[Neutral Hedge Statistical Arbitrage Mới] (Phiên bản Pure-Alpha Fantasy)

Neutral Hedge Statistical Arbitrage Mới

-0 Chiến lược chênh lệch thống kê phòng ngừa trung lập với mức độ phơi bày dài hạn và ngắn hạn

Xin chào các bạn giao dịch. Sau nhiều tháng gỡ lỗi, tối ưu hóa và lặp lại, tôi rất vui vì chênh lệch thống kê phòng ngừa trung lập này đã đạt đến mức tương đối ổn định và có thể phát hành cho mọi người. Đây là chiến lược trung lập thị trường dựa trên phòng ngừa dài-ngắn. Trong cùng một tài khoản, bạn có thể mua vào một rổ sản phẩm và bán ra một rổ sản phẩm, với giá trị dài và giá trị ngắn bằng nhau. Với tiền đề tránh rủi ro hệ thống beta của thị trường, các phương pháp thống kê được sử dụng để tìm ra nhiều sự kết hợp cặp dài-ngắn khác nhau nhằm đạt được chiến lược chênh lệch giá rủi ro thấp với lợi nhuận alpha ổn định. Chiến lược này có kinh nghiệm nắm giữ tốt, tương quan thấp với thị trường, phơi bày trung lập dài hạn và ngắn hạn, và không có rủi ro về các sự kiện thiên nga đen cực đoan như ³¹²⁄₅₁₉. Thay vào đó, nó sẽ là một cú hích lớn trong thời điểm thị trường đang giá không đúng và hoàn toàn hỗn loạn. Thật đặc biệt. Chiến lược này sẽ được giải thích chi tiết bên dưới.

Hello~Welcome come to my channel！

Chào mừng tất cả các nhà giao dịch đến với kênh của tôi. Tôi là Zuoshoujun, một nhà phát triển Quant, người phát triển các chiến lược giao dịch toàn diện như CTA & HFT & Arbitrage. Nhờ nền tảng FMZ, tôi sẽ chia sẻ nhiều nội dung liên quan đến phát triển định lượng hơn trên kênh định lượng của mình và làm việc với tất cả các nhà giao dịch để duy trì sự thịnh vượng của cộng đồng định lượng.

Để biết thêm thông tin, vui lòng truy cập kênh của tôi ~ Tôi đang chờ bạn ở đây【Túp lều định lượng của người chế tạo】

1. Giới thiệu và giải thích về chênh lệch thống kê

Chiến lược chênh lệch thống kê là một chiến lược giao dịch khai thác mối quan hệ giá giữa các giỏ hàng hóa khác nhau. Chiến lược này dựa trên các nguyên tắc thống kê. Nó phân tích xu hướng giá lịch sử và mối tương quan giữa nhiều loại, tìm ra sự khác biệt về giá giữa chúng và sử dụng những sự khác biệt này để giao dịch. Theo truyền thống, các chiến lược kinh doanh chênh lệch thống kê đã được sử dụng rộng rãi trên thị trường chứng khoán. Các chiến lược chênh lệch thống kê đầu tiên chủ yếu được thực hiện giữa các cổ phiếu, chẳng hạn như giữa các công ty dầu mỏ hoặc các công ty viễn thông. Các chiến lược này thường dựa trên giả định về mối tương quan trong ngành và nhằm mục đích đạt được lợi nhuận chênh lệch bằng cách mua cổ phiếu bị định giá thấp và bán cổ phiếu bị định giá cao.

Khi thị trường phát triển, các chiến lược kinh doanh chênh lệch thống kê đã dần mở rộng sang các thị trường tài chính khác, chẳng hạn như hàng hóa tương lai, ngoại hối và tiền điện tử. Ở những thị trường này, có thể tìm thấy những tổ hợp giỏ hàng khác nhau có mối tương quan và sử dụng chênh lệch giá để tiến hành giao dịch chênh lệch giá. Logic của chiến lược này dựa trên nguyên tắc trở về giá trị trung bình. Khi giá của nhiều tổ hợp giỏ hàng lệch khỏi phạm vi thống kê của chúng, sẽ có xu hướng hồi quy. Dựa trên xu hướng này, người ta có thể bán một giỏ sản phẩm có giá cao và mua một giỏ sản phẩm có giá thấp khi chênh lệch giá lớn, nhằm phòng ngừa tình trạng định giá sai tạm thời trên thị trường. Theo cách này, bạn có thể thu được lợi nhuận từ việc phân bổ nhiều cặp giỏ hàng.

