沪深300股指期货跨期套利策略及其有效性研究

发布时间：2020-09-18 20:36

　　纵观整个2018年的中国股票市场,整体行情不容乐观,且未来走势难以预期。从2018年1月到2018年10月,上证指数从最高的3587.03跌至2449.20,10个月期间持续走低,个股价格的跌幅更为剧烈,投资者亏损严重,市场处于悲观情绪中,投资风险与收益极不匹配。从宏观经济来看,2018年来,经济整体下滑,“去杠杆化”的发展思路在一定程度上对实体经济进行了“洗盘”,企业缺乏资金和业绩支持,短期内股市回暖存在较大难度,加上中美贸易摩擦问题对股市未来的走势存在极大的不确定性,以及受交易规则限制,综合来看,目前投资股票可能需要面对高风险低收益的投资环境。而股指期货相对于股票,属于高风险高收益的投资标的,同时允许卖空和T+0的交易规则,给予投资者极大的主动权,并且从2010年上线发展至今,股指期货市场制度不断完善,参与者和交易量达到较高规模,具备套利的基本条件。在此背景下,本文利用统计套利思路,以沪深300股指期货作为交易标的,设计套利策略,并进行检验。本文首先在中对国内外有关统计套利、高频套利的研究进行梳理,通过对沪深300股指期货合约的基本概念和套利策略中涉及金融学、数学、统计学的相关理论进行归纳,并从两个章节的分析中,总结出本文配对交易的套利策略的框架,为套利提供理论基础。其次,本文以沪深300股指期货交易日每1分钟的数据为基础,对套利策略进行设计。其中,根据持有成本定价理论,构建沪深300“当月”和“次月”合约价差的均衡关系,并利用相应的数学及统计方法计算出每一时点上的条件均值和条件方差,并以此在每个时点上构造价格的合理波动区间以及止损上下限,再围绕实际价差与套利区间,设计交易方式以及套利规则,并推导出收益率的计算方式。按照所设计的套利策略,利用抽样数据和样本内数据求出套利区间的最优参数,再利用样本外数据,测算在最优参数条件下的收益率,并对收益率自身进行分析,考察其是否具备规律。再次,在以上分析的基础上,对策略进行有效性检验,并将其样本外数据套利所得的日收益率作为被解释变量,从市场常规风险、市场摩擦和市场情绪三个维度中,选取相应的指标作为解释变量,以此建立模型进行回归分析,通过收益率与各指标间的关系,形成最终的检验结果。最后,对研究结果进行总结,并给出建议以及研究的不足之处。通过整个套利策略的设计、测算、分析和检验,本文得到如下结论:(1)套利策略能够对价差进行有效定价。均衡价差结构稳定,其条件均值和条件方差所构建的套利区间对价差波动情况能够做出有效的解释和判断,意味着套利策略对价差的定价是有效的。(2)高频跨期套利策略视角下股指期货存在较多套利机会。均衡价差的时间序列在较为稳定的空间内存在明显的波动情况,其序列的分布情况类似钟型,且存在明显厚尾现象,意味着存在较多偏离均值的时间点,这些价差的偏离点,都是潜在的套利机会。(3)套利策略交易规则能够有效控制套利收益。每个交易日结束时,套利账户为空仓状态,既锁定当日的收益,同时规避隔夜风险;实际套利中,按最优参数设计区间,将交易控制在一个相对合理的范围内,且每日的收益率之间不存在相关性,套利行为具备独立性,说明在交易规则的约束下,套利策略能够实现稳定、有效的运作。(4)套利策略能够有效规避市场干扰。从实证结果来看,市场常规风险因素中仅市值因子和账面市值比因子与收益率存在显著关系,市场摩擦因素与市场情绪因素对收益率不存在干扰,总体而言,仅两项指标存在显著影响,说明套利策略能够规避来自市场的主要干扰,套利策略能够稳定,有效的运作。因此,定价、套利机会、收益把控以及抗干扰性四个方面来看,本文所设计的套利策略能够在股指期货市场中有效运作,达到获利的目的。基于上述研究结论,本文提出如下对策建议:(1)利用类似的配对交易策略进行套利时,进入的时间点需谨慎选择;(2)高频套利存在较大的操作风险,投资者运用时仍需谨慎;(3)套利区间的控制参数设计,赋值宜大不宜小;(4)隔日平仓,锁定收益,降低交易成本;(5)配对交易套利策略衍生至其他金融市场。(6)监管方以套利视角观察市场动态,丰富市场监管指标。
【学位单位】：西南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.51;F224
【部分图文】：

折线图,价差,合约,折线图

图 3-1 当月和次月合约对数价差时间序列的折线图由图 3-1 可知，在 107 个交易日内，可以分割出若干时段，在这些时段内价差序列相整个价差序列主要集中在区间[-0.010,0.000]之内，并上下波动，同时，在某些时刻，较大的波动，但在极短的时间内，能够回到中间区域，因此，在这样的时间节点上，空间。随时间的推移，当月股指期货合约到期日的临近，此时当月股指期货合约逐渐向现货价格（即沪深 300 股指）收敛，而次月股指期货合约的价格，受到期日小，这就导致价差有一个明显的负向拉大的趋势，但在此期间价差仍然在不断上下波空间依旧存在。此外，还考察了对数价差的分布情况，如下图所示：

分布图,价差,柱状,对数

图 3-1 当月和次月合约对数价差时间序列的折线图由图 3-1 可知，在 107 个交易日内，可以分割出若干时段，在这些时段内价差序列相对平稳，整个价差序列主要集中在区间[-0.010,0.000]之内，并上下波动，同时，在某些时刻，价差存在较大的波动，但在极短的时间内，能够回到中间区域，因此，在这样的时间节点上，存在套利空间。随时间的推移，当月股指期货合约到期日的临近，此时当月股指期货合约的价格，逐渐向现货价格（即沪深 300 股指）收敛，而次月股指期货合约的价格，受到期日的影响较小，这就导致价差有一个明显的负向拉大的趋势，但在此期间价差仍然在不断上下波动，套利空间依旧存在。此外，还考察了对数价差的分布情况，如下图所示：

折线图,条件均值,折线图,时间序列

2 条件均值估计由于存在显著的高阶自相关，且价差为每 1 分钟的高频数据，AR、MA 或 ARMA 建回归方程，系数受到各种限制条件的控制，难以准确的估计出均值。因此，本文放弃系列的自回归模型，使用能够相对准确计算均值的数学方式，即计算加权移动平eighted moving average）。计算公式如下：11( 1)Nt jjt NiN j spi （3-其中，N 表示加权移动的长度，即滞后的阶数，本文通过设置不同长度（分别令为50、60），计算发现，当 N 50时，其残差项的均值相对最小，为 0.0000004226，更白噪声序列的假设。由于价差序列为高频数据，即使存在高阶的自相关，但实际上过期货价格对于实时的价格的影响已经极其微弱了。因此，本文认为，将长度设置为个合理的范围内，能够有效地对条件均值进行估计。同时，按照的结果计算，得到条件均值序列t ，其时间序列的折线图如下

【相似文献】