统计套利有什么策略?

期货套利有着多种模式，其中最重要的是统计套利策略。统计套利的概念最早由Morganstanley的Tartaglia团队在上世纪80年代提出，该团队开拓并发展了基于统计理论的量化交易策略，并开展了统计套利的实际操作。统计套利策略主要是利用金融资产的时间序列数据，利用计量模型来发现资产价格的错误定价，并基于协整模型的均值回复判定，研究并设计出在现行交易规则下可行的交易方案。

在国外，对于统计套利策略的研究以及在实务中的运用一直是学术界的热点问题。MacKinlay在1988年对标准普尔指数期现价差间的错误定价进行套利研究，他发现期货市场和现货市场间的错误定价随着到期日临近而减小，且两者之间具有路径依赖性的特征。Burgess在1999年针对英国富时指数成份股使用逐步回归法，去除个股价格走势中的随机影响因子，在协整模型的基础之上，应用了神经网络技术来研究富时指数成份股之间的价格关系，并就其中的套利机会进行了研究，他指出统计套利策略的核心在于协整模型和误差修正理论。Hoga。在2004年对纽交所、美国证券交易所及纳斯达克上市公司的股价月度数据进行研究，分别论证了动量交易策略和价值投资策略在市场上具有统计套利的机会，并就交易成本、保证及比例等因素对套利利润的影响进行了分析。

Alexande:和Dimitriu在2005年论证了协整方法在统计套利策略交易中的优势，并对传统的协整套利模型提出了两种优化方法，一是ECM法，二是协整最优法，并就两种方法在实战中的表现进行了实证分析。Lin在2006年在协整模型统计套利交易的基础上引入了不同的止损条件，分别分析了在不同的止损条件之下，统计套利交易策略的收益情况，他发现在收益率方面有止损条件的交易策略的收益并不比无止损条件的交易策略差太多，却具有了更为良好的风险属性。

Thomaidis在2006年选用印度上市公司Infosys和Wipr。公司股票的5分钟数据进行回归，运用GARCH模型寻找两者之间的错误定价关系和套利机会，并进行了实证研究，获得了不错的收益率。Hunck在2009年对标普100样本股进行两两配对，运用Elman神经网络方法对其中的套利机会进行了研究。

Dunis等人在2013年基于协整模型对欧洲斯托克50指数进行了期现统计套利策略，他着重分析了高频数据和低频数据在套利机会和收益率上的差别，他发现基于高频数据的统计套利套利机会更多，但套利止损率较高。Mardi和Lyudmyla在2015年对国债期货市场和现货市场间的价格共振现象进行研究，表明市场对短期价格行为很难迅速反应，在期现市场中存在着统计套利的机会。

期货程序化交易策略有哪些?

期货程序化交易策略近年来，随着金融信息化建设的不断进步以及金融工程学和金融数学理论的不断研究，程序化交易日渐深入人心，越来越多的投资者慢慢开始接受这种自动的交易模式，并且通过不断的学习和理解，己经研究出了许多自动交易的模型

据统计显示，在美国的期货市场中将近70%的交易都是通过程序化交易进行的，而不再是人为的交易。从国内外交易的历史数据上看，程序化交易的持仓时间一般较短，且一般都是进行频繁的交易操作，同时要求交易的品种价格波动大、流动性好，以便获取较高的利润。期货合约作为交易所上市的标准资产，往往具有极好的流动性，同时又交易频繁，支持做空操作和当天结算，交易手续费低廉，是程序化交易的理想目标。例如:国内的股指期货;上海期货交易所的金属期货，包括铜、铝、锌等;大连商品交易所的鸡蛋、豆油、豆粕期货;郑州商品交易所的稻谷、白糖等，都是程序化交易者着重选择的目标。

与人为主观交易不同，程序化交易的交易纪律是由计算机程序保证的，当期货商品的当前价格触碰到程序设定的止损价格，计算机会按照程序坚决地进行止损，不会出现人为主观交易者常犯的“死扛等反弹，获利不止盈”的错误决策，所以程序化交易的收益曲线一般会比主观交易更加稳定。经过20多年的飞速发展，期货程序化交易的理论和实际应用都取得了很大的成果，产生了各种不同原理的程序化交易模型。其中以期货期限套利策略、跨品种统计套利策略、趋势跟踪类策略、事件驱动型量化交易策略、高频交易策略等几种交易策略模型最为典型。

程序化交易的交易策略主要是通过多种交易指标进行组合形成的，单一的交易指标并不能很好的给出交易开仓信号，当组合多种交易指标时，能给出成功率较高的交易开仓信号，提高收益，减少交易风险。期货市场非常复杂，包含大量的信息。各种商品之间的非线性的关系，商品价格的互相影响以及各种新闻、天气、人为心理等因素揉合在一起，组成了一个不确定性和时变性很强的系统。传统的经济模型大部分过于简单，处理不了如此复杂的系统，具有不可克服的局限性。神经网络具有很好的处理非线性数据的能力，可以在期货市场中克服非线性拟合的问题。在神经网络算法中，基于Rumelhart提出的反向传播算法(BP算法)应用广泛。

本文旨在结合主成分分析法对神经网络输入数据进行优化，训练过程中通过大量实验找出合理的训练参数，采用多变量预测方法，使用训练好的神经网络对期货价格趋势进行预测分析，最终结合交易开拓者平台，进行期货程序化交易指标的研究。

标签： 统计套利 期货程序化交易策略 交易方案 期货市场