2. Ưu điểm và nhược điểm của Trọng tài thống kê

lợi thế:

• Giảm rủi ro thị trường: Chiến lược chênh lệch giá thống kê dựa trên các giao dịch chênh lệch giá giữa các mức chênh lệch giữa các rổ hàng hóa. So với các giao dịch hàng hóa đơn lẻ, chúng đa dạng hóa rủi ro và giảm tác động của biến động thị trường lên các chiến lược. Giảm thiểu rủi ro hệ thống của thị trường.
• Lợi nhuận ổn định: Các chiến lược chênh lệch thống kê thực hiện các giao dịch chênh lệch hồi quy dựa trên việc định giá sai thị trường trong ngắn hạn và có đặc điểm lợi nhuận ổn định hơn so với các chiến lược định hướng. So với các chiến lược định hướng, nó mang lại rủi ro thấp hơn, biến động thấp hơn và lợi nhuận ổn định hơn.
• Có thể thích ứng với nhiều môi trường thị trường khác nhau: Các chiến lược kinh doanh chênh lệch thống kê có thể hoạt động trong nhiều môi trường thị trường khác nhau vì chiến lược giao dịch này ít liên quan đến hướng đi của thị trường.

khuyết điểm:

• Dữ liệu lịch sử chỉ có thể phản ánh các mối quan hệ trong quá khứ và không thể phản ánh đầy đủ tương lai, do đó có một số rủi ro nhất định. Việc xây dựng các chiến lược chênh lệch thống kê sẽ sử dụng một số lượng lớn các bài kiểm tra thống kê và tiến hành khai thác kết hợp và tương quan các sản phẩm giỏ hàng dựa trên dữ liệu lớn trong lịch sử. Các chiến lược này có thể thay đổi trong tương lai và có một số rủi ro đuôi.
• Khoảng thời gian cần thiết để đưa thị trường trở lại trạng thái cân bằng với những sai sót và mất cân bằng về giá trong ngắn hạn rất khó để đánh giá chính xác. Nếu thời gian giao dịch quá dài, chi phí sử dụng vốn cũng sẽ rất cao.
• Khả năng phân tích dữ liệu và xây dựng mô hình có yêu cầu cao: Các chiến lược kinh doanh chênh lệch thống kê đòi hỏi phải phân tích chuyên sâu và lập mô hình dữ liệu thống kê như tương quan và đồng tích hợp giữa các tổ hợp giỏ hàng khác nhau, đồng thời đòi hỏi khả năng phân tích dữ liệu và xây dựng mô hình cao.
• Rủi ro thực hiện giao dịch và thanh khoản: Vì đây là giao dịch phòng ngừa đa sản phẩm nên giá thực hiện và khối lượng giao dịch có thể bị ảnh hưởng bởi các sản phẩm khác nhau và có rủi ro thực hiện giao dịch. Cần có chiến lược thiết kế và triển khai kiến ​​trúc phức tạp hơn.

3. Nội dung chính của Alpha thống kê chênh lệch giá này

1. Theo dõi tất cả dữ liệu sản phẩm theo thời gian thực, tiến hành quét dữ liệu lớn và xây dựng các kết hợp giỏ hàng sản phẩm dài hạn và ngắn hạn.

Cụ thể, sẽ xây dựng một cặp giỏ kết hợp: ví dụ, nếu có 6 giống A, B, C, D, E và F, mỗi giống có thể được chia thành 2 nhóm, với 3 giống trong mỗi nhóm, để xây dựng một giỏ sự kết hợp. Đồng thời, sẽ xây dựng chênh lệch chỉ số: một số ngành, lĩnh vực sẽ được chia thành hai, xây dựng hai chỉ số thị trường mới, sau đó tiến hành phân tích dữ liệu thống kê trên hai chỉ số này.

