R语言构建配对交易量化模型

用IT技术玩金融系列文章，将介绍如何使用IT技术，处理金融大数据。在互联网混迹多年，已经熟练掌握一些IT技术。单纯地在互联网做开发，总觉得使劲的方式不对。要想靠技术养活自己，就要把技术变现。通过“跨界”可以寻找新的机会，创造技术的壁垒。

金融是离钱最近的市场，也是变现的好渠道！今天就开始踏上“用IT技术玩金融”之旅！

关于作者：

• 张丹(Conan), 程序员Java,R,Javascript
• weibo：@Conan_Z
• blog: http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/finance-pairs-trading/

前言

散户每天都在经历中国股市的上蹿下跳，赚到钱是运气，赔钱是常态。那么是否有方法可以让赚钱变成常态呢？

我们可以通过“统计套利”的方法，发现市场的无效性。配对交易，就统计套利策略的一种，通过对冲掉绝大部分的市场风险，抓住套利机会，积累小盈利汇聚大收益。

目录

1. 什么是配对交易？
2. 配对交易的模型
3. 用R语言实现配对交易

1. 什么是配对交易？

配对交易（Pairs Trading）的理念最早来源于上世纪20年代华尔街传奇交易员Jesse Livermore 的姐妹股票对交易策略。配对交易的基本原理是找到两个相关性较高具备均衡关系的股票或其他金融产品，做空近期相对强势的金融产品，同时做多相对弱势金融产品，等待两者价格重返均衡值时进行平仓，赚取两者的价差变动的收益。

假设两个金融产品在未来的时期会保持良好的均衡关系，一旦两者之间的价格走势出现背离，同时这种背离在未来会被进行修复，那么就可能产生套利的机会。对于配对交易来说，就是找到这样的机会，进行统计套利。

配对交易的特点

配对交易与传统股票交易最大的不同之处在于，它的投资标的是两只股票的价差，是一种相对价值而非绝对价值。由于它在股票多头和空头方同时建仓，对冲掉了绝大部分的市场风险，所以它是一种市场的中性策略。无论大盘上涨还是下跌，配对交易策略收益都是相对平稳的，与大盘走势的相关性很低。

在市场无趋势性机会时，可以通过配对交易避免股市系统风险，获取Alpha绝对收益。趋势性的交易策略，可以参考文章 两条均线打天下。

配对交易操作方法

1. 组合筛选：在市场上寻找用于配对的金融产品或者组合，检查历史价格的走势，判断是否可以用来进行配对。主要用下面几个指标来筛选配对组合：相关系数、模型计算的均值回复速度、协整检验、基本面因素等。通过这些因素来寻找出具有稳定相关关系的组合。
2. 风险衡量和动态组合的构建：计算配对组合各自的预期收益、预期风险、交易成本；判断两个组合之间的价差服从何种分布；判断是具有长期均衡特性还是短期均衡特性；价差发生跳跃的频率等。
3. 确定交易规则：根据价差的特性，确定交易的频率（高频交易还是低频交易），交易的触发条件和平仓规则等。
4. 执行交易及风险控制：除了按照交易规则执行外，还必须动态跟踪价差走势，如果发现突变，应该及时调整套利模式和交易频率。

配对交易缺点

• 统计套利的规则都是基于历史数据计算的，但历史不能代表未来，当市场发生变化模型也会失效
• 市场对价格进行修复的时间难以准确判断，只能根据历史大致估计。如果回归的时间过长，对套利者的资金使用成本是个考验，也有可能导致套利失败。

2. 构建配对交易的模型

根据配对交易的原理，我们就可以自己设计配对交易的模型了。首先，需要把配对交易涉及的指标都进行量化，比如如何选择不同的两个具备均衡关系金融产品，什么时候做多，什么时候做空，什么时候平仓等。

根据概念，我们生成两个虚拟的金融产品X,Y，包括时间和价格字段。让X和Y的两个产品都价格符合正态分布，生成100个日期的数据。由于是测试程序，日期字段是包括了自然日，暂时理解为连续的日期。

R语言实现的代码如下：

> set.seed(1)                         #设置随机种子
> dates x y df df
         dates      x      y
1   2010-01-02  24.94  25.19
2   2010-01-03  57.35  51.68
3   2010-01-04  16.57  13.56
4   2010-01-05 113.81  56.32
5   2010-01-06  63.18  23.82
6   2010-01-07  17.18 120.69
7   2010-01-08  69.50  78.67
8   2010-01-09  79.53  86.41
9   2010-01-10  73.03  65.37
10  2010-01-11  37.78 117.29
11  2010-01-12 110.47  24.57
12  2010-01-13  65.59  31.53
13  2010-01-14  25.15 107.29
14  2010-01-15 -38.59  23.97
15  2010-01-16  95.00  41.70
16  2010-01-17  48.20  34.29
17  2010-01-18  49.35  37.20
18  2010-01-19  87.75  38.84
19  2010-01-20  82.85  69.77
20  2010-01-21  73.76  42.91
21  2010-01-22  86.76  29.76
22  2010-01-23  81.29 103.72
23  2010-01-24  52.98  41.42
24  2010-01-25 -29.57  42.82
25  2010-01-26  74.79  45.99
26  2010-01-27  47.75  78.51
27  2010-01-28  43.77  47.06
28  2010-01-29  -8.83  48.49
29  2010-01-30  30.87  22.73
30  2010-01-31  66.72  37.03
31  2010-02-01 104.35  52.41
32  2010-02-02  45.89  26.44
33  2010-02-03  65.51  71.26
34  2010-02-04  47.85 -10.74
35  2010-02-05  -5.08  62.26
36  2010-02-06  33.40 -11.46
37  2010-02-07  34.23  37.96
38  2010-02-08  47.63  28.87
39  2010-02-09  94.00  23.92
40  2010-02-10  80.53  47.72
41  2010-02-11  43.42 -26.57
42  2010-02-12  39.87  97.06
43  2010-02-13  77.88 -16.60
44  2010-02-14  72.27  31.46
45  2010-02-15  22.45   5.36
46  2010-02-16  21.70  19.97
47  2010-02-17  64.58 133.49
48  2010-02-18  80.74  50.70
49  2010-02-19  45.51  -1.45
50  2010-02-20  85.24 -15.62
51  2010-02-21  65.92  68.01
52  2010-02-22  25.52  49.26
53  2010-02-23  63.64  37.28
54  2010-02-24   4.83  12.83
55  2010-02-25 107.32  -9.50
56  2010-02-26 129.22   6.99
57  2010-02-27  35.31  90.00
58  2010-02-28   8.23  25.15
59  2010-03-01  72.79  -5.38
60  2010-03-02  44.60 124.77
61  2010-03-03 146.06  67.00
62  2010-03-04  48.43