[Нейтральный хедж-статистический арбитраж, новый] (Pure-Alpha Fantasy Edition)

Нейтральный хедж-статистический арбитраж, новый

-0 Нейтральная хедж-статистическая арбитражная стратегия с длинной и короткой экспозицией

Привет, коллеги-трейдеры. После нескольких месяцев отладки, оптимизации и итераций я рад, что этот нейтральный хедж-статистический арбитраж достиг относительно стабильного уровня и может быть доступен всем. Это рыночно-нейтральная стратегия, основанная на хеджировании длинных и коротких позиций. На одном и том же счете вы можете открыть длинную позицию по корзине продуктов и короткую позицию по корзине продуктов с равными значениями длинных и коротких позиций. Исходя из предпосылки избегания системного бета-риска рынка, статистические методы используются для поиска различных комбинаций длинных и коротких позиций для достижения низкорисковой арбитражной стратегии со стабильной альфа-прибылью. Эта стратегия имеет хороший опыт удержания, низкую корреляцию с рынком, нейтральную длинную и короткую экспозицию и отсутствие риска экстремальных событий черного лебедя, таких как ³¹²⁄₅₁₉. Вместо этого она станет большим хитом в такое время, когда рынок Неправильная цена и полный хаос. Исключительно. Эта стратегия будет подробно описана ниже.

Hello~Welcome come to my channel！

Приветствую всех трейдеров на моем канале. Я Цзошоуцзюнь, количественный разработчик, который разрабатывает комплексные торговые стратегии, такие как CTA, HFT и арбитраж. Благодаря платформе FMZ я буду делиться большим количеством контента, связанного с количественным развитием, на своем количественном канале и работать со всеми трейдерами для поддержания процветания количественного сообщества.

Для получения более подробной информации посетите мой канал~ Я жду вас здесь【Количественная хижина Создателя】

1. Введение и объяснение статистического арбитража

Стратегия статистического арбитража — это торговая стратегия, которая использует ценовое соотношение между различными корзинами товаров. Эта стратегия основана на статистических принципах. Она анализирует исторические ценовые тенденции и корреляции между несколькими сортами, находит ценовые различия между ними и использует эти различия для торговли. Исторически стратегии статистического арбитража широко использовались на фондовых рынках. Самые ранние стратегии статистического арбитража в основном применялись между акциями, например, между нефтяными или телекоммуникационными компаниями. Эти стратегии часто основаны на предположении об отраслевой корреляции и направлены на достижение арбитража путем покупки недооцененных акций и продажи переоцененных акций.

По мере развития рынка стратегии статистического арбитража постепенно распространились на другие финансовые рынки, такие как товарные фьючерсы, иностранная валюта и криптовалюты. На этих рынках можно найти различные комбинации корзин, которые коррелируют друг с другом, и использовать разницу в ценах для проведения арбитражной торговли. Логика этой стратегии основана на принципе возврата к среднему. Когда цены комбинаций нескольких корзин отклоняются от своих статистических диапазонов, наблюдается тенденция к регрессии. Исходя из этой тенденции, можно продать корзину товаров по высоким ценам и купить корзину товаров по низким ценам, когда отклонение цен велико, чтобы застраховаться от временного несоответствия цен на рынке. Таким образом, вы можете получать прибыль от спреда из нескольких комбинаций пар корзин.

2. Преимущества и недостатки статистического арбитража

преимущество:

• Снижение рыночного риска: статистические арбитражные стратегии основаны на арбитражных сделках между разностями между корзинами товаров. По сравнению с однотоварными сделками они диверсифицируют риски и снижают влияние рыночных колебаний на стратегии. Снижение системных рисков рынка.
• Стабильная доходность: стратегии статистического арбитража осуществляют регрессионные арбитражные сделки на основе краткосрочных рыночных искажений цен и имеют более стабильные характеристики доходности по сравнению с направленными стратегиями. По сравнению с направленными стратегиями он обеспечивает меньший риск, меньшую волатильность и более стабильную доходность.
• Возможность адаптации к различным рыночным условиям: стратегии статистического арбитража могут работать в различных рыночных условиях, поскольку эта торговая стратегия в меньшей степени связана с направленностью рынка.

