Neutral-Hedge Statistical Arbitrage Baru (Pure-Alpha versi impian)

Neutral Hedge Stat Arbitrage Baru (Pure-Alpha Dream Edition)

-Strategi arbitrage yang kukuh dengan 0 pendedahan panjang dan pendek

Halo semua peniaga, selepas beberapa bulan debugging, pengoptimuman dan pengulangan, saya sangat gembira bahawa arbitraj statistik lindung nilai neutral ini telah mencapai tahap yang lebih stabil dan dapat dilihat dengan anda. Ini adalah strategi neutral pasaran berdasarkan lindung nilai pendek panjang. Jika anda pergi panjang pada bakul jenis dan pendek pada bakul jenis dalam akaun yang sama, nilai panjang dan pendek sama. Dengan premis mengelakkan risiko sistemik beta di pasaran, kaedah statistik digunakan untuk mencari pelbagai kombinasi pencocokan jangka pendek yang sesuai untuk mencapai strategi arbitraj risiko rendah keuntungan alfa yang stabil. Strategi ini mempunyai pengalaman yang baik, korelasi rendah dengan pasaran, pendedahan lama dan pendek neutral, dan tidak ada risiko di bawah angsa hitam yang melampau seperti 31/5219. Sebaliknya, ia akan berkembang pada masa pasaran apabila kesilapan harga seperti ini kacau. Strategi ini akan dijelaskan secara terperinci di bawah.

Hello ~ Selamat datang ke saluran saya!

Selamat datang semua peniaga ke saluran saya. saya seorang Quant Developer, dan saya membangunkan penuh tumpukan CTA & HFT & Arbitrage dan strategi perdagangan yang lain. Terima kasih kepada platform FMZ, saya akan berkongsi lebih banyak kandungan yang berkaitan dengan pembangunan kuantitatif dalam saluran kuantitatif saya, dan bekerjasama dengan semua peniaga untuk mengekalkan kemakmuran komuniti kuantitatif.

Untuk maklumat lanjut, sila beralih ke saluran saya ~ Saya sedang menunggu anda di sini untuk menggodaTradeMan Home

1. Pengenalan dan penjelasan mengenai arbitrase statistik

Strategi arbitrase statistik adalah strategi yang mengeksploitasi hubungan harga antara pelbagai jenis bakul untuk perdagangan. Strategi ini berdasarkan prinsip statistik, dengan menganalisis trend harga sejarah dan korelasi antara dua atau lebih jenis, mencari perbezaan harga di antara mereka, dan menggunakan perbezaan ini untuk perdagangan. Secara sejarah, strategi arbitrase statistik berpasangan silang spesies telah digunakan secara meluas di pasaran saham. Strategi arbitrase silang spesies yang paling awal dilakukan terutamanya antara saham dalam industri yang sama atau industri yang berkaitan, seperti syarikat minyak atau syarikat telekomunikasi. Strategi ini sering didasarkan pada andaian korelasi industri dan mencapai tujuan arbitrase dengan membeli saham yang dinilai rendah dan menjual saham yang dinilai tinggi.

Dengan perkembangan pasaran, strategi arbitrase statistik pencocokan silang spesies secara beransur-ansur telah berkembang ke pasaran kewangan lain, seperti niaga hadapan komoditi, pertukaran asing, dan cryptocurrency. Di pasaran ini, kombinasi bakul yang berbeza dapat dijumpai yang berkaitan dan perdagangan arbitrase boleh dibuat menggunakan perbezaan harga. Logik strategi ini berdasarkan prinsip pembalikan purata. Apabila harga di antara kombinasi bakul berbilang yang dibina menyimpang dari skop statistik mereka, terdapat trend kemunduran. Menurut trend ini, apabila harga menyimpang dengan besar, anda boleh menjual bakul jenis yang mahal dan membeli bakul jenis yang murah untuk melindungi daripada salah harga jangka pendek pasaran. Dengan cara ini, keuntungan dapat diperoleh dari penyebaran gabungan multi-bakul berpasangan.

