金融量化分析基础（二）—— 套利

欢迎关注公众号K的笔记阅读博主更多优质学习内容

量化投资与策略思想

什么是量化投资

量化投资是借助金融学、数学、计算机等方法，将人的投资理念（投资习惯）程序化，从而完成机器自动数据处理、分析建模以及下单选股的操作，用数学模型选股能够避免人的主观因素的影响，避免在市场极度狂热或悲观的情况下使人做出非理性的投资决策。投资者自己往往有多套策略 ，但每次使用的都未必相同，比如有时用均线交叉，有时用布林带，有时用横盘突破，但无法准确预知风险和收益，较为主观，量化投资恰能避免这种人性的弱点，能较好地反应逻辑的有效性并进行实时回测。事实上量化投资在投资中已经占据了主导地位，在欧美国家有30%以上的投资都是量化投资。

量化投资的发展

• 第一阶段（1971-1977）：世界上第一支主动量化基金于1977年诞生，由巴克莱国际投资管理公司发行，规模30亿美元
• 第二阶段（1977-1995）：从1977-1995年，量化投资在海外经历了一个缓慢的发展过程
• 第三阶段（1995-）：量化投资迎来高速发展阶段，目前量化投资占全美投资的30%

量化投资在海外经历了30多年的发展历史，市场规模不断扩大，已受到大多数投资人的认可。

量化策略研究

盘面

• 观察时间与价格的关系
  • 第一分钟的涨跌往往能决定整天的走势
  • 半小时走出的高低点区间（开盘前半小时的最高点和最低点），划定上下界，突破上轨就做多，突破下轨就做空
• 特定行情的观察
  • 一开盘就大幅低开或者高开
  • 巨幅反转行情的特定处理
• 观察价格变动的效率
  • 可以用斜率来做策略
  • 可以用价格变动时间的效率来做策略
• 其他手法
  • 看量能
  • 看成交持仓比
  • 看盘面厚薄

策略研发流程

• 整理策略核心思想，并作出初始策略（开仓条件、平仓条件、止损条件需罗列出来）
• 研究信号与回测报告并作出改良：
  • 比如信号中某种类型的止损特别多，看看能不能通过改良规避这种类型的错误
  • 比如回测报告收益很低但效果还不错，可能是因为止损设置的偏小
• 观察后期信号，并做上线前准备：跟踪一段时间（一到两个月），看看是否存在样本外突变，或者存在重大风险

期货程序化交易特性与优势经验总结

• 赚波动率的钱，大盈小亏。且小亏的天数大于大赚的天数，靠盈亏比赚钱
  • 关于波动率
    • 理论上大家倾向于趋势与震荡对冲，实际上基金组合配比还是趋势为主，震荡的部分非常小（一般基金中只占10%），趋势策略相对稳定，震荡策略相对容易失效。也即震荡策略对收益影响并不大，但是部分对冲风险
    • 趋势策略赚波动率的钱，波动率和收益率正相关
      • 一般情况下，波动率越大，收益率越高，波动率越小，收益率越低
      • 特定情况下，波动很大但不具备趋势性，容易亏大钱。波动率低于一定阈值，反而不再交易，也就不再亏钱了
  • 关于盈亏天数占比
    • 胜率和盈亏比呈现负相关，胜率越高往往盈亏比越低；胜率越低往往盈亏比越高
    • 正常情况下，中短线策略胜率一般在40-50%，盈亏比2左右。长线策略胜率一般在30-40%，盈亏比3-6
• 每日盈亏与股市涨幅相关性低，与股市及商品波动率正相关
  • 每日盈亏与股市涨跌不相关
  • 股指期货策略每日盈亏与股市波动率高度相关：股市在大涨大跌时股指期货策略赚钱，股市的波动率比较小（横盘震荡）股指期货策略很难赚钱
  • 商品期货策略每日盈亏与商品期货波动率高度相关：单一品种大涨大跌这种品种的策略较容易赚钱，若横盘震荡则可能一直亏损
• 基于统计，不恐慌回撤，产品净值达到1.1以上，5%以上的回撤往往是加仓的好时机；取得较好收益反而谨慎，月收益大于15个点时往往时减仓的好时机
  • 如果仓位在20%到30%，净值达到1.1以上，又回撤5%，此时是一个加仓的耗时间
  • 市场行情不太好的情况下，仓位20%，实盘回撤可能会到10%；仓位30%，实盘回撤可能会到15%，风险比较大，所以建议的合理仓位是15%到40%
  • 历史上，30%仓位下，一个月赚15%的概率是非常小的，因此这个时候也是减仓的好时机
• 市场波动率正常的情况下，年化收益与最大回撤之间的比值为2.5：1到5：1之间
  • 市场整年处于超低波动率，年化收益率与回撤的比值可能小于1，比如2013年年中到2014年年中做股指，一年的收益率不到10个点，最大回撤却高达15%
  • 市场波动率正常时，年化收益与最大回撤之间的比值为2.5：1到5：1之间，也就是说实盘下来最大回撤在10%，收益率应该在25%-50%，10年，11年，14年，16年都是处于这个状态
  • 市场波动率超高的情况下，年化收益率与最大回撤之间的比值可能高达10：1，比如15年的股指
• 按商品期货保证金比例计算，最大仓位在30-40%，日开仓平均仓位在10%左右

