第13讲统计套利策略的挖掘与优化.pptxVIP

第13章 统计套利策略的挖掘与优化主讲： 卓金武MathWorks中国mailto70263215@1234内容提要 统计套利策略概述 基本策略的挖掘 高频交易策略及优化 多交易信号策略的组合及优化Page ? 统计套利的定义 统计套利是将套利建立在对历史数据进行统计分析的基础之上，估计相关变量的概率分布，并结合基本面数据进行分析以用于指导套利交易。 相比于无风险套利，统计套利少量增加了一些风险，但是由此可获得的套利机会将数倍于无风险套利。Page ? 统计套利策略的基本思想 统计套利策略的基本思路是运用统计分析工具对一组相关联的价格之间的关系的历史数据进行研究分析，研究该关系在历史上的稳定性，并估计其概率分布，确定该分布中的极端区域，即否定域，当真实市场上的价格关系进入否定域时，则认为该种价格关系不可长久维持，套利者有较高成功概率进场套利。 统计套利是只针对有稳定性的价格关系进行的，那些没有稳定性的价格关系的套利风险则很大。价格关系是否稳定直接决定着统计套利能否成立，因此在对价格关系的历史数据进行统计分析时，首先要检验价格关系在历史数据中是否稳定。一组价格关系如果是稳定的，那么必定存在着某一种均衡关系维持机制，一旦价格关系偏离均衡水平，维持机制就会起作用，将价格关系或快或慢地拉回到均衡水平。所以，要分析一组价格关系是否稳定，需要先定性分析是否存在着这样的均衡关系维持机制，然后再对历史数据进行统计分析、验证，以证实通过定性分析得到的该关系维持机制在历史上确实是在发挥作用。Page ? 统计套利策略挖掘的方法（1）图表分析法 在进行套利交易前，首先应对目前的套利关系用图表加以分析。套利将图表作为分析、预测行情的工具，它并不注重绝对的价格水平，而是在图表中标出价差的数值，以历史价差作为进行套利分析的依据。（2）季节性分析法 套利常常会显示出季节性的关系，即在一个特定的时间显示出价格变动幅度的宽窄差异，实践证明其符合性的程度相当高，此种套利即为季节性套利，并且在期货交易中提供了最佳获利机会。（3）相同期间供求分析法 在收集以往套利资料时，不要将不同期间的资料拿来做比较。在期间相似的情形下，通常相同的供求力量会引起类似的套利。因此，在价格剧烈上涨期间，参考同期的利多市场可得到相似的价格行为。Page ? 1234内容提要 统计套利策略概述 基本策略的挖掘 高频交易策略及优化 多交易信号策略的组合及优化Page ? 准备数据 交易策略通常也是对数据进行分析、挖掘之后而产生的，所以第一步工作还是准备数据。 这里以一个对CSI300进行挖掘而产生一个交易策略的实例来说明如何从数据中挖掘交易策略。准备数据的代码：clc, clear all, close allload CSI300.matCSI300_1Mn = raw_CSI300_1Mn(:, 4);CSI300_1Mn = CSI300_1Mn(1:end);CSI300_EOD = raw_CSI300_EOD(:, 4);testPts = floor(0.8*length(CSI300_EOD));CSIClose = CSI300_EOD(1:testPts);CSICloseV = CSI300_EOD(testPts+1:end);Page ? 探索交易策略 上图为CSI300的收盘价的20日及30日移动均线。观察上图就会很容易发现，当20日线上穿30日线后，收盘价呈上涨趋势；反之，则呈回落趋势，因此，可以得到这样的一个初步的交易策略：当短期(Lead)移动均线上穿长期(Lag)移动均线时，买入；反之，卖出。Page ? 验证交易策略 验证的方法就是利用历史数据对这个策略进行回测，模拟这个交易策略的交易过程，然后计算整个过程中的资金变动情况，从而评估出该策略是盈利还是亏损。 左图为模拟的收益变化曲线。从图中可以看出，该策略在250天的回测期内，其最终的收益率为12.5%，从而说明，该策略具有很好的盈利潜力。Page ? 选择最佳的参数 左图给出了夏普率和参数Lead和Lag的空间分布图，不同的参数组合对夏普率有显著影响，且空间很不规则，此时用参数扫描方法对参数进行优化比较合适。优化得到的结果为：Lead = 18，Lag= 24，此时的累计收益最大。 中图为该组参数对应的投资收益图，可以看出此时的累计收益达到23.4%，明显较之前的参数收益高。可见，通过参数优化方法，的确可以提高收益率。 右图用新数据对策略进行验证，本节程序最后一条命令即是利用新数据对策略进行验证得到的结果。从图中可以看出，在80天的验证日期里，最后的收益率是5.47%, 应该说该策略对新数据的适应能力较强，具有持续的盈利潜力。Page ? 参数扫描法 参数扫描函数parameter