2. Kelebihan dan Kelemahan Arbitraj Statistik

Kelebihan:

• Mengurangkan risiko pasaran: Strategi arbitraj statistik adalah berdasarkan transaksi arbitraj berdasarkan perbezaan antara pelbagai kombinasi produk bakul. Berbanding dengan transaksi produk tunggal, ia menyebarkan risiko dan mengurangkan kesan turun naik pasaran pada strategi. Mengurangkan risiko sistemik pasaran.
• Pendapatan stabil: Strategi arbitraj statistik menjalankan transaksi arbitraj regresi terhadap salah harga pasaran jangka pendek. Berbanding dengan strategi arah, mereka mempunyai ciri pendapatan yang lebih stabil. Berbanding dengan strategi arah, ia menghasilkan risiko yang lebih rendah, turun naik yang lebih rendah, dan pulangan yang stabil.
• Boleh menyesuaikan diri dengan persekitaran pasaran yang berbeza: Strategi arbitraj statistik boleh beroperasi dalam persekitaran pasaran yang berbeza kerana strategi perdagangan ini mempunyai hubungan yang kurang arah dengan pasaran.

kekurangan:

• Data sejarah hanya dapat mencerminkan hubungan masa lalu dan tidak dapat mewakili masa depan sepenuhnya, jadi terdapat risiko tertentu. Pembinaan strategi arbitrage statistik akan menggunakan sebilangan besar ujian statistik untuk menambang kombinasi dan korelasi varieti bakul berdasarkan data besar sejarah. Perubahan mungkin berlaku pada masa akan datang dan memerlukan langkah-langkah kawalan risiko tertentu.
• Adalah sukar untuk menilai dengan tepat tempoh masa yang diperlukan untuk kembali ke hubungan keseimbangan kerana kesilapan harga jangka pendek di pasaran.
• Keupayaan analisis data dan pembinaan model yang sangat menuntut: Strategi arbitrage statistik memerlukan analisis dan pemodelan data statistik yang mendalam seperti korelasi dan kointegrasi antara kombinasi bakul yang berbeza, dan memerlukan analisis data dan keupayaan pembinaan model yang tinggi..
• Pelaksanaan urus niaga dan risiko kecairan: Oleh kerana ia adalah urus niaga silang, harga pelaksanaan dan jumlah dagangan mungkin dipengaruhi oleh pelbagai jenis, dan terdapat risiko pelaksanaan urus niaga. Reka bentuk strategi dan pelaksanaan seni bina yang lebih canggih diperlukan.

3. Kandungan utama arbitrase statistik Alpha ini

**1, memantau semua jenis maklumat data dalam masa nyata, menjalankan imbasan data besar, dan membina kombinasi bakul jenis panjang dan pendek. **

Secara khusus, kombinasi bakul akan dibina: contohnya, jika terdapat 6 jenis A, B, C, D, E, dan F, mereka boleh dibahagikan kepada 2 kumpulan masing-masing 3 jenis untuk membina kombinasi bakul. Pada masa yang sama, arbitraj indeks akan dibina: membahagikan beberapa industri dan jenis sektor menjadi dua, membina dua indeks pasaran baru, dan kemudian menjalankan analisis data statistik berikutnya pada kedua-dua indeks ini.

**2, uji korelasi kombinasi bakul panjang dan pendek. **

korelasi merujuk kepada tahap hubungan antara dua atau lebih pembolehubah. Ia digunakan untuk mengukur hubungan antara perubahan dalam satu pembolehubah dan perubahan dalam pembolehubah lain, membantu menentukan sama ada terdapat korespondensi tertentu atau meramalkan kesan perubahan dalam satu pembolehubah pada pembolehubah lain. pekali korelasi adalah kaedah biasa untuk mengukur korelasi. yang biasa termasuk pekali korelasi Pearson, pekali korelasi pangkat Spearman, dll. pekali korelasi Pearson menilai hubungan antara dua pembolehubah berterusan, sementara pekali korelasi pangkat Spearman sesuai untuk menilai hubungan antara dua pembolehubah orde.