下面主要介绍套利策略、CTA趋势策略和高频策略。

套利策略

套利策略主要分为有一定风险的套利和无风险套利（Risk-free Arbitrage）交易两种。

有一定风险的套利包括统计套利（Stat Arb），不同期权行权价间的套利，各类跨期、跨市场、跨品种套利等多种方式；无风险套利实盘情况相对较少，其中各类跨期、跨市和期权的无风险套利较多。

无风险套利策略

无风险套利，顾名思义，投资者可在交易中“万无一失”地获利，当同意标的资产对应的期权合约数以十记或数以百计时期权定价难度较高，容易出现价格错估。因此期权无风险套利地本质是期权价格地错估，无风险套利模型地构造均基于期权价格的性质，无风险套利跟期权定价的模型无关，只跟期权价格本身的性质有关。例如有一个大买家集中进行一个交易时就会明显将此价格推高，而其他价格可能不像这个价格一样推高地这么快，于是就形成了套利机会。

垂直套利（Vertical Spread Arbitrage）

所谓垂直套利，既是在发现价差不合理的偏离时，买卖相同类型不同行权价的期权，比如同时买卖看涨期权或者同时买卖看跌期权，从而达到无风险套利的结果，例如浅度虚值看涨期权与较深度虚值看涨期权构成的价差期权价格为0，或者某一蝶式价差期权价格为0甚至为负。

价格边际套利（Price Margin）

任意一个期权合约的某些行权价超出了理论价格范围

期现套利（Term Structure）

远月份期权合约某一行权价的期权价格小于等于近月份期权合约同一行权价的期权价格

盒式套利（Box）

价格高于或低于理论固定值：同时做四个期权，其中两个看涨期权两个看跌期权组合，两个看涨期权是一买一卖的关系，两个看跌期权也是一买一卖的关系，在做四个期权时，买一个低行权价的看涨期权，同时卖一个高行权价的看涨期权，买一个高行权价的看跌期权，再卖一个低行权价的看跌期权，这四个期权组合在一起是有一个固定价值的，这个固定价值约等于了两个行权价的价值：

$$c_1-c_2+p_2-p_1=K_2{e}^{-rT}-K_1{e}^{-rT}$$

当价值超过合理变化曲线很多时就是做盒式套利的机会。

场内场外套利（Exchange v.s. OTC）

场外期权指的是机构与机构之间签的私下的期权协议，规定相应的到期日和参数等，可能场外卖一个高价，场内以低价买回，或者相反都可以做场内场外套利，这种套利方式赚的钱是最多的。

无风险套利策略公式总结

• 认购期权的上界： $C<S$
• 认购期权的下界： $max(S-K{e}^{-rT},0)<C$
• 认沽期权的上界：$P<K$
• 认沽期权的下界：$max(K{e}^{-rT}-S,0)<P$
• 凸性套利
  • 认购期权凸性关系：$\frac{C_1-C_2}{K_2-K_1}>\frac{C_2-C_3}{K_3-K_2}$
  • 认沽期权凸性关系：$\frac{P_2-P_1}{K_2-K_1}<\frac{P_3-P_2}{K_3-K_2}$
  • 认购期权垂直价差上界：$C_1-C_2<(K_2-K_1)e^{-rT}$
  • 认购期权垂直价差下界：$0<C_1-C_2$
  • ]认沽期权垂直价差上界：$P_2-P_1<(K_2-K_1)e^{-rT}$
  • 认沽期权垂直价差下界：$0<P_2-P_1$
• 平价套利
  • 正向套利：$C-P>S-K{e}^{-rT}$
  • 反向套利：$C-P<S-K{e}^{-rT}$
  • 盒式套利：$C_1-P_1+K_1{e}^{-r(T-t)}\ne C_2-P_2+K_2{e}^{-r(T-t)}$

有风险套利

统计套利的定义

• 定量交易是通过统计技术来分析历史数据，从而来识别交易的机会。定量交易适用于宏观经济事件和证券价格数据等可量化的信息，当定量交易模型被算法交易者使用时，证券交易将严格基于计算机算法进行买卖决策。统计套利决策就是利用定量技术应用于算法交易的一个例子。
• 统计套利是一种基于模型的套利策略，通过从资产的历史交易数据寻找规律，发现两个或者两个以上的资产之间存在的套利机会，然后通过模型拟合资产价格的变化规律，设定交易阈值，通过计算机程序根据市场的实时信息自动发出交易信号而进行套利。
• 统计套利实际上是基于市场的非有效性，统计套利是指利用证券价格的历史统计规律 进行套利，是一种风险套利，这种风险在于历史统计规律在未来一段时间是否继续存在。例如与股指期货有关的期现套利和跨期套利，由于期货的价格在到期时间必须等于现货价格，价差必然为0，期现套利可看作是无风险套利，尽管不同月份的期货合约价格也存在着均衡关系，但是它们的价格在近月合约到期时并不一定。因此跨期套利实际上是一种风险套利或者统计套利
• 统计套利是具有零初始成本、自融资的交易策略。