недостаток:

• Исторические данные могут отражать только прошлые отношения и не могут в полной мере представлять будущее, поэтому существуют определенные риски. Построение статистических арбитражных стратегий будет использовать большое количество статистических тестов и проводить комбинированный и корреляционный анализ корзинных продуктов на основе исторических больших данных. Эти стратегии могут измениться в будущем и иметь определенные хвостовые риски.
• Трудно точно оценить период времени, необходимый для возвращения рынка в состояние равновесия с учетом краткосрочных ошибок ценообразования и дисбалансов. Если время транзакции слишком велико, стоимость использования средств также будет очень высокой.
• Высокотребовательные возможности анализа данных и построения моделей: статистические арбитражные стратегии требуют глубокого анализа и моделирования статистических данных, таких как корреляция и коинтеграция между различными комбинациями корзин, что требует высоких возможностей анализа данных и построения моделей.
• Риск исполнения транзакции и ликвидности: поскольку это многопродуктовая хеджинговая транзакция, цена исполнения и объем торгов могут зависеть от различных продуктов, и существует риск исполнения транзакции. Необходимы более сложные разработка стратегии и реализация архитектуры.

3. Основное содержание этого Альфа-статистического арбитража

1. Отслеживайте все данные о продуктах в режиме реального времени, проводите сканирование больших данных и создавайте длинные и короткие комбинации корзин продуктов.

В частности, будет построено комбинированное парное корзинное соединение: например, если имеется 6 разновидностей A, B, C, D, E и F, каждую из них можно разделить на 2 группы по 3 разновидности в каждой группе, чтобы построить корзину. сочетание. При этом будет построен индексный арбитраж: некоторые отрасли и сектора будут разделены на две части, построены два новых рыночных индекса, а затем по этим двум индексам будет проведен статистический анализ данных.

2. Проверьте корреляцию между комбинациями длинных и коротких корзин.

Корреляция относится к степени связи между двумя или более переменными. Он используется для измерения взаимосвязи между изменением одной переменной и изменением другой переменной, что помогает определить, существует ли соответствующая взаимосвязь, или предсказать влияние изменения одной переменной на другую переменную. Коэффициент корреляции — это распространенный метод измерения корреляции. К распространенным методам относятся коэффициент корреляции Пирсона и коэффициент ранговой корреляции Спирмена. Коэффициент корреляции Пирсона используется для оценки взаимосвязи между двумя непрерывными переменными, тогда как коэффициент ранговой корреляции Спирмена используется для оценки взаимосвязи между двумя порядковыми переменными. Диапазон коэффициента корреляции составляет[-1, 1], где -1 указывает на отрицательную корреляцию, 1 указывает на положительную корреляцию, а 0 указывает на отсутствие корреляции. Чем ближе коэффициент корреляции к -1 или 1, тем сильнее корреляция; чем ближе он к 0, тем слабее корреляция. Математическая формула коэффициента корреляции выглядит следующим образом (на примере коэффициента корреляции Пирсона):

r = cov(X, Y) / (std(X) * std(Y))。

Среди них r — коэффициент корреляции, cov — ковариация, std — стандартное отклонение, а X и Y представляют собой две переменные соответственно. При проверке корреляции общепринятым подходом является расчет статистической значимости коэффициента корреляции. Проверка гипотез обычно может использоваться для определения значимости коэффициента корреляции. Нулевая гипотеза проверки гипотезы заключается в том, что между переменными нет корреляции. Статистика коэффициента корреляции рассчитывается для определения того, следует ли отвергнуть нулевую гипотезу.

3. Проверьте коинтеграцию портфеля длинной и короткой корзины.

Коинтеграция относится к долгосрочной связи между двумя или более переменными временного ряда, то есть их линейная комбинация является стабильной. По сравнению с корреляцией коинтеграция уделяет больше внимания долгосрочным равновесным отношениям, а не только краткосрочной корреляции. Когда они отклоняются от этого равновесного соотношения, существует механизм коррекции, позволяющий вернуть отклонение в разумный диапазон. Концепция коинтеграции была впервые предложена Шпигельманом (С.Г.Энгл) и Грейнджером (К.У.Дж.Грейнджер) в 1987 году для решения проблемы ложной регрессии в анализе временных рядов. Проблема ложной регрессии вызвана возможным существованием единичных корней между переменными. Единичные корни делают регрессионную связь между переменными значимой в краткосрочной перспективе, но в долгосрочной перспективе нет реальной равновесной связи.