2. Kiểm tra mối tương quan giữa các tổ hợp giỏ dài và giỏ ngắn.

Hệ số tương quan đề cập đến mức độ liên kết giữa hai hoặc nhiều biến. Nó được sử dụng để đo lường mối quan hệ giữa sự thay đổi của một biến và sự thay đổi của biến khác, giúp xác định xem có mối quan hệ tương ứng hay không hoặc dự đoán tác động của sự thay đổi của một biến lên biến khác. Hệ số tương quan là một phương pháp phổ biến để đo lường tương quan. Các phương pháp phổ biến bao gồm hệ số tương quan Pearson và hệ số tương quan thứ hạng Spearman. Hệ số tương quan Pearson được sử dụng để đánh giá mối quan hệ giữa hai biến liên tục, trong khi hệ số tương quan thứ hạng Spearman được sử dụng để đánh giá mối quan hệ giữa hai biến thứ tự. Phạm vi của hệ số tương quan là[-1, 1], trong đó -1 biểu thị mối tương quan âm, 1 biểu thị mối tương quan dương và 0 biểu thị không có mối tương quan. Hệ số tương quan càng gần -1 hoặc 1 thì tương quan càng mạnh; càng gần 0 thì tương quan càng yếu. Công thức toán học của hệ số tương quan như sau (lấy hệ số tương quan Pearson làm ví dụ):

r = cov(X, Y) / (std(X) * std(Y))。

Trong đó, r là hệ số tương quan, cov là hiệp phương sai, std là độ lệch chuẩn và X và Y lần lượt biểu diễn hai biến. Khi kiểm tra mối tương quan, cách tiếp cận phổ biến là tính toán ý nghĩa thống kê của hệ số tương quan. Kiểm định giả thuyết thường có thể được sử dụng để xác định xem hệ số tương quan có đáng kể hay không. Giả thuyết không của kiểm định giả thuyết là không có mối tương quan giữa các biến. Thống kê của hệ số tương quan được tính toán để xác định có nên bác bỏ giả thuyết không hay không.

3. Kiểm tra sự đồng tích hợp của danh mục đầu tư dài hạn-ngắn hạn.

Đồng tích hợp đề cập đến mối quan hệ dài hạn giữa hai hoặc nhiều biến chuỗi thời gian, nghĩa là sự kết hợp tuyến tính của chúng là ổn định. So với tương quan, đồng tích hợp chú ý nhiều hơn đến mối quan hệ cân bằng dài hạn thay vì chỉ tương quan ngắn hạn. Khi chúng đi chệch khỏi mối quan hệ cân bằng này, sẽ có cơ chế điều chỉnh để đưa độ lệch trở lại phạm vi hợp lý. Khái niệm đồng tích hợp lần đầu tiên được Spiegelman (S.G.Engle) và Granger (C.W.J.Granger) đề xuất vào năm 1987 để giải quyết vấn đề hồi quy giả trong phân tích chuỗi thời gian. Vấn đề hồi quy giả mạo là do sự tồn tại có thể có của các đơn vị gốc giữa các biến. Các đơn vị gốc làm cho mối quan hệ hồi quy giữa các biến có vẻ đáng kể trong ngắn hạn, nhưng không có mối quan hệ cân bằng thực sự trong dài hạn.