统计套利的分类

• 股票配对交易
  • 声中性策略：利用股票的收益率序列建模，目标是在组合的声望值等于 0的前提下实现Alpha收益
  • 协整策略：利用股票的价格序列的协整关系建模
• 股指对冲交易：利用不同国家、地区 、行业 的指数相关性，同时买入卖出一对指数期货的交易方式、是一种低风险、高收益的收益方式
• 融资对冲交易：利用融券进行做空交易时，买入现货做多，从而规避系统性风险的一种交易方式，主要包括股票-融券对冲、可转债-融券对冲、股指期货-融券对冲和封闭式投资组合-融券对冲这几种方式
• 外汇对冲交易：在外汇市场上，同时做多做空两个货币对的交易方式，由于主要经济体之间的经济关联性很强，使得一些货币之间出现同涨同跌现象，给对冲交易提供了可能，其主要方式在保护要包括利差套利和货币对冲两种方式。

统计套利优缺点

优势

• 收益与市场相独立
• 收益的波动性相对较小
• 收益相对稳定

‘缺点

• 卖空以及交易 成本往往使统计套利的成本非常高，几乎所有的市场都对卖空有着严格的限制
• 价差有可能走向相反的方向，短期内有可能亏钱

统计套利相关理论

配对交易

配对交易的定义

StatArb是配对交易的一个演化版本，通过基于市场资本的相似度来对股票进行配对，当一只股票表现优于另一只股票时，表现较差的股票就会随着市场期望攀升它的价值，从而有出色的投资回报。这个过程是从市场变化/走势中进行对冲获利。由于有大量的股票参与到统计套利策略 中，所以投资组合的资金周转率非常高，而且传播的规模又比较小，所以这种策略通常是以自动化的方式实施的，而且高度重视降低交易成本。目前统计套利已经成为了对冲基金和投资银行的主要力量。

配对交易成功的前提

配对交易成功的基本前提是找到高度关联的股票，主要方式可以分为技术面和基本面两种，技术面主要分析公司历史股价，完全不考虑公司的运营，基本面主要分析公司的行业、产品性质、外来盈利状况等财务资料来分析公司的关联性。除此之外另一个影响配对交易策略收益高低的关键因素为进出场时机的判断标准——阈值。若阈值太宽会降低交易发生的机会，减少交易的次数。但若设定的太窄，则有可能因为过于频繁的交易成本使成本上升进而侵蚀利润，因此如何选定一个合适的阈值也是配对交易的重要课题。

均值回归

均值回归是指股票价格无论高于或低于价格中枢（或均值）都会以很高的概率向价值中枢回归的趋势。根据这个理论，股票价格总是围绕其平均值上下波动。一种上涨或下跌的趋势不管延续时间多长都不能永远持续下去，最终均值回归的规律一定会出现：涨的太多了就会向平均值移动下跌；跌的太多了就会向平均值移动上升。

实现统计套利

• 需要有非常好的处理时间序列的方法，从而来识别两只股票是否强相关
  • 利用相关系数进行配对交易
    • 计算两只股票的相关系数：$r(X,Y)=\frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}}=\frac{Cov(X,Y)}{Std(X)Std(Y)}$
    • 找到相关性高的股票对，研究他们的价差（注意价差序列是非平稳的，具有一定的变异性）
  • 利用协整关系进行配对交易
    • 在用相关系数进行配对交易的时候，我们通过两只相关性较高的股票之间的差价图看出他们的价差不一定是一个平稳序列（数据的期望不会随着时间改变，数据的方差与协方差不会随时间改变，并且固定一个时间往前和往后进行回归都是相同的）虽然一般不存在平稳的股票，但是几只股票的线性组合可能就是一个平稳序列，这是我们一般意义上 提到的协整关系，通过一些股票的组合来构造平稳的序列来进行套利。但是这个平稳性也是在一定时间段来说，我们只能根据以往的数据来判断在这段时间内是协整的，但是无法断言在之后交易的时段也是协整的。
• 找到价格的分离点，从而进入市场

期现套利策略

期现套利是指某种期货合约，当期货市场与现货市场在价格上出现差距，从而利用两个市场的价格差距，低买高卖获利。

理论上，期货价格是商品未来的价格，现货价格是商品目前的价格，按照经济学上的统一价格理论，两者间的差距即“基差”（现货价格-期货价格）应该等于该商品的持有成本。一旦基差与持有成本偏离较大，就出现了期现套利的机会。其中期货价格要高于现货价格，并且超过用于交割的各项成本，如运输成本、质检成本、仓储成本、开具发票所增加的成本等。

期现套利通常在股指期货和现货指数之间出现的价格失衡时产生。正常情况下，期现套利交易将确保股指期货的价格处于合理状态。期现套利主要包括正向买进期现套利和反向买进期现套利两种。