Теория коинтеграции начинается с анализа нестационарности временных рядов и исследует долгосрочные равновесные отношения, подразумеваемые нестационарными переменными. Если рассматриваемые переменные стационарны после разности первого порядка и некоторая линейная комбинация этих переменных стационарна, то между этими переменными существует коинтеграция. Коинтеграция используется для характеристики стационарной связи между двумя или более рядами. Каждая последовательность может быть нестационарной по отдельности, и моменты этих последовательностей, такие как среднее значение, дисперсия или ковариация, изменяются со временем, в то время как линейная комбинация последовательности этих временных рядов может обладать свойством не меняться со временем. Когда цены двух активов коинтегрированы, их линейная комбинация будет обладать свойством возврата к среднему значению. Математическая формула коинтеграции выглядит следующим образом (в качестве примера взяты две переменные временного ряда):

Y_t = β_0 + β_1 * X_t + ε_t

Среди них Y_t и X_t представляют собой наблюдаемые значения двух переменных временного ряда, β_1 — коэффициент регрессии, а ε_t — ошибка. Если между Y_t и X_t существует коинтеграционная связь, то линейная комбинация двух переменных будет устойчивой, то есть ε_t является стационарной. Удовлетворяет нормальному распределению со средним значением 0. При тестировании коинтеграции обычно требуется тест на стабильность. Обычно используемые методы включают тест Йохансена и тест Энгла-Грейнджера. Тест Йохансена основан на методе собственных значений и может напрямую проверять коинтеграционную связь между несколькими переменными. Двухшаговый тест Энгла-Грейнджера основан на модифицированном методе оценки по методу наименьших квадратов (OLS) и подходит для проверки коинтеграционной связи между двумя переменными.

4. Эта стратегия будет проверять коинтеграционную связь временных рядов для большого количества комбинаций. Конкретные критерии следующие:

• Временной ряд цен отдельной портфельной корзины представляет собой единичный интегральный вектор первого порядка, то есть временной ряд цен является нестационарным (имеет четко выраженный тренд). Используйте единичный корень ADF для проверки стационарности цены во времени в нескольких временных периодах.
• Ряд разностей первого порядка (т.е. производная) отдельных комбинаций корзин является стационарным. Тест единичного корня ADF для двухкорзинного временного ряда цен. Единичный корень ADF используется для проверки стационарности разностей первого порядка двух временных рядов цен корзин.
• Определенная линейная комбинация парных комбинаций временных рядов цен является стационарной, то есть остаток линейного уравнения, построенного с двумя рядами, является стационарным. Для двух последовательностей одного и того же порядка выполняется регрессия по методу наименьших квадратов и проверяется стационарность остатков.
• Больше статистических тестов и анализа данных здесь повторяться не будет. Масштабный, подробный и всесторонний статистический анализ будет проведен по всем продуктам на всем рынке.

5. Проведите большое количество тестов на индекс Херста.

Показатель Херста используется для измерения долговременной памяти временного ряда с целью определения характеристик возврата к среднему значению ряда. Значение индекса Херста колеблется от 0 до 1, причем значения, близкие к 0,5, указывают на случайное блуждание, а значения, близкие к 1, указывают на устойчивую тенденцию. Принцип: Индекс Херста оценивает степень долговременной памяти последовательности путем вычисления соотношения между диапазоном отклонения перекрывающихся подпоследовательностей последовательности и их длиной. Математическая формула: Один из методов расчета индекса Херста заключается в использовании соотношения между диапазоном отклонения и длиной перекрывающихся подпоследовательностей для установления соответствующего соотношения случайных блужданий. Показатель Херста можно оценить с помощью линейной регрессии между диапазоном дисперсии и длиной перекрывающихся подпоследовательностей.

6. Оценка среднего периода полураспада.

Период полувозврата к среднему значению — это показатель, используемый для оценки времени, необходимого ценовому ряду для возврата к своему среднему значению. Чем меньше период полураспада, тем выше средняя скорость реверсии. Принцип: Средний период полураспада реверсии оценивается путем подгонки сходящейся экспоненциальной модели скользящего среднего (EMA). Когда отклонение ценового ряда от среднего значения превышает период полураспада, можно считать, что существует вероятность возврата к среднему значению. Математическая формула: Формула расчета среднего периода полувыведения выглядит следующим образом:

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

Метод проверки: Вы можете рассчитать EMA ценового ряда, а затем рассчитать период полураспада на основе EMA.

7. Создавайте торговые стратегии на основе больших объемов статистических данных.

Проще говоря, комбинации продуктов корзины фильтруются на основе сортировки индекса Херста, соответствующие статистические параметры оцениваются на основе среднего периода полувозврата, а комбинация торговой стратегии строится на основе коинтеграции. Более подробно описываться не будет. .

Предположим, что x и y — это временные ряды цен корзины активов X и корзины Y соответственно. Коинтеграционное отношение между ними можно выразить как: Lny = a + blnx + c, где c — остаточный член, который стабилен и удовлетворяет условию среднее значение 0. Нормальное распределение.

