基于高频数据的动态统计套利策略比较分析

发布时间：2017-03-21 08:07

  本文关键词：基于高频数据的动态统计套利策略比较分析，由笔耕文化传播整理发布。

【摘要】：在风云变幻的金融市场上,稳健性的投资一直都是人们所期待和赞许的,在中国现有的金融制度下,一路向牛的股票市场,当然是人人都向往的。但是在瞬息万变的金融市场,这显然是不可能的,在不允许做空的中国股市,若进入如2015年6月开始的狂跌模式,投资者只能望洋兴叹。股指期货推出的真实本意在于套期保值,融资融券的推出更是进一步让投资者有了做空的工具,在制度不断完善的今天,统计套利已经有了其成长的土壤。于是本文在此背景下,通过对统计套利常用模型的介绍与梳理,比较不同交易对象在不同套利模型下收益与风险的表现模式。本文首先对国内外有关统计套利的研究进行梳理,发现国内外用的最多的模型是协整套利模型,但是协整套利模型建立的一个前提假设是变量之间必须具有线性相关关系,这极大的局限了配对交易对象的选取。由于Copula函数能够捕捉变量之间的非线性相关关系,于是在前人对Copula的研究基础上,将其应用于统计套利的研究,可以极大拓宽配对的交易对象。文献研究发现,不管是利用协整理论还是Copula理论研究统计套利,都只是征对某个套利组合来研究,没有对其在不同交易对象之间进行横向研究,为了弥补这一“空白”,本文将这两种模型在不同交易对象之间套利效果进行了横向比较。本文写作目的主要有两个,其一是研究清楚两种套利模型的具体运作模式,其二是比较不同交易对象在两种套利模型下的收益表现。因此本文先对两种套利模型进行了较为详尽的介绍,并利用沪深300股指期货当月合约与下月合约在两种模型下进行跨期套利研究,以理清两种套利模式的运作方式；然后在这两种套利模型下对跨期、跨品种、期现、股票对套利的收益与风险进行横向比较分析。四种交易对象分别为沪深300股指期货当月和下月合约,沪深300股指期货当月合约和中证500股指期货当月合约,沪深300股指期货当月合约和沪深300指数(以股票组合来跟踪),光大证券和兴业证券,为了方便比较,选取的时间窗口期一致为2015年10月12日至2015年12月25日的日内5分钟的高频交易数据。通过实证研究,主要得出了如下一些结论：以沪深300股指期货当月合约和下月合约在协整套利模型下进行实证分析,发现窗口期的选取和阈值的设定对交易结果影响较大,经过探索,发现征对5分钟的高频交易数据,3天的建模期,一天的交易期所取得的交易效果是最好,而在阈值的选取上,以0.5倍标准差到1倍标准差为开仓阈值为最佳,这与后文中基于0-U过程建立的最佳交易信号的结果几乎是一致的。鉴于变量之间的非线性相关关系,建立Copula函数套利模型,并深入研究Copula相关理论和其套利运作模式。假设每次投入资金均为△,且不重复使用来讨论每次套利收益的变动情况,发现其累计收益回撤率较大,并建立了优化模型,实证发现经过优化之后的模型使得交易发生亏损的次数极大的减少了,降低了累计收益的回撤率,使得累计收益的最大亏损降低了50%-80%;并假设初始投入资金为单位1,每天重复使用,采用复利方式计算累积收益率,最终结果表明,所建立的Copula函数套利模型能够获得远高于银行定期存款利率的收益回报。不同的交易对象在协整套利模型下,除了期现套利收益表现出较大的不稳定性以外,利用其余品种套利都能获得至少39%以上的年化收益率；而在Clayton-Copula和Gumbel-Copula函数套利模型下,各套利品种最少都能获得7.97%的年化收益率,高于银行定期存款利率,而且对比协整套利模型和Copula套利模型发现利用股票对进行套利交易所获得的累积收益是最高的,分别为67.43%和77.32%,表明了中国股市存在较大的卖空套利空间。同时不同的交易对象在不同的套利模型下,收益表现截然不同,说明交易策略的有效性不仅仅是由策略本身决定的,还与交易品种的选取有较大的关系。另外,经过优化之后的Copula函数套利模型,极大的提高了各交易品种的套利收益,使其年化收益率最少提高了1.62%,最多提高了69.58%,随着交易日期的累加这种优化效果对年化收益率的提升效果将更加明显。