Julat nilai pekali korelasi adalah [-1, 1], di mana -1 menunjukkan korelasi negatif, 1 menunjukkan korelasi positif, dan 0 menunjukkan tiada korelasi. Semakin dekat pekali korelasi dengan -1 atau 1, semakin kuat korelasi; semakin dekat dengan 0, semakin lemah korelasi. Rumus matematik pekali korelasi adalah seperti berikut (mengambil pekali korelasi Pearson sebagai contoh):

r = cov ((X, Y) / (std ((X) * std ((Y)).

Antara mereka, r adalah pekali korelasi, cov adalah kovariansi, std adalah penyimpangan standard, dan X dan Y mewakili dua pembolehubah masing-masing. Apabila menguji korelasi, pendekatan biasa adalah untuk mengira kepentingan statistik pekali korelasi. Pengujian hipotesis biasanya boleh digunakan untuk menentukan sama ada pekali korelasi adalah penting. Hipotesis sifar ujian hipotesis adalah bahawa tidak ada korelasi antara pembolehubah, dan statistik pekali korelasi dikira untuk menentukan sama ada menolak hipotesis sifar.

**3, uji kointegrasi gabungan bakul panjang dan pendek. **

Kointegrasi merujuk kepada hubungan jangka panjang antara dua atau lebih pembolehubah siri masa, iaitu kombinasi linear mereka stabil. Berbanding dengan korelasi, kointegrasi memberi lebih banyak perhatian kepada hubungan keseimbangan jangka panjang dan bukan hanya tahap korelasi jangka pendek. Apabila mereka menyimpang dari hubungan keseimbangan ini, terdapat mekanisme pembetulan untuk mengembalikan penyimpangan ke julat yang munasabah. Konsep kointegrasi pada asalnya dicadangkan oleh Spiegelman (SG Engle) dan CWJ Granger (CWJ Granger) pada tahun 1987 untuk menyelesaikan masalah regresi palsu yang wujud dalam analisis siri masa. Masalah regresi palsu disebabkan oleh kemungkinan kewujudan akar unit antara pembolehubah.

Teori kointegrasi bermula dari menganalisis ketidakstabilan siri masa dan meneroka hubungan keseimbangan jangka panjang yang terkandung dalam pembolehubah bukan stasioner. Jika pembolehubah yang terlibat adalah stasioner selepas perbezaan pertama, dan gabungan linear tertentu dari pembolehubah ini adalah stasioner, maka kointegrasi dikatakan wujud di antara pembolehubah ini. Kointegrasi digunakan untuk menggambarkan hubungan stasioner antara dua atau lebih siri. Untuk setiap urutan secara individu, ia mungkin tidak stasioner. Saat-saat urutan ini, seperti purata, varians atau kovarians, berubah dengan masa, sementara urutan gabungan linear siri masa ini mungkin mempunyai sifat yang tidak berubah dengan masa. Apabila harga dua aset mematuhi hubungan kointegrasi, maka gabungan linear mereka memuaskan sifat membalikkan purata. Rumus matematik kointegrasi dinyatakan sebagai berikut (mengambil dua siri pembolehubah masa sebagai contoh):

Y_t = β_0 + β_1 * X_t + ε_t

Antara mereka, Y_t dan X_t mewakili nilai yang diperhatikan dari dua pembolehubah siri masa masing-masing, β_1 adalah pekali regresi, dan ε_t adalah istilah ralat. Jika terdapat hubungan kointegrasi antara Y_t dan X_t, maka gabungan linear kedua-dua pembolehubah akan stabil, iaitu ε_t adalah tidak bergerak. Memenuhi pembahagian normal dengan purata 0. Apabila menguji kointegrasi, ujian kestabilan biasanya diperlukan. Kaedah yang biasa digunakan termasuk ujian Johansen dan ujian Engle-Granger. Ujian Johansen adalah kaedah berdasarkan nilai autonomi, yang boleh menguji hubungan kointegrasi antara pelbagai pembolehubah secara langsung. Ujian dua langkah Engle-Granger adalah kaedah berdasarkan anggaran OLS yang diubah suai (Biasa Kuadrat Kecil) dan sesuai untuk menguji hubungan kointegrasi antara dua pembolehubah.

