统计套利在中国贵金属期货市场的运用研究结论与参考文献

　　第6章结论与思考

　　本文首先介绍了统计套利理论的基本概述,在对国内外关于统计套利研究现状简单回顾的基础上,对统计套利的基本原理、理论模式和交易策略进行了分析,并引出了国内贵金属期货市场的投资现状;然后,本文研究了统计套利在中国贵金属期货市场上的应用步骤,采集了上海期货交易所的实际历史数据对统计套利策略在中国贵金属期货市场中的应用进行了实例分析;分别进行了价格序列单位根检验、协整检验机分析、格兰杰因果检验和误差修正模型,根据计算结果制定了统计套利在中国贵金属期货市场中的交易方案;模拟检验了统计套利策略在中国贵金属期货市场的收益率;模拟结果表明统计套利策略在中国贵金属期货市场上的收益率是有效稳定的;在此基础上对统计套利在中国贵金属期货市场应用的风险进行了分析,并提出了有效的风险控制策略以及实施过程中的原则,介绍了程序化交易在中国贵金属期货统计套利策略中的应用。通过本文的实例分析和模拟检验,为投资者在中国贵金属期货市场中的操作实践提供一种思路和借鉴。

　　从本文的详述中可以得知,统计套利策略的实施依赖于市场的做空机制。由于期货市场天生具有做空机制,这就为统计套利策略在我国期货市场的应用提供了先决条件。

　　将统计套利应用到我国贵金属期货市场一来是为国内众多投资者带来了更多的投资方式和盈利模式,因为我国大部分的投资者还是以主观交易为主。本文的统计套利策略经过实践证明,不仅实现了净持仓的零头寸,还可以实现低风险的目标;第二是有助于提高期货市场金融资源的配置效率。统计套利策略在我国期货市场的应用,有利于在我国期货市场中建立更为合理有效的价格发现机制,众多的投资者通过理性套利可以使得期货价格的偏离得到修正,使期货价格更为合理,这无疑就会提高期货市场金融资源的配置效率,有利于我国期货市场走向成熟和完善。因此,适度的统计套利交易对于整个金融市场而言,有助于降低市场的波动性,提高资金的配置效率,减少市场系统风险。可与预见,统计套利策略在我国期货市场尤其是贵金属期货市场上有着非常广大的应用空间。随着计算机技术应用地不断深入,交易服务和人才储备由于有国外经验可以参考而能获得迅速发展,国内投资者愿意并积极接受统计套利这种投资方式,因此,统计套利这种投资方式在我国未来几年将获得更快的发展。本文的统计套利策略能够获得稳定的收益,同时不受市场各种走势的影响,这无疑给投资者特别是机构投资者多了一种投资方式的选择。

　　在本文的分析中,可以得出这样的结论,统计套利是一种中性的投资策略,虽然它不是传统的无风险套利策略,但通过对大量期货合约同时建立多空仓位以及F!复一円长时间地重复其投资逻辑,经过漫长的实践证明,统计套利策略是可以获得与市场走势基本无关的稳定收益。同时,统计套利策略是对市场风险的分解和重构,应用这种方法可以更好的控制风险,期货公司可以设计出满足不同投资者风险偏好和收益需求的投资产品。这种策略也同样可以拿来为个人投资者所用。在本文中采用的统计套利策略是基于协整的成对交易方法,相比于其他统计套利策略来说,是一种相对比较简单的方法。

　　本文讨论利用协整方法进行跨期及跨品种统计套利交易时还有很多有待改进的地方:首先,在本文中仅考虑了交易成本的佣金费用,没有考虑流动性成本对交易利润的挤压作用,这将很大程度上髙估套利交易获得的利润。对于市场欠缺流动性的时刻,流动成本就会远远高于佣金费用,其中包括瞬间交易冲击成本和等待成本,对此可以利用VAR的思想和极值理论对这两个流动性成本指标进行量化分析。其次,本文假设以曰收盘价作为统计套利交易的交易价格,这一假设缺乏合理性,特别是市场萎缩交易量很小的时候,这一假设会严重高估套利交易的利润。因此建议在使用各个统计套利期间的加权平均价格作为套利交易价格。当然最好是能够获得交易所分笔的数据进行高频统计套利研究,但这样又会回到上面一个问题就是交易成本的问题。最后,通过实证研究,本文发现统计套利交易的收益和相关的风险阈值的选取都非常敏感,在本文中应用了几个阈值进行计算,但是在实践中建议使用优化理论的相关方法来确定最优的阈值,并且更多地进行长时间历史数据的回测。

