统计套利简介

2018-03-09 本文已影响55人钢笔先生

[策略] 统计套利简介

@(量化交易)

Mean Reversion: 均值回归。

在大部分的人类活动中，我们都被均值回归这种神秘的力量操控着。比如高考，突然考前考了几次高分，觉得自己一定能在实际考试中拿到高分，但是往往就会回归到自己的平均水平。然后对外宣称自己发挥失常。

其实真不是失常，就是你的真实水平而已。

具体到价格的均值回归，一只股票价格起起伏伏，但总不会脱离价值这根线太远。公司的价值可以看作是股票价格的均值。

1980年开始，统计套利就正式用来对均值回归这种行为进行建模了，当然目的很明确：追逐利润。

理解统计套利这种算术是理解更复杂些的金融工程与风险控制模型的关键一步。

用于统计套利的策略通常得保密，因为稍稍一提，就很容易被其他人逆向工程，然后自己用起来了。这个很正常，策略是做这个的核心资产，不会轻易示人。

统计套利模型获取的收益来源是证券价格系统的波动性。

注意，这里说证券，但不限于证券，任何可以交易的金融产品都适用。

统计套利的模型一代一代演化，现在已经变得更加复杂，但却都很神秘，闷声发大财是王道，谁也不会拿出来共享。

金融本身就是个买卖风险的游戏，把自己的策略PO出来，会死得很惨。

另外，一旦策略变得全民皆知，套利区间也会消失。

举个例子，在OTCBTC刚出现时，场外买入EOS转到场内，再从场内换回ETH，转到场外卖，可以赚取一大笔差价。

但这个价差很快就会消失，而如果更多人知道，价差会消失的更快。

现在在交易所之间做搬砖，已经赚不到钱，因为价差都被量化的机器人搬平了。想想这个很搞笑，搬没了价差，反倒是件利国利民的好事，使得交易产品的价格在不同的交易所保持稳定。

但这件事情对我的启发是，很多你看起来很简单的策略，实际上就是有效的。从认识到到说服你自己去动手实践还隔着十万八千里。

认知升级有时候就像个笑话，因为一不小心就获得了升级的幻觉，就满足了，就止步了。

但是认知升级背后的焦虑是个好东西，能卖。

评价一个学生的成绩均值是很容易的，把他过去多次的成绩综合起来，大概就知道他的水平了。

同样，运用均值回归判断一个群体的身高均值也是可行的。

我们可以举出更多的例子，但是这些例子都有一个特性是：稳定。

而在金融产品里，均值回归存在，但是却动荡。换句话说就是，风险的波动远远大于我们想象，股票的价格可以连涨几个涨停板，也能跌到贴近于0。你算出来个均值，其实不能说明什么问题。就好像算出全国人民的收入平均水平，也没什么价值一样。

假设这个问题不是问题了，还有一堆问题像雨后春笋般冒出来，举个例子：

这些都要借助于数学手段。

现在在读这本书宣称，统计套利101，作者像娓娓道来关于统计套利的概念。也就是，标题党一些，统计套利读这本书就够了。

是真的吗？

是不是模型越复杂越好呢？

是不是越复杂的生物体就比简单生物更高级？

那可不一定，在统计套利里，简单模型占有很大的比例，但是回到复杂本身，简单构成了复杂，所以，不要急躁，慢慢来，先认真学习简单模型。

防黑声明：本人不对文章中任何观点的正确性负责，只是个人偏见，希望读者擦亮眼，积极提出否定意见。

本文参考书目：

《Statistical Arbitrage: Algorithmic Trading Insights and Techniques》