作者Glamsight (安稳残忆)
看板Quant
标题[闲聊] 统计套利的配对交易策略:回顾与展望 I
时间Sat Jan 22 16:02:52 2022
原文资讯
文章标题:Statistical Arbitrage Pairs Trading Strategies: Review and Outlook
出版位置:Journal of Economic Surveys (2017) Vol. 31, No. 2, pp. 513--545
原文作者:Christopher Krauss
doi: 10.1111/joes.12153
好读连结:
https://www.klwang.tw/wordpress/archives/2931
摘要
本文回顾了越来越多文献的配对交易框架;即,涉及两档或多档证券的相对价值套利策
略 (relative-value arbitrage strategies)。我们将其分为五种类型:使用无参数距离
度量 (distance metric) 来识别配对交易机会的距离法 (distance approach);藉由学
术上正式的共整合检定以求出定态 (stationary) 价差 (spread) 时间序列的共整合法
(co-integration approach);着重於寻找均值回归 (mean-reverting) 价差最佳交易规
则的时间序列法 (time-series approach);配适出投资组合里既有配对交易组合最佳持
有数的随机控制法 (stochastic control approach);包含一有限受文献支持的其他更多
方法。以市场摩擦评价各配对交易法的获利能力,并根据超过一百篇的文献进行深入的比
较,以得出各方法关於未来研究与实作的优劣势。
第一节、介绍
根据 Gatev et al. (2006),配对交易 (pairs trading) 策略的核心思想十分简单;找
出於形成期 (formation period) 价格共同变动的两个证券,并观察价格间的价差
(spread) 以适时的进行交易;当价差扩大时,投资人放空上涨的证券,并买进下跌的另
一证券。当该两个证券具有均衡关系时,价差将会回归於历史平均;而投资人在此时平仓
,以完成策略取得获利。这个单变量配对交易 (univariate pairs trading) 概念可以进
行延伸:在准多变量框架 (quasi-multivariate framework) 下,交易一个证券,并伴随
着交易多个与其价格共同变动的证券;在多变量框架 (multivariate framework) 下,一
篮子的股票将由与另一篮子的股票对应。这类策略被以准多变量配对交易
(quasi-multivariate pairs trading),泛配对交易 (generalized pairs trading) 或
统计套利 (statistical arbitrage) 称呼之。我们将这些策略以「配对交易」这一称呼
来进行後续的讨论;上述源於这一古早的策略 (Vidyamurthy, 2004; Avellaneda and
Lee, 2010)。
Gate et al. (2006) 为该领域引用次数最多的论文,以下简称为 GGR。它严谨地控制大
量美国股票资料探勘的偏差,并对一种简单而引人入胜的策略进行测试;该策略除有着相
对低的系统性风险,还有着高达 11% 的年化超额报酬率。更重要的是,这个超额报酬无
法被 Jegadeesh (1990) 与 Lehmann (1990) 的逆势利润 (reversal profit) 与
Jegadeesh and Titman (1993) 的动量利润 (momentum profit) 所解释,从而导致 GGR
的配对交易成为少数几个经得起时间考验的资本市场 (capital market) 现象;後世中,
最着名的独立检验为 Do and Faff (2010, 2012)。
尽管有上述这些发现,但配对交易的学术研究相对逆势策略与动量策略而言,仍然是很少
的。在近期,人们对配对交易的研究兴趣激增,并让下五种技术类型获得发展:
o.
距离法 (distance approach):利用距离度量 (distance metric) 来识别於形成期价
格共同变动的证券,藉由设立简单的无参数阈值规则於交易期 (trading period) 触发
交易讯号。该方法简单易懂,便於进行大规模的实证;并以此得出,配对交易於不同的
市场、资产类型与时间区段都是可以获利的。
o.
共整合法 (co-integration approach):利用共整合检定来识别於形成期价格共同变动
的证券,大多文献使用简单算法於交易期产生交易讯号,其中又以基於 GGR 的阈值规
则为主。至於该方法的最大优势,莫过於被识别出的配对具有经济学上可靠的均衡关系
。
o.
时间序列法 (time-series approach):所有文献都假设有已确认价格共同变动的证券
组,一般并不讨论於形成期去探索证券;与此相对的,该方法着重在交易期使用各种时
间序列分析方法以生成优化後的交易讯号。
o.
随机控制法 (stochastic control approach):与时间序列法一样忽略了形成期,不同
点在於它以计算投资组合的价值与最优绩效 (policy) 来配适持仓投资组合中的配对交
易对。
o.
其他方法:此类包含多种配对交易框架,其中只有一些有条件的与前面提到的方法有关
,且受到文献的支持;这个类别包含了机器学习与组合预测法 (machine learning and
combined forecasts approach)、耦合法 (copula approach) 与主成份分析法
(pricipal components analysis approach)。
表 1 概述了关於每一种方法中的代表文献,包含了数据样本与年化报酬率,附录中的表
A.1 至 A.5 则给出了更详细的资讯。
方法 代表研究 数据样本 Return p.a.
