什么是统计套利？

　　可以用来赚大钱。统计套利是量化对冲基金最常用的策略。

　　什么是统计套利呢？

【实战课】如何让AI成为你的工作助理

¥0

去领取​

　　狭义地讲，统计套利即通过均值回归的投资组合盈利。

　　一般来说，一支股票的价格是不会均值回归的，也就是说股票价格暴涨，不代表未来会下跌，因为股票价格的变动被认为是市场对股票的基本面看法的调整。

　　可是，某些股票的组合就会满足均值回归。最经典的pair-trading组合——百事可乐和可口可乐，曾经就满足这样的性质。如果我买一股百事可乐，卖空一定数量的可口可乐股票，这个组合可能就会满足均值回归。

　　为什么呢？因为两个公司的产品、规模、运营模式都非常相似，所以当一个其中一个公司的股票增值远远大于另外一个的时候，很可能是市场价格出现了偏离，增值过高的股票在未来很可能相对另一支股票下跌。

　　广义地讲，统计套利包括所有市场中性策略。

　　这套方法起点在于寻找系统风险，也就是“因子”。找出影响市场上的股票波动的核心因素，也就是因子。再通过多空结合的操作，讲股票组合中的因子成分去掉，剩余的股票组合如果仍旧能盈利，那么它理论上就不会随市场波动，而能获得稳定的超额收益了。

　　对于这个问题，天阅商业评论Lee认为：

　　作为一种交易策略，统计套利是证券交易经常使用的定量计算方法。它涉及到数据挖掘和统计的方法，以及自动交易系统的使用。

　　从历史上看，统计套利是从更简单的配对交易策略演变而来的，其中股票通过其基本面或者市场风格的相似性而被配对。当一份配对中的一只股票表现优于另一只股票时，表现较差的表现股票就会被持续买入，并预期它将相比于另一只股票在未来表现优异。而这另一只股票将被卖空。在数学上讲，策略是找到一对具有高协整性的股票（只有高度相关性是不够的）。两只股票的时间序列必须是非平稳的（卡尔曼滤波器可以用于测试该时间序列）。这样可以对冲整个市场走势的风险。各种统计工具，包括从简单的到复杂的（如协整等）都逐渐用于配对交易。

　　统计套利考虑的不只是两只股票的配对，而是对一百多个或更多股票的投资组合进行统计上的套利-买入其中一部分股票，买出其中另一部分股票；统计套利通过各种条件的匹配来消除对于beta和其他风险因素的风险敞口。投资组合的构建是自动化的，由两个阶段组成。在第一阶段或“评分”阶段，市场上的每只股票都被分配一个数字分数或等级来反映其可取性：高分表明应该对该股票做多，低分表明股票是空头头寸的候选人。评分公式的细节各不相同，都是高度专有的，但通常（如成对交易），它们涉及短期均值回归原则：例如，在过去一周异常出色的股票往往会收到低分，而那些表现不佳的股票往往得到得到高分。在第二阶段或“减少风险”阶段，股票以精确匹配的比例组合成投资组合，以消除或至少大大降低市场和各种因素的风险。这一阶段通常使用商业可用的风险模型，如MSCI、Barra、APT、Northfield、Risk、Infotech、Axioma等来约束或消除对于各种风险因素的暴露。

　　简单来说，就是对过去数据的采集、归纳，总结出走势及趋势特征。再根据以往的原始高低点，概率建模，以测算出未来的大概结果。尽量从不确定中寻找出规律性的东西。再根据风险盈利比率，计算出进出场点位。因为是计算机执行命令，所以就去除了人性中感性的弱点，保证了严格的执行力。

　　任何的交易系统，都不能保证盈利。即使是统计套利。但是在套利交易建模之后，在不断优化与升级中。系统也会将盈利概率加强，从而减少亏损的比率。

　　最后说一句，无论人工的，还是智能的。归根结底都是人建立的。所以说统计套利也好，或者其它套利也好。都带有鲜明的个人性格色彩，这样它的盈利或者亏损是谁也不敢保证的。

　　如果对您有用，感谢点赞，感谢关注。