Lý thuyết đồng tích hợp bắt đầu bằng việc phân tích tính không dừng của chuỗi thời gian và khám phá mối quan hệ cân bằng dài hạn ngụ ý bởi các biến không dừng. Nếu các biến liên quan là dừng sau phép tính sai phân bậc nhất và một số tổ hợp tuyến tính của các biến này là dừng thì có sự đồng tích hợp giữa các biến này. Đồng tích hợp được sử dụng để mô tả mối quan hệ dừng giữa hai hoặc nhiều chuỗi. Mỗi chuỗi có thể không dừng riêng lẻ và các mômen của các chuỗi này, chẳng hạn như trung bình, phương sai hoặc hiệp phương sai, thay đổi theo thời gian, trong khi chuỗi kết hợp tuyến tính của các chuỗi thời gian này có thể có đặc tính không thay đổi theo thời gian. Khi giá của hai tài sản được đồng tích hợp, sự kết hợp tuyến tính của chúng sẽ có đặc tính trở lại giá trị trung bình. Công thức toán học của đồng tích hợp như sau (lấy hai biến chuỗi thời gian làm ví dụ):

Y_t = β_0 + β_1 * X_t + ε_t

Trong đó, Y_t và X_t biểu diễn giá trị quan sát của hai biến chuỗi thời gian, β_1 là hệ số hồi quy và ε_t là hạng tử lỗi. Nếu có mối quan hệ đồng tích hợp giữa Y_t và X_t, thì tổ hợp tuyến tính của hai biến sẽ ổn định, tức là ε_t là dừng. Thỏa mãn phân phối chuẩn với giá trị trung bình bằng 0. Khi kiểm tra đồng tích hợp, thường cần phải có một bài kiểm tra tính ổn định. Các phương pháp thường được sử dụng bao gồm bài kiểm tra Johansen và bài kiểm tra Engle-Granger. Kiểm định Johansen dựa trên phương pháp giá trị riêng và có thể kiểm định trực tiếp mối quan hệ đồng tích hợp giữa nhiều biến. Kiểm định hai bước Engle-Granger dựa trên phương pháp ước lượng OLS đã sửa đổi (Bình phương tối thiểu thông thường) và phù hợp để kiểm định mối quan hệ đồng tích hợp giữa hai biến.

4. Chiến lược này sẽ kiểm tra mối quan hệ đồng tích hợp của chuỗi thời gian đối với một số lượng lớn các kết hợp. Các tiêu chí cụ thể như sau:

• Chuỗi giá theo thời gian của một rổ danh mục đầu tư đơn lẻ là một vectơ tích phân đơn bậc nhất, nghĩa là chuỗi giá theo thời gian không dừng (có xu hướng rõ ràng). Sử dụng gốc đơn vị ADF để kiểm tra tính dừng của giá theo thời gian tại nhiều khoảng thời gian.
• Chuỗi sai phân bậc nhất (tức là đạo hàm) của các tổ hợp giỏ hàng riêng lẻ là chuỗi dừng. Kiểm định căn bậc hai của ADF cho chuỗi giá theo thời gian. Đơn vị gốc ADF được sử dụng để kiểm tra tính dừng của các chênh lệch bậc nhất của hai chuỗi giá theo thời gian.
• Một tổ hợp tuyến tính nhất định của chuỗi giá theo thời gian kết hợp là dừng, nghĩa là phần dư của phương trình tuyến tính được xây dựng bằng hai chuỗi là dừng. Đối với hai chuỗi có cùng thứ tự, hồi quy OLS được thực hiện và tính dừng của phần dư được kiểm tra.
• Sẽ không lặp lại thêm các thử nghiệm thống kê và phân tích dữ liệu ở đây. Một phân tích thống kê toàn diện, chi tiết và quy mô lớn sẽ được tiến hành trên tất cả các sản phẩm trên toàn bộ thị trường.

5. Thực hiện một số lượng lớn các thử nghiệm chỉ số Hurst.

Số mũ Hurst được sử dụng để đo trí nhớ dài hạn của một chuỗi thời gian nhằm xác định đặc điểm hồi quy trung bình của chuỗi. Giá trị chỉ số Hurst nằm trong khoảng từ 0 đến 1, với các giá trị gần 0,5 biểu thị chuyển động ngẫu nhiên và các giá trị gần 1 biểu thị xu hướng liên tục. Nguyên tắc: Chỉ số Hurst ước tính mức độ bộ nhớ dài hạn của một chuỗi bằng cách tính toán mối quan hệ giữa phạm vi độ lệch của các chuỗi con chồng lấn của chuỗi và độ dài của chúng. Công thức toán học: Một phương pháp để tính chỉ số Hurst là sử dụng mối quan hệ giữa phạm vi độ lệch và độ dài của các chuỗi con chồng lấn để thiết lập mối quan hệ tương ứng của các bước đi ngẫu nhiên. Số mũ Hurst có thể được ước tính bằng cách sử dụng hồi quy tuyến tính phù hợp giữa phạm vi phân tán và độ dài của các chuỗi con chồng lấn.

