量化投资与统计套利交易模型

统计套利是指，在量化投资领域，将套利建立在对例实数据进行统计分析的基础之上，估计相关变量的概率分布，并结合基本面数据进行分析以用以指导套利交易。相对于无风险套利，统计套利少量增加了一些风险，但是由此可获得的套利机会将数倍于无风险套利。

统计套利的基本思路是运用统计分析工具对一组相关联的价格之间的关系的历史数据进行研究分析，研究该关系在历史上的稳定性，并估计其概率分布，确定该分布中的极端区域，即否定域，当真实市场上的价格关系进入否定域时，则认为该种价格关系不可长久维持，套利者有较高成功概率进场套利。

在量化投资领域，统计套利是只针对有稳定性的价格关系进行的，那么没有稳定性的价格关系的套利风险是很大的。

进行统计套利，首先是结合定性与定量两个方面的分析来寻找到一种有着均衡维持机制的稳定的价格关系，然后估计相对价格关系的概率分布，对概率分布进行统计检验。这是统计套利的基础。

统计套利交易完全一句对历史数据的统计分析来判断套利机会。会存在着一个根本性的局限，即历史数据只能反映过去，过去所发生的，在未来并不一定会发生。历史是不能代表未来，但是如果不去依靠历史，我们对未来将一无所知。只有漫长的历史，是套利者可以用来分析未来的唯一依靠。所以，对待历史数据的正确态度，不是因为看到 历史数据的局限性而弃之不用，而是在运用历史数据的同时能采取措施应对它的局限性。在分析历史的基础，充分结合频中的基本面数据进行估计未来相对价格的走势，从而评估套利交易的可行性。

概率论与统计最重要的事情是，通过数据，发现事情发展的规律。
1、量化投资的一个分支，就是统计套利。统计套利的基本思想是从资产等交易的历史数据中寻找规律，以此来寻找到套利的机会。

主成分分析法，该策略通过分析与股票收益率相关的多种因素，建立回归模型，通过分析资产实际价格与模型预测价格之间的差异来获利。当实际资产价格高于模型预测价格时，说明该资产被高估了，卖出该资产，待到实际资产价格与模型预测价格相等时，再买入该资产以平掉之前的空头头寸。

2、算法交易，算法交易又称自动交易、机器交易，它指的是通过使用计算机程序来算出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的证券数量。

3、高频交易
高频交易是指那些人们无法利用的极为短暂的市场变化中火球获利的计算机化交易。

量化投资，通过数据分析的方法来找到投资规律
量化投资总是试图去寻找一种有效的投资模式，在不断的重复过程中实现更为长期稳定的盈利。那么前提就是拥有更大的金融数据量以及跨度时间要足够长。当然也正是因为这种对于稳健性的需求，量化投资不同于简单的金融规律的总结，会更加偏向于时间的检验。

量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报。

量化投资的特点：
第一，投资视角广。
借助计算机高效、准确地处理海量信息，在全市场寻找更广泛的投资机会。

第二，投资纪律性更强。
严格执行数量化投资模型所给出的投资建议，克服人性的弱点。

第三，对历史数据依赖性强。
量化投资是靠概率取胜。量化投资不断地从历史中挖掘有望在未来重复的历史规律并加以利用，这些历史规律都是有较大概率获胜的策略。

依靠筛选出股票组合来取胜，而不是一个或几个股票取胜，从投资组合理念来看也是捕获大概率获胜的股票，而不是押宝到单个股票上。