本文關(guān)鍵詞：基于狀態(tài)空間模型的高頻數(shù)據(jù)統(tǒng)計(jì)套利研究

  更多相關(guān)文章： 統(tǒng)計(jì)套利 時(shí)變參數(shù) 狀態(tài)空間模型 卡爾曼濾波 高頻數(shù)據(jù)

【摘要】：資本市場(chǎng)是一個(gè)充滿了各種風(fēng)險(xiǎn)的市場(chǎng),投資者把握不好,輕則虧損本金,重則損失慘重。雖然2010年滬深300股指期貨和融資融券的推出,使我國(guó)證券市場(chǎng)的單向交易模式轉(zhuǎn)變?yōu)榱穗p向交易模式,但是參與者的虧損比率仍然較高。人們一直在尋找一種跟市場(chǎng)趨勢(shì)無(wú)關(guān)并能穩(wěn)定獲利的投資策略。 量化投資中的統(tǒng)計(jì)套利正是這樣的不依賴市場(chǎng)趨勢(shì)的中性策略,它是將套利建立在歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的基礎(chǔ)之上,并結(jié)合基本面分析加以指導(dǎo)的套利交易,相比傳統(tǒng)的無(wú)風(fēng)險(xiǎn)套利,統(tǒng)計(jì)套利少量增加一些風(fēng)險(xiǎn),但可以獲得數(shù)倍于無(wú)風(fēng)險(xiǎn)套利收益的機(jī)會(huì)。 統(tǒng)計(jì)套利的策略十分豐富,最常用的協(xié)整策略在統(tǒng)計(jì)套利中,本來(lái)已具有一定的優(yōu)勢(shì),在實(shí)踐中也具有可操作性,但是人們并不滿足于此,一直在尋找更有效的方法,出現(xiàn)了小波分析,神經(jīng)網(wǎng)絡(luò)等方法建模,有的從殘差著手進(jìn)行創(chuàng)新改進(jìn),引用了GARCH模型,O-U模型等殘差處理方法,有的從最優(yōu)閥值入手,尋找能獲取更高收益的交易規(guī)則。本文則從協(xié)整模型中的系數(shù)著手進(jìn)行改進(jìn),引入時(shí)變參數(shù)的狀態(tài)空間模型,并運(yùn)用卡爾曼濾波算法估計(jì)狀態(tài)向量,將傳統(tǒng)協(xié)整模型中的固定不變的系數(shù)改進(jìn)為可以隨時(shí)間變化的系數(shù),減少殘差的波動(dòng)性,使價(jià)格序列之間具有更好的擬合性,尋找更有效的套利機(jī)會(huì)。 本文選取了30分鐘、15分鐘、5分鐘三種日內(nèi)高頻數(shù)據(jù)來(lái)建立狀態(tài)空間模型,采用最常用的閥值規(guī)則,進(jìn)行套利分析,發(fā)現(xiàn)在實(shí)際市場(chǎng)中確實(shí)存在大量的口內(nèi)套利機(jī)會(huì),彌補(bǔ)了單獨(dú)采用日收盤(pán)價(jià)格數(shù)據(jù)的不足。根據(jù)樣本內(nèi)統(tǒng)計(jì)套利結(jié)果,三十分鐘數(shù)據(jù)價(jià)格序列套利12次,十五分鐘數(shù)據(jù)套利15次,五分鐘數(shù)據(jù)套利30次。三十分鐘數(shù)據(jù)價(jià)格序列套利累積收益率達(dá)6.7904%,而十五分鐘數(shù)據(jù)價(jià)格序列的累積收益率是2.3403%,五分鐘數(shù)據(jù)價(jià)格序列的累計(jì)收益率則只有0.7459%。而樣本外各頻率數(shù)據(jù)套利次數(shù)一樣,都是平倉(cāng)四次,沒(méi)有出現(xiàn)極端止損的情況,累積收益率都在5.5%以上。據(jù)此得出一個(gè)結(jié)論：數(shù)據(jù)的頻率越高,套利的次數(shù)越多,但是由于極端止損情況和交易成本的存在,套利的累積收益率反而越低。這啟示著我們,在實(shí)際操作中,不宜選取頻率過(guò)高的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)套利,如5分鐘和1分鐘數(shù)據(jù)。根據(jù)本文的實(shí)證結(jié)果,利用30分鐘高頻數(shù)據(jù),就能獲得比較穩(wěn)定的高收益率。 本文通過(guò)實(shí)證分析,證實(shí)了結(jié)合高頻數(shù)據(jù)的狀態(tài)空間模型能進(jìn)行有效的統(tǒng)計(jì)套利,該策略模型可以用來(lái)指導(dǎo)投資者規(guī)避市場(chǎng)風(fēng)險(xiǎn),及獲取穩(wěn)定的收益。根據(jù)本文的研究過(guò)程和結(jié)果,對(duì)實(shí)踐中的統(tǒng)計(jì)套利提出以下建議：選取的資產(chǎn)價(jià)格序列之間具有高度的相關(guān)性且交易比較活躍：選取的資產(chǎn)價(jià)格不能出現(xiàn)太多的突發(fā)極端情況；統(tǒng)計(jì)套利時(shí),最好采用高頻數(shù)據(jù)而非日數(shù)據(jù),如30分鐘數(shù)據(jù)套利效果較好；除了協(xié)整模型,狀態(tài)空間模型也是統(tǒng)計(jì)套利的一種有效方法。
