基于支持向量回归的股指期货跨期价差预测及其套利研究 ——兼与ARMA-GARCH的比较

• 作 者: 吴功一
• 机 构: 东北财经大学
• 出 处: 东北财经大学
• 发表日期: 2020年01期
• 关键词: 跨期套利 价差预测 支持向量回归 移动平均线

随着中国金融期货交易所对股指期货的再一次“松绑”以及5G时代的来临,高频套利交易的机遇随之而来。套利交易凭借其收益稳健、风险较小的特点,受到广大学者的研究与投资者的青睐,套利的相关理论也是层出不穷。且随着时代的发展,创新频出、策略更迭,却始终不会存在一个永久适用的套利方法。因此,针对不同的时期、政策条件、经济背景,制定与之相应的套利策略则十分有必要。协整理论虽然被应用得最为频繁,但单纯依据其创建的套利策略由于忽略价差的短期波动逐渐被通过基于价差预测构建套利策略的方式所替代,尤其针对高频套利交易。而对于价差序列的拟合则存在两种常用方式,一种是以ARMA为代表的线性拟合模型,另一种是以机器学习为代表的非线性拟合模型,而在众多的机器学习方式中,本文通过对以往研究成果进行比较后选择了训练速度快、对训练样本依赖性更小、泛化能力出色的支持向量回归模型。通过分别利用ARMA-GARCH模型与支持向量回归模型构建股指期货跨期价差序列,并对价差预测效果进行比较,结果证实支持向量回归模型具备更出色的价差预测能力,最终验证价差序列非线性的同时,选择支持向量回归模型作为本次策略主要的拟合模型,而ARMA-GARCH模型作为对照模型。在套利策略构建阶段,考虑到以往学者直接以价差序列作为均值序列可能包含更多噪声,并且波动较大,本文引入移动平均线并将其作为套利策略的均值序列,并计算其同窗宽标准差作为波动率序列,在二者基础上创建合理波动区间,并依据此设计交易系统。之后对中证500股指期货2019年4月22日至2019年11月13日期间的主力合约与次主力合约的一分钟高频数据进行六种不同窗宽移动平均线套利策略的实证,通过结果发现基于当前最新平今手续费条件下,随着窗宽的增加,套利策略的表现更加出色。而由于以往以价差作为均值序列的方式即是本策略中窗宽等于1时的特例,因此本结果间接证明,在当前政策下,选择较大窗宽的移动平均线作为均值序列能够取得比前者更为出色的效果。对这一结果进一步研究发现,小窗宽移动平均线虽然具有能够捕获更多小幅偏差的优势,却由于受当前平今手续费仍然较高的限制,需要通过更高的置信度设置开仓阈值而未能发挥,而又因其存在波动大的缺陷,导致平仓时套利价差的缩小,进而表现较差。本文还通过将手续费降为当前三分之一再次进行回测发现,小窗宽的移动平均线策略则发挥其优势,表现出远优于大窗宽移动平均线策略的收益水平。因此,若中金所延续目前对股指期货持续松绑的态势,进一步降低平今手续费,可尝试利用小窗宽移动平均线套利策略。之后,本文引入手续费调整日前的失真回测区间作为对照集并在相同条件与计算方式下进行回测,之后与手续费调整日后的真实回测区间的年化收益率进行比较,发现利用当前手续费在失真回测区间的回测收益率远高于真实区间部分,即失真程度较大,猜测随着对股指期货限制的减弱,更多套利者进入市场进行套利操作,市场的波动情况发生较大变化,异常值偏差幅度减小或者异常修复更快,导致套利机会明显减少,进而从某种程度上验证了我国股指期货市场较强的自适应机制的同时,佐证了针对不同政策背景需要制定与之相对应的策略这一论断。最后,通过比较ARMA-GARCH模型与支持向量回归模型的套利策略的年化收益率,发现后者具备更出色的套利效果,进一步证实选择支持向量回归作为基于价差移动平均线预测的套利策略的模型更为适合。