　　参考文献：
　　
　　[1]方昊.统计套利的理论模式及应用分析——中国封闭式基金市场的检验.统计与决策 2005(6)
　　[2]吴振翔,陈敏.中国股票市场弱有效性的统计套利检验.系统工程理论与实践2007第2期
　　[3]徐光梅.从成对交易到动量检验一套利的学习与应用.浙江大学硕士学位论文2008
　　[4]徐玉莲.基于统计套利的中国资本市场效率实证研究.大连理工大学硕士学位论文2005
　　[5]于栋华.基于协整的跨期套利策略.光大证券金融工程研究报告2010
　　[6]陈军.从仿真交易看统计套利方法在股指期货交易中的作用.期货日报,2007.7
　　[7]王粹萃.基于协整方法的统计套利策略的实证检验.吉林大学硕士学位论文2007
　　[8]康瑞强.基于高频数据的期货统计套利研究.江苏大学硕士学位论文2009
　　[9]姜伟.股价动量效应的理论与实证研究.青岛大学硕士学位论文2004
　　[10]刘华.基于统计套利的ETF期现套利方法应用研究.大连理工大学硕士论文2008
　　[11]李婷.统计套利模型的理论综述与应用分析.时代金融2011.06
　　[12]任吉卫.基于协整的统计套利策略在股市的应用研究.北京交通大学硕士论文2012
　　[13]刘寅飞.基于高频数据的股指期货ETF套利研究.江苏大学硕士论文2010
　　[14]姜伟.股价动量效应的理论与实证研究.青岛大学硕士学位论文2004
　　[15]周晗.基于GARCH模型的多因素统计套利策略研究.浙江工商大学硕士论文2011
　　[16]王伟峰,刘阳.股指期货的跨期套利研究——模拟股指市场实证[J].金融研究,2007, 12
　　[17]彭建斐.期货合约的统计套利研究.期货合约的统计套利研究2010
　　[18]卢涛.机构投资者交易策略研究:实践及最优策略[L].上海证券交易所2010年工作论文
　　[19]常宗琪.白糖统计套利理论模式研究及实例分析.《经济师》2008年第11期
　　[20]Hull J C.期权,期货和其他衍生产品(第八版)[M].北京:清华大学出版社,2010
　　[21]刘逖.市场微观结构与交易机制设计:高级指南[M].上海:上海人民出版社,2011
　　[22]陈守东,韩广哲,荆伟.主要股票市场指数与我国股票市场指数间的协整分析[J].数量经济技术经济研究,2003, 5
　　[23]罗洪浪,王浣尘.现代投资组合理论的新进展.系统工程理论方法应用.2002C3)
　　[24]刘列励,严美艺.协整关系对期货套期保值率影响的实证研究[J].北京理工大学学报(社会科学版),2006,10
　　[25]仲黎明,刘海龙,吴冲锋.深发展与深成指协整和引导关系的实证检验[J].预测,2003, 2
　　[26]Burgess N. Statistical arbitrage models of the FTSE 100 [J]. Computational Finance,1999, The MIT Press
　　[27]Bondarenko O. Statistical Arbitrage and Security Prices, the review of Financial　tudies 2003
　　[28]Steve Hogan, Robert Jarrow, Melvyn Teo, Mitch Warachaka. Testing market　efficiency using statistical arbitrage with applications to momentum and value　strategies[J]. Journal of Financial Economics, 2004
　　[29]Engle R.F. and Granger C.W. Co-intergration and Error Correction: Representation,Estimation and Testing, Econometrica 55(2),1987
　　[30]AN Burgess, AP Refenes. Modelling non-linear moving average processes using neural　networks with error feedback: An application to implied volatility forecasting. Signal　processing, 1999
　　[31]Vidyamurthy G. Pairs trading- quantitative methods and analysis [M]. Hoboken’ New　Jersey: John Wiley & Sons, Inc., 2004:
　　[32]Evan Gatez, William N. Goetzmann, KG Rouwenhorst. Pairs trading: Performance of arelative-value arbitrage rule, Review of Financial, 2006
　　[33]RJ Elliott, J Van Der Hoek, WP Malcolm, Pairs trading. Quantitative Finance, 2005
　　[34]B Do, R Faff, K Hamza, A new approach to modeling and estimation for pairs trading.Proceedings of 2006 Financial, 2006
　　[35]A Lucas, Cointegration testing using pseudolikelihood ratio tests. Econometric Theory,1997
　　[36]Andrew Pole, Statistical Arbitrage, John Wiley&Scona, Inc.,2007.02
　　[37]Pagano, M. 2007, Market Structure, Trading, and Liquidity. Plexus? 2007.
　　[38]Vladimir N. Vapnik The Natural of Statistical Learning Theory, Springer 1995
　　[39]Marco Avellaneda, Jeong-Hyun Lee. Statistical Arbitrage in the U.S. Equities　Market, 2008