4. 統計套利策略的型別

不同的統計套利策略包括如下:

  • 市場中性套利(Market Neutral Arbitrage)
  • 跨資產套利(Cross Asset Arbitrage)
  • 跨市場套利(Cross Market Arbitrage)
  • ETF 套利(ETF Arbitrage)

市場中性套利

它涉及在被低估的資產中做多,同時對被高估的資產做空。我們假設資產具有相似的波定性,因此,一部分的市場資產的增值,必定會導致一部分的市場資產的減值。當市場資產恢復到正常價值時,做多和做空的曲線迴歸到正常值。

跨市場套利

它試圖利用同一資產在不同市場上的價格差異來獲利。該資產在低估值的市場上面進行購買,然後在高價值的市場上面進行出售。這也是我們在生活中最常見到的一種方式。

跨資產套利

這個模型考慮了金融資產與其基礎資產之間的價格差異。例如,股票指數期貨和形成指數的股票之間。

ETF 套利

ETF 套利可以被稱為交叉資產套利的一種形式,它可以識別 ETF 的價值與其相關資產之間的差異。

配對交易(pair trading)

StatArb 是配對交易的一個演化版本,通過基於市場資本的相似度來對股票進行配對。當一隻股票表現優於另一隻股票時,表現較差的股票就會隨著市場期望攀升它的價值,從而有出色的投資回報。這個過程是從市場變化/走勢中進行對衝獲利。由於有大量的股票參與到統計套利策略中,所以投資組合的資金週轉率非常高,而且傳播的規模又比較小,所以這種策略通常是以自動化的方式實施的,而且高度重視降低交易成本。目前,統計套利策略已經成為了對衝基金和投資銀行的主要力量。

Figure 1: Implementation steps of a statistical arbitrage strategy

統計套利策略是如何運作的?

像股票這樣的證券往往是在上漲和下跌的週期內進行交易,而定量的方法就是利用這些趨勢來獲得利用。定量交易就是使用程式來跟蹤或者趨勢,發現其中的交易機會,從而獲得收益。

Figure 2: Statistical Arbitrage between two stocks under “Cement” Industry: ACC and Ambuja both listed at National Stock Exchange of India.

在上面的圖片中,ACC 和 Ambuja 的股價在過去六年內呈現非常強的相關性。你可以從圖中看到兩個股票在整個時間段內價格保持非常相近,只有一些特定的情況下才產生價格分離情況。正是這些價格分離情況,從出現了套利機會。因為我們有一個非常強的假設,這兩個股票的價格會再次走高。

識別這種交易機會的關鍵點在於兩個因素:

  • 我們需要非常好的處理時間序列的方法,從而來識別兩隻股票是否強相關;
  • 如何找到價格的分離點,從而進入市場;

在很多的股票平臺上面有很多的交易指標來幫助我們識別和交易。但是,很多時候,交易成本在總的交易過程中是至關重要的,雖然在計算預期收益時不會考慮這一點。因此,建議演算法交易者子啊進行回溯測試時,將自己的統計套利成本考慮在內,從而得到一個更加直觀的最終盈利資料。

統計套利的風險

雖然統計套利策略為定量交易公司賺取了大量的利潤,但是這些策略也帶來一系列的交易風險,以下是一些經常碰到的風險:

  • 該策略在很大程度上取決於價格迴歸到歷史平均水平或者預測的正常水平,但是這在某些情況下可能不會發生,價格可能會繼續偏離歷史常態。
  • 金融市場一直處於不斷變化之中,並且基於全球發生的事件進行演變。因此,統計套利模式的利潤沒辦法一直很好的保持。

一些參考資料

CoderPai 是一個專注於演算法實戰的平臺,從基礎的演算法到人工智慧演算法都有設計。如果你對演算法實戰感興趣,請快快關注我們吧。加入AI實戰微信群,AI實戰QQ群,ACM演算法微信群,ACM演算法QQ群。長按或者掃描如下二維碼,關注 “CoderPai” 微訊號(coderpai)
這裡寫圖片描述