【關(guān)鍵詞】：統(tǒng)計(jì)套利 時(shí)變參數(shù) 狀態(tài)空間模型 卡爾曼濾波 高頻數(shù)據(jù)
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F224;F832.51
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 選題背景及研究意義9-10
• 1.2 國(guó)內(nèi)外研究動(dòng)態(tài)與分析10-13
• 1.2.1 國(guó)外研究現(xiàn)狀10-11
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀11-13
• 1.2.3 對(duì)研究現(xiàn)狀的評(píng)述13
• 1.3 本文的研究框架13-15
• 第二章 統(tǒng)計(jì)套利的相關(guān)理論15-22
• 2.1 套利和無(wú)風(fēng)險(xiǎn)套利15
• 2.2 統(tǒng)計(jì)套利的基本原理15-16
• 2.3 統(tǒng)計(jì)套利的基本類型16-17
• 2.4 統(tǒng)計(jì)套利的常用策略17-18
• 2.5 計(jì)量金融理論18-22
• 2.5.1 平穩(wěn)性18-19
• 2.5.2 單位根過(guò)程19
• 2.5.3 單位根檢驗(yàn)19-20
• 2.5.4 協(xié)整理論20-22
• 第三章 時(shí)變參數(shù)狀態(tài)空間模型及參數(shù)估計(jì)方法22-29
• 3.1 狀態(tài)空間模型介紹22
• 3.2 時(shí)變參數(shù)狀態(tài)空間模型的定義22-23
• 3.3 卡爾曼濾波算法23-29
• 3.3.1 卡爾曼濾波的一般形式24-26
• 3.3.2 卡爾曼濾波的解釋和性質(zhì)26-27
• 3.3.3 修正的卡爾曼濾波27
• 3.3.4 非時(shí)變模型及卡爾曼濾波的收斂性27-28
• 3.3.5 卡爾曼濾波的初始條件28-29
• 第四章 統(tǒng)計(jì)套利實(shí)證分析29-50
• 4.1 高頻數(shù)據(jù)的選取與分析29-31
• 4.2 單位根檢驗(yàn)31-32
• 4.3 協(xié)整關(guān)系檢驗(yàn)32-33
• 4.4 建立狀態(tài)空間模型33-35
• 4.5 價(jià)差和殘差35-36
• 4.6 閥值和交易規(guī)則36-37
• 4.6.1 樣本內(nèi)交易閥值和交易規(guī)則設(shè)計(jì)36
• 4.6.2 樣本外閥值和交易規(guī)則36-37
• 4.7 套利結(jié)果分析37-46
• 4.7.1 樣本內(nèi)套利結(jié)果37-44
• 4.7.2 樣本外套利結(jié)果44-46
• 4.8 結(jié)果比較46-47
• 4.8.1 樣本內(nèi)結(jié)果比較46-47
• 4.8.2 樣本外結(jié)果比較47
• 4.9 績(jī)效分析47-49
• 4.9.1 樣本內(nèi)績(jī)效分析48
• 4.9.2 樣本外績(jī)效分析48-49
• 4.10 本章小結(jié)49-50
• 第五章 總結(jié)及展望50-52
• 5.1 研究總結(jié)50-51
• 5.2 本文的創(chuàng)新之處51
• 5.3 本文的不足及展望51-52
• 參考文獻(xiàn)52-55
• 致謝55-56

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 溫予群;劉洪光;;基于滬深300的統(tǒng)計(jì)套利的實(shí)證研究[J];金融經(jīng)濟(jì);2011年12期

2 陳怡;;統(tǒng)計(jì)套利策略在我國(guó)分級(jí)基金市場(chǎng)的嘗試[J];科學(xué)技術(shù)與工程;2012年03期

3 韓廣哲;陳守東;;統(tǒng)計(jì)套利模型研究——基于上證50指數(shù)成份股的檢驗(yàn)[J];數(shù)理統(tǒng)計(jì)與管理;2007年05期

，

本文編號(hào)：619106