**4. Strategi ini akan menguji hubungan kointegrasi siri masa untuk sebilangan besar kombinasi.

• Siri harga masa bakul gabungan yang berasingan adalah vektor integral peringkat pertama, iaitu, siri harga masa tidak stasionari (memiliki trend yang jelas).
• Siri (iaitu turunan) selepas perbezaan pertama keranjang gabungan individu adalah tetap. Gunakan akar unit ADF untuk menguji dua siri harga masa keranjang. Gunakan akar unit ADF untuk menguji stabilitas perbezaan pertama siri harga masa kedua keranjang.
• Kombinasi linier tertentu siri harga masa gabungan berpasangan adalah tidak bergerak, iaitu, baki persamaan linear yang dibina dari dua siri adalah tidak bergerak.

**5, menjalankan sebilangan besar ujian indeks Hurst. **

Indeks Hurst digunakan untuk mengukur ingatan jangka panjang siri masa untuk menentukan sifat pembalikan purata siri. Nilai indeks Hurst adalah antara 0 dan 1, dengan nilai yang hampir 0.5 menunjukkan bahawa urutan menunjukkan berjalan rawak, dan nilai yang hampir 1 menunjukkan trend yang berterusan. Prinsip: Indeks Hurst menganggarkan tahap ingatan jangka panjang urutan dengan mengira hubungan antara julat penyebaran subsekwensi yang bertindih dari satu urutan dan panjangnya. Rumus matematik: Salah satu cara untuk mengira indeks Hurst adalah menggunakan hubungan antara julat penyebaran dan panjang subsekwensi yang bertindih untuk menubuhkan hubungan yang sepadan antara berjalan rawak. Indeks Hurst boleh dianggarkan menggunakan regresi linear antara julat penyebaran dan panjang subsekwensi yang bertindih.

** 6, anggaran separuh hayat pembalikan purata. **

Rata-rata separuh hayat pembalikan adalah metrik yang digunakan untuk menganggarkan masa yang diperlukan untuk siri harga untuk kembali ke purata. Semakin kecil separuh hayat, semakin cepat pembalikan purata. Prinsip: Pengiraan separuh hayat pembalikan purata dianggarkan dengan menyesuaikan model purata bergerak pelancaran padu eksponensial (EMA). Apabila siri harga menyimpang dari purata lebih daripada separuh hayat, ia boleh dianggap bahawa terdapat peluang untuk pembalikan purata. Rumus matematik: Rumus pengiraan separuh hayat pembalikan purata adalah seperti berikut:

(H = -\frac{\ln(0.5)}{\ln(\frac{P_t}{P_t - P_{t-1}}})

Kaedah ujian: Anda boleh mengira EMA siri harga, dan kemudian mengira separuh hayat berdasarkan EMA.

**7. Membina strategi perdagangan berdasarkan sejumlah besar data statistik. **

Menyaring kombinasi produk bakul berdasarkan pemisahan indeks Hurst, menganggarkan parameter yang berkaitan berdasarkan separuh hayat pembalikan purata, dan membina kombinasi strategi perdagangan berdasarkan kointegrasi statistik.

Selepas ujian kointegrasi, didapati bahawa terdapat hubungan kointegrasi antara harga masa aset X dan Y. Penyimpangan piawai istilah residual c adalah σ, dan konstanta λ dipilih sebagai nilai sempadan.

• Apabila lny- ((a+blnx) > λσ, harga bakul Y agak overvalued dan harga bakul X agak undervalued.
• Apabila lny- ((a+blnx) < -λσ, harga bakul X agak overvalued dan harga bakul Y agak undervalued.
• Apabila perbezaan harga lny-(a+blnx) kembali ke julat tertentu, seperti julat [-0.5λσ, 0.5λσ], kedudukan ditutup;

**8, lebih lanjut akan datang. **

Logik yang lebih eksklusif dan inovatif, seni bina yang lebih terperinci dan pemprosesan butiran adalah daya saing terasnya yang unik. Pada masa ini, kecairan akan dianggarkan secara statistik dan transaksi akan diselesaikan menggunakan harga pasaran. Pada masa akan datang, ia akan secara beransur-ansur dinaik taraf ke arbitrase statistik frekuensi tinggi jenis pesanan yang sedang menunggu. Kami berharap dapat memberi perhatian dan berkembang bersama.