【关键词】：统计套利 协整 Copula函数 融资融券 股指期货
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-6
• Abstract6-11
• 1 绪论11-14
• 1.1 选题的背景和意义11-12
• 1.2 研究思路和框架12-13
• 1.3 本文的创新点13-14
• 2 文献综述14-22
• 2.1 国外研究现状14-18
• 2.2 国内研究现状18-20
• 2.3 文献述评20-22
• 3 统计套利及相关理论介绍22-39
• 3.1 融资融券交易22-24
• 3.2 统计套利24-26
• 3.2.1 统计套利的定义24-25
• 3.2.2 套利流程及收益计算25-26
• 3.3 相关交易模型及其理论基础26-29
• 3.3.1 最小距离法26
• 3.3.2 随机价差法26-27
• 3.3.3 协整套利模型27-29
• 3.4 基于O-U过程套利的最佳交易边界选择及求解29-31
• 3.4.1 O-U过程29-30
• 3.4.2 最佳交易信号30-31
• 3.5 基于COPULA相关理论的统计套利31-39
• 3.5.1 Copula函数的定义31-32
• 3.5.2 常见的Copula函数32-34
• 3.5.3 Copula函数的相关性测度34-35
• 3.5.4 Copula函数参数估计35-36
• 3.5.5 Copula函数的选择36-37
• 3.5.6 交易策略及指标的构建37-39
• 4 实证分析39-89
• 4.1 数据选取39-49
• 4.1.1 指数收益率40-46
• 4.1.2 描述性统计分析46
• 4.1.3 平稳性检验46-49
• 4.2 协整套利49-55
• 4.2.1 收益率的计算49-50
• 4.2.2 阈值的设定50
• 4.2.3 实证结果50-51
• 4.2.4 基于滚动期窗口下不同参数设定对套利结果的影响51-55
• 4.3 最佳边界条件下的收益率55-57
• 4.4 基于COPULA相关理论的统计套利分析57-68
• 4.4.1 Copula函数选择及参数估计57-60
• 4.4.2 基于Clayton-Copula函数的套利60-65
• 4.4.3 基于Gumbel-Copula函数的套利65-68
• 4.5 基于协整套利模型下不同交易对象套利结果对比68-74
• 4.5.1 交易对象选择68-70
• 4.5.2 描述性统计70
• 4.5.3 平稳性检验70-71
• 4.5.4 协整检验71
• 4.5.5 各交易对象的累积收益率71-74
• 4.6 基于COPULA函数套利模型下不同交易对象套利结果对比74-86
• 4.6.1 基于Copula函数套利模型下各交易品种套利结果74-76
• 4.6.2 基于Clayton-Copula函数套利模型下各交易品种套利收益情况76-78
• 4.6.3 基于Gumbel-Copula函数套利模型下各交易品种套利收益情况78-80
• 4.6.4 基于优化后的套利模型交易结果80-83
• 4.6.5 模型优化前后的收益情况对比83-86
• 4.7 本章小结86-89
• 总结与展望89-91
• 参考文献91-95
• 致谢95

【相似文献】

中国期刊全文数据库 前10条

1 孙志宾;;混合Copula模型在中国股市的应用[J];数学的实践与认识;2007年20期

2 李娟;戴洪德;刘全辉;;几种Copula函数在沪深股市相关性建模中的应用[J];数学的实践与认识;2007年24期

3 李军;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 许建国;杜子平;;非参数Bernstein Copula理论及其相关性研究[J];工业技术经济;2009年04期

5 王s，

本文编号：259306