距离 Gatev et al. (2006) U.S. CRSP 1962–2002 0.11
Do and Faff (2010) U.S. CRSP 1962–2009 0.07
共整合 Vidyamurthy (2004) — —
Rad et al. (2015) U.S. CRSP 1962–2014 0.10
时间序列 Elliott et al. (2005) — —
Cummins and Bucca (2012) Energy futures 2003-2010 >= 0.18
随机控制 Jurek and Yang (2007) Selected stocks 1962–2004 0.28–0.43
Liu and Timmermann (2013) Selected stocks 2006–2012 0.06–0.23
其他:
机器学习 Huck (2009) U.S. S&P 100 1992–2006 0.13–0.57
与组合预测 Huck (2010) U.S. S&P 100 1993–2006 0.16–0.38
其他:耦合 Krauss and Stübinger (2015) U.S. S&P 100 1990–2014 0.07–0.08
Rad et al. (2015) U.S. CRSP 1962–2014 0.05
其他: Avellaneda and Lee (2010) U.S. subset 1997–2007 —
主成份分析
表 1、概述配对交易方法
考虑到这些类别的多样性,本文的主要贡献为下三方面:全面回顾上五种配对交易法的文
献;详细讨论每一种方法中文献的最关键贡献;在考量市场摩擦下评估配对交易的获利能
力。本文将从超过一百篇文献的深入探讨中,得出有关於未来研究及实作的优劣势;在这
一点上,本文的内容可说是与研究人员及从业人员息息相关。文章的内容架构如下:第二
节说明距离法及期的各种实证应用;第三节回顾共整合法的单变量与多变量框架;第四节
介绍时间序列法及讨论其在不同模型下的交易阈值最佳配适;第五节回顾随机控制法及该
如何最佳化持有投资组合;第六节说明其他方法;第七节讨论配对交易与市场摩擦间的关
系;第八节总结与整理关於未来研究的展望。
参考文献
Avellaneda, M. and Lee, J.-H. (2010) Statistical arbitrage in the US equities
market. Quantitative Finance 10(7): 761–782.
Cummins, M. and Bucca, A. (2012) Quantitative spread trading on curde oil and
refine products markets. Quantitiative Finance 12(12): 1857–1875.
Do, B. and Faff, R. (2010) Does simple pairs trading still work? Financial
Economics 66(2–3): 271–306.
Do, B. and Faff, R. (2012) Are pairs trading profits robust to trading costs?
Journal of Financial Research 35(2): 261–287.
Elliott, R.J., Van Der Hoek, J. and Malcolm, W.P. (2005) Pairs trading.
Quantitative Finance 5(3): 271–276.
Gatev, E., Goetzmann, W.N. and Rouwenhorst, K.G. (1999) Pairs trading:
performance of a relative value arbitrage rule. Working paper, Yale
School of Management’s International Center for Finance.
Gative, E., Goetzmann, W.N. and Rouwenhorst, K.G. (2006) Pairs trading:
performance of a relative-value arbitrage rule. Review of Financial
Studies 19(3): 797–827.
Huck, N. (2009) Pairs selection and outranking: an application to the S&P 100
index. European Journal of Operational Research 196(2): 819–825.
Huck, N. (2010) Pairs trading and outranking: the multi-step-ahead
forecasting case. European Journal of Operation al Research 207(3):
1702–1716.
Jegadeesh, N. (1990) Evidence of predictable behavior of security returns.
The Journal of Finance 45(3): 881-889.
Jegadeesh, N. and Titman, S. (1993) Returns to buying winners and selling
losers: implications for stock market efficiency. The Journal of
Finance 48(1): 65–91.
Jurek, J.W. and Yang, H. (2007) Dynamic portfolio selection in arbitrage.
Working paper, Harvard University.
Krauss, C. and Stübinger. J. (2015) Nonlinear dependence modeling with
bivariate copulas: statistical arbitrage pairs trading on the S&P 100.
IWQW Discussion Paper Series, University of Erlangen-Nürnberg,
Nürnberg.
Lehmann, B.N. (1990) Fads, martingales, and market efficiency. The Quarterly
Journal of Economics 105(1): 1–28.
Liu, J. and Timmermann, A. (2013) Optimal convergence trade strategies.
Review of Financial Studies 26(4): 1048–1086.
Rad, H., Low, R.K.Y. and Faff, R.W. (2015) The profitablity of pairs trading
strategies: distance, cointegration, and copula methods. Working
paper, University of Queenslad.
Vidyamurthy, G. (2004) Pairs Trading: Quantitative Methods and Analysis.
Hoboken, NJ: Johnm Wiley & Sons.
备注
1. GGR 的两篇论文出版於不同时期;即,Gatev et al. (1999) 与 Gatev et al. (
2006)。
2. 截至 2016 年 3 月 1 日 Google Scholar 的纪录,Jegadeesh (1990) 的关键逆势论
文被引用 1,855 次,Jegadeesh and Titman (1993) 的关键动量论文被引用 7,780
次,而 Gatev et al. (2006) 则为被引用 428 次。
3. 在一些状况下,报酬率是每年为单位计算的。当对一个策略的多种变形进行测试时,我
们会选择一个报酬的代表或参考范围。还请读者留意,由於不同论文对於报酬的计算方
式存在差异,本文所提供的报酬度量值间并不一定具有可比性;此外,如无额外注明,
包含所有後续表格及内容,本文中的样本均指源至指股票市场的数据。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.90.228 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Quant/M.1642838576.A.824.html
※ 编辑: Glamsight (140.112.90.228 台湾), 01/25/2022 15:25:29
1F:推 amiabest: 感谢 01/29 07:53
:-)
空荡荡 Q.Q
※ 编辑: Glamsight (140.112.90.228 台湾), 02/09/2022 16:21:35
2F:推 NCTUFatGuy: 我看你毛遂自荐当版主吧 04/25 11:35
也是可,我问问 @.@
※ 编辑: Glamsight (140.112.90.228 台湾), 04/26/2022 19:08:12
经 ninmit 建议,已向 law-service 询问申请事宜。
※ 编辑: Glamsight (140.112.90.228 台湾), 04/26/2022 21:14:57
经询问後得到的建议,已洽询本版时任版主,该职位是否仍有空缺。
※ 编辑: Glamsight (140.112.90.228 台湾), 04/27/2022 03:04:08
更新连结
※ 编辑: Glamsight (1.164.137.250 台湾), 11/18/2023 17:08:58