6. Ước tính thời gian bán hủy hồi quy trung bình.

Chu kỳ bán rã trở lại mức trung bình là một phép đo được sử dụng để ước tính thời gian cần thiết để một chuỗi giá trở lại mức trung bình của nó. Chu kỳ bán rã càng ngắn thì tốc độ hồi phục trung bình càng nhanh. Nguyên tắc: Thời gian bán hủy hồi quy trung bình được ước tính bằng cách áp dụng mô hình trung bình động hàm mũ hội tụ (EMA). Khi độ lệch của chuỗi giá so với giá trị trung bình vượt quá chu kỳ bán rã, có thể coi là có khả năng giá trị trung bình sẽ quay trở lại. Công thức toán học: Công thức tính thời gian bán hủy hồi quy trung bình như sau:

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

Phương pháp xác minh: Bạn có thể tính toán EMA của chuỗi giá, sau đó tính toán chu kỳ bán rã dựa trên EMA.

7. Xây dựng chiến lược giao dịch dựa trên lượng lớn dữ liệu thống kê.

Nói một cách đơn giản, các kết hợp sản phẩm trong giỏ hàng được lọc dựa trên việc sắp xếp chỉ số Hurst, các tham số thống kê có liên quan được ước tính dựa trên thời gian bán hủy đảo ngược trung bình và kết hợp chiến lược giao dịch được xây dựng dựa trên sự đồng tích hợp. Sẽ không mô tả thêm chi tiết .

Giả sử x và y là chuỗi thời gian giá của rổ tài sản X và rổ Y tương ứng. Mối quan hệ đồng tích hợp giữa hai rổ này có thể được biểu thị như sau: Lny = a + blnx + c, trong đó c là số hạng còn lại, ổn định và thỏa mãn trung bình của 0. Phân phối chuẩn.

Sau khi kiểm định đồng tích hợp, có mối quan hệ đồng tích hợp giữa giá thời gian của tài sản X và Y, độ lệch chuẩn của số hạng dư c là σ và hằng số λ được chọn làm giá trị biên.

• Khi lny-(a+blnx) > λσ, giá của giỏ hàng Y được định giá quá cao và giá của giỏ hàng X được định giá quá thấp, do đó hãy mua giỏ hàng X và bán giỏ hàng Y;
• Khi lny-(a+blnx) < -λσ, giá của giỏ hàng X được định giá quá cao tương đối và giá của giỏ hàng Y được định giá quá thấp tương đối, do đó hãy mua giỏ hàng Y và bán giỏ hàng X;
• Khi chênh lệch giá lny-(a+blnx) trở về phạm vi nhất định, chẳng hạn như [-0,5λσ, 0,5λσ], hãy đóng vị thế;

8. Một số đặc điểm.

Phiên bản hiện tại tương đối hoàn chỉnh, bao gồm giao dịch thị trường gần đầy đủ siêu mạnh, ước tính xu hướng tần suất cao của các nhiệm vụ giao dịch và giá thị trường để đạt được lợi thế giao dịch Maker-Taker tần suất cao và phòng ngừa rủi ro đuôi của các sản phẩm đơn lẻ sau xác suất dài hạn xác minh lợi thế. Bảo vệ, ghi chép cục bộ cuối cùng của mỗi lệnh, hoạt động phòng ngừa hỗn hợp với các chiến lược khác, v.v. không còn được xây dựng nữa.