4. prestasi sejarah separa (data kos 50,000 pesanan selepas menganggarkan harga urus niaga sebenar)

Neutral Hedging Statistical Arbitrage New High-Risk Supernova Neutral Hedging Statistical Arbitrage Baru Risiko rendah dan stabil

5. Menjangkakan kerjasama, pertukaran, dan pembelajaran bersama dan kemajuan

Setiap strategi mempunyai metodologi dan kesesuaiannya sendiri. Sebagai contoh, strategi pengembalian purata adalah berdasarkan pergerakan rawak pasaran dan teori lain, dan strategi trend momentum adalah berdasarkan pelbagai teori kewangan tingkah laku, seperti turun naik ekor lemak di pasaran. Kita mesti memahami prinsipnya, menyesuaikan diri dengan turun naiknya berdasarkan ciri-cirinya. Pada masa yang sama, pengguna strategi mesti memberi perhatian kepada sumber keuntungan dan kerugian yang sama. Pengembalian yang lebih tinggi mesti disertai dengan risiko yang lebih tinggi. Strategi matang mempunyai kelebihan dan kelemahan mereka. Mereka mesti menggunakannya dengan munasabah dan memaksimumkan kekuatan mereka dan mengelakkan kelemahan. Ketahui sama ada mereka betul atau salah, dan sama ada mereka sesuai atau tidak mengikut keadaan pasaran. Prestasi lengkap, yakin dan jangan terkejut.

Pengukuran kuantiti bukanlah mesin pergerakan kekal, juga tidak berkuasa, tetapi ia mesti menjadi arah perdagangan masa depan dan bernilai dipelajari dan digunakan oleh setiap peniaga!

● Pelan sewa: XXXU/XU/bulan, tempoh peruntukan semasa adalah percuma untuk sewa, dan boleh ditamatkan pada bila-bila masa.

● Rancangan perkongsian: Jumlah yang besar boleh dimulakan secara percuma, dan 20% keuntungan akan diekstrak setiap bulan.

●Komitmen Strategik: Jika pengguna menjana keuntungan pada akhir tempoh pajakan dan tidak menampung kos (konfigurasi dan parameter adalah betul, dan ia bukan angsa hitam force majeure), satu bulan akan diberikan tanpa syarat sehingga keuntungan dibuat.

● Lebih banyak pilihan kerjasama: untuk mana-mana individu dan institusi yang memerlukan. Kami semua mengekalkan sikap terbuka dan menang-menang terhadap kerjasama dan berharap untuk perbincangan anda dan kerjasama yang disesuaikan berdasarkan keperluan anda, keutamaan risiko, dll.

Jika anda mempunyai selera risiko yang lebih tinggi, seperti keuntungan dan kerugian jangka pendek, dan mempunyai keperluan perdagangan jangka pendek, anda boleh menyemak satu lagi strategi frekuensi tinggi yang stabil dengan pulangan bulanan 3%-50% dan tidak ada risiko pembubaran: High Frequency Hedging Market Making Grid New ((HFT Market-Making Mining Machine Version)

**Jika anda mempunyai sejumlah besar dana, anda boleh melihat satu lagi sistem perdagangan komposit CTA berkapasiti tinggi frekuensi rendah, yang berlangsung selama 900 hari perdagangan sebenar, hujan atau sinar.Compound CTA Trading System Baru(Multi-faktor + pelbagai + multi-strategi versi awam)

Maklumat hubungan (dialu-alukan untuk berkomunikasi dan membincangkan, belajar dan maju bersama) WECHAT: haiyanyydss Telegram:https://t.me/JadeRabbitcmMaklumat yang lebih berguna TradeMan Home:https://www.fmz.com/market-offer/512 Sistem dagangan CTA & HFT & Arbitrage sepenuhnya automatik @2018 - 2024

Lebih lanjut