После проведения коинтеграционного теста обнаруживается коинтеграционная связь между временными ценами активов X и Y, стандартное отклонение остаточного члена c равно σ, а константа λ выбирается в качестве граничного значения.

• Когда lny-(a+blnx) > λσ, цена корзины Y относительно завышена, а цена корзины X относительно занижена, поэтому покупаем корзину X и продаем корзину Y;
• Когда lny-(a+blnx) < -λσ, цена корзины X относительно завышена, а цена корзины Y относительно занижена, поэтому покупаем корзину Y и продаем корзину X;
• Когда разница цен lny-(a+blnx) вернется в определенный диапазон, например [-0,5λσ, 0,5λσ], закройте позицию;

8. Некоторые характеристики.

Текущая версия является относительно полной, включая сверхсильную торговлю на почти полном рынке, оценку высокочастотных тенденций торговых задач и рыночных цен для достижения преимуществ высокочастотных транзакций Maker-Taker, а также хеджирование хвоста отдельных продуктов после долгосрочной вероятности. Проверка преимуществ. Защита, окончательная локальная запись каждого заказа, смешанная операция хеджирования с другими стратегиями и т. д. не будут подробно рассматриваться.

4. Некоторые исторические показатели (статистика срезов на уровне минут, данные о стоимости тейкера 50 000 после оценки реальной цены транзакции)

[Нейтральный хедж-статистический арбитраж Новый] - Supernova

5. Надеемся на сотрудничество и обмен опытом, а также на общее обучение и прогресс.

[Нейтральный хедж-статистический арбитраж Новый] - Supernova

Данные о монетах третьих лиц

У любой стратегии есть своя методология и рыночные условия, которые определяют, подходит она или нет. Например, стратегия возврата к среднему основана на таких теориях, как случайное блуждание по рынку, а стратегия импульсного тренда основана на различных теориях поведенческих финансов и существовании флуктуаций с толстым хвостом на рынке. Важно понимать его принципы и адаптироваться к его колебаниям на основе его характеристик. В то же время пользователи стратегий должны обращать внимание на то, что прибыль и убытки происходят из одного источника. Более высокая доходность всегда сопровождается более высокими рисками. Зрелые стратегии имеют свои преимущества и недостатки. Их следует использовать разумно и извлекать выгоду из свои сильные стороны и избегать своих слабостей. Они должны знать свою правоту и неправоту, и подходят ли они для рынка. полностью продемонстрировать свои способности, быть уверенными и не удивляться успеху или неудаче.

Количественная оценка — это не вечный двигатель и не всемогущая машина, но она должна стать направлением будущей торговли и ее стоит изучить и использовать каждому трейдеру! Все трейдеры могут указать на недостатки, обсудить их вместе, учиться и совершенствоваться вместе, скользить по волнам нестабильного рынка и двигаться вперед.

● Эта стратегия довольно уникальна и сильно отличается от традиционных трендов, сеток, высоких частот, арбитража и т. д. Она имеет ограниченные возможности и в основном работает самостоятельно. Крупные пользователи и институциональные инвесторы приглашаются к общению и обучению.

● Больше планов сотрудничества: Мы поддерживаем открытое и взаимовыгодное отношение к сотрудничеству с любыми лицами и учреждениями с потребностями. Мы с нетерпением ждем ваших обсуждений и индивидуального сотрудничества на основе ваших потребностей, предпочтений в отношении риска и т. д.

Если у вас более высокая склонность к риску, вы предпочитаете краткосрочные прибыли и убытки и вам нужна краткосрочная торговля, вы можете ознакомиться с другой стабильной высокочастотной стратегией с ежемесячной доходностью 3%-50% и нулевым риском. ликвидация: Новая сетка маркет-мейкинга высокочастотного хеджирования

Если у вас большой объем средств, вы можете рассмотреть другую крупномасштабную средне- и низкочастотную составную торговую систему CTA, которая без каких-либо помех работает в реальной торговле уже 1000 дней. Это система комбинирования стратегий CTA с самым длительным опубликованным временем, высокой стабильностью и сильной универсальностью для достижения среднесрочного и долгосрочного стабильного роста: 【Новая составная торговая система CTA】(Многофакторная + Многовариантная + Многостратегическая публичная версия)

✱ Контактная информация (приглашаем к совместному обсуждению и обучению) WECHAT: haiyanyydss Telegram: https://t.me/JadeRabbitcm Больше полезной информации ➔ Quantitative House of the Trader https://www.fmz.com/market-offer/512 ✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024