4. Một số hiệu suất lịch sử (thống kê lát cắt ở mức phút, dữ liệu chi phí của người nhận là 50.000 sau khi ước tính giá giao dịch thực tế)

[Neutral Hedge Statistical Arbitrage Mới] - Siêu tân tinh

5. Mong muốn hợp tác và trao đổi, cùng nhau học hỏi và tiến bộ

[Neutral Hedge Statistical Arbitrage Mới] - Siêu tân tinh

Dữ liệu tiền của bên thứ ba

Mỗi chiến lược đều có phương pháp luận và điều kiện thị trường riêng để quyết định xem nó có phù hợp hay không. Ví dụ, chiến lược hồi quy trung bình dựa trên các lý thuyết như chuyển động ngẫu nhiên của thị trường, còn chiến lược xu hướng động lượng dựa trên nhiều lý thuyết tài chính hành vi và sự tồn tại của biến động đuôi béo trên thị trường. Điều quan trọng là phải hiểu các nguyên tắc của nó và thích nghi với những biến động dựa trên các đặc điểm của nó. Đồng thời, người sử dụng các chiến lược phải chú ý đến thực tế là lợi nhuận và thua lỗ đều xuất phát từ cùng một nguồn. Lợi nhuận cao hơn luôn đi kèm với rủi ro cao hơn. Các chiến lược trưởng thành có những ưu điểm và nhược điểm của chúng. Chúng nên được sử dụng hợp lý và tận dụng điểm mạnh của họ và tránh điểm yếu của họ. Họ nên biết đúng sai của mình, và liệu họ có phù hợp với thị trường hay không. Một màn trình diễn hoàn chỉnh, tự tin và không có bất ngờ.

Lượng hóa không phải là cỗ máy chuyển động vĩnh cửu, cũng không phải là toàn năng, nhưng nó phải là hướng đi của giao dịch trong tương lai và đáng để mọi nhà giao dịch tìm hiểu và sử dụng! Tất cả các nhà giao dịch đều được hoan nghênh chỉ ra những thiếu sót, cùng nhau thảo luận, cùng nhau học hỏi và cải thiện, vượt qua những sóng gió trong thị trường đầy biến động và tiến về phía trước.

● Chiến lược này khá độc đáo và khá khác biệt so với các xu hướng truyền thống, lưới, tần số cao, chênh lệch giá, v.v. Nó có năng lực hạn chế và chủ yếu là tự vận hành. Người dùng lớn và nhà đầu tư tổ chức được chào đón để giao lưu và học hỏi.

● Nhiều kế hoạch hợp tác hơn: Chúng tôi duy trì thái độ hợp tác cởi mở và cùng có lợi đối với bất kỳ cá nhân và tổ chức nào có nhu cầu. Chúng tôi mong muốn được thảo luận và hợp tác tùy chỉnh dựa trên nhu cầu, sở thích rủi ro, v.v. của bạn.

Nếu bạn có khẩu vị rủi ro cao hơn, thích lợi nhuận và thua lỗ ngắn hạn và có nhu cầu giao dịch ngắn hạn, bạn có thể xem xét một chiến lược tần suất cao ổn định khác với lợi nhuận hàng tháng từ 3%-50% và không có rủi ro. thanh lý: Lưới tạo lập thị trường phòng ngừa tần suất cao Mới

Nếu bạn có số tiền lớn, bạn có thể quan sát một hệ thống giao dịch CTA kép tần suất trung bình và thấp dung lượng lớn khác, đã giao dịch thực tế trong 1.000 ngày mà không gặp bất kỳ trở ngại nào. Đây là hệ thống kết hợp chiến lược CTA có thời gian công bố dài nhất, tính ổn định cao và tính phổ biến mạnh mẽ, nhằm đạt được sự tăng trưởng ổn định trong trung và dài hạn: 【Hệ thống giao dịch CTA hợp chất mới】(Phiên bản công khai đa yếu tố + đa dạng + đa chiến lược)

✱ Thông tin liên lạc (hoan nghênh thảo luận và cùng nhau học hỏi) WECHAT: haiyanyydss Telegram: https://t.me/JadeRabbitcm Thông tin hữu ích hơn ➔ Quantitative House of the Trader https://www.fmz.com/market-offer/512 ✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024