论文部分内容阅读
我国于2010年4月16日正式推出第一批沪深300股指期货合约，它以沪深300指数为标的物。2012年4月，推出沪深300ETF（开放式交易型指数基金），它可作为现货指数直接标的沪深300指数。本文基于沪深300ETF进行股指期货的统计套利实证研究，具有明显优势。股指期货统计套利至关重要的三点如下:一是构建现货头寸，二是确定交易阀值识别套利起始和结束信号，三是统计套利交易模型的选取。对于现货头寸的建立，本文先选取华泰柏瑞沪深300ETF和嘉实沪深300ETF两只运行成熟的沪深300ETF基金，比较二者对于标的指数沪深300指数的跟踪误差，结果表明嘉实沪深300ETF的跟踪误差较大，并没有达到基金招募书上的基本要求，而华泰柏瑞沪深300ETF跟踪误差较小，因此选取其作为现货头寸，研究其与股指期货IF1501的期现套利状况。对于套利交易策略中套利交易阀值的设定，通过利用套利期望收益函数计算套利收益达到最大值时的交易阀值，可知当阀值取0.73时，套利收益达到最大值。当价差序列上穿或下穿所设定的套利交易阀值时，触发套利交易，一旦价差回复到均值附近即接近于0时平仓结束套利交易。 统计套利的基本原理是基于协整的概念，基本思想为“均值回复”，即配对资产之间存在长期的均衡关系，一旦价差序列发生偏离，总会回复到均衡位置，与大多数文献只选取单一模型进行套利研究相比，对于模型的选取，本文选取两种统计套利交易模型OLS恒定波动交易模型和GARCH时变波动交易模型，通过对两个统计套利模型指定相应的套利基本步骤，并对所选取时间序列数据作ADF、协整检验，分析比较OLS和GARCH模型对于股指期货和ETF的套利效率。 对于基于沪深300股指期货的统计套利的研究，本文首先选取样本内1分钟高频交易数据研究统计套利配对交易策略，通过对配对资产作协整检验，依据协整系数确定配对交易系数，进而求得套利交易头寸的大小。基于OLS和GARCH模型研究样本内1分钟高频交易数据的正向套利和反向套利结果显示，从传统指标如年化平均收益率、期末累计收益率、胜率等关键性指标来看，GARCH模型的表现优于OLS模型，与理论分析认为的GARCH模型比OLS模型具有更好的套利效果相吻合，因为GARCH模型具有独特的价差序列时变方差特性。其次，根据样本内数据所得到的配对交易策略模拟样本外数据，交易结果显示OLS模型和GARCH模型的反向套利收益率均较正向套利收益率高，且观察盈亏比（即盈利和亏损的比值）发现，GARCH模型反向套利＞OLS反向套利＞GARCH正向套利＞OLS正向套利，由于盈亏比衡量盈利的幅度，可以说明基于两种模型的统计套利策略更适用于反向套利。结合样本内和样本外统计套利结果，GARCH模型反向套利表现效果最好。由于传统指标评价的套利表现只衡量收益状况，并没有考虑收益带来的风险，因此选取夏普比率衡量收益率的整体波动情况，结合累计年化收益率大小，OLS模型反向套利和GARCH模型反向套利的效果最好，因其累计年化收益率和夏普比率都较高，而OLS模型和GARCH模型正向套利在累计年化收益率低的前提下，夏普比率也表现较差。这个结论与用传统指标所评价的套利交易结果相一致。 因此，传统指标与夏普比率都表明运用统计套利模型对于反向套利有更好的效果，结合样本内的套利结果，运用OLS模型正向套利所得收益率为负，理应剔除。同时，运用GARCH模型正向套利表现并没有反向套利结果好，因此建议投资者在运用高频数据进行统计套利交易时，首选GARCH模型反向套利操作，其次选择OLS模型反向套利，最后选择GARCH模型正向套利。