基于多元协整模型的量化对冲新策略研究

• 作 者: 石好
• 出 处: 华南理工大学
• 发表日期: 2017年期
• 关键词: 统计套利 k-means聚类 Johansen协整检验 Gregory-Hansen协整检验

2010年以来,国内股指期货以及融资融券业务的不断完善为统计套利提供了非常有利的条件。而统计套利策略的典型代表之一就是配对交易,但由于目前我国A股市场无法卖空个股,所以,我们考虑可以用股指期货对冲股指成分股的组合来规避市场风险。为了提高投资组合的稳健性,以获得较低风险的超额收益,本文在行业中性的基础上通过k-means聚类以及Johansen协整检验和Gregory-Hansen变结构协整检验(GH检验)来构建选股模型,再利用价差的偏离与回归原理进行套利,最终形成一个较为完善的基于多元协整关系的量化对冲模型。由于多元股票统计套利需要良好的协整关系,而属于同一个行业是股票具有协整关系的前提,所以,首先对沪深300指数成分股按申万一级行业标准进行行业分类。接着,在每个行业里用聚类找出基本面相似的股票组合:先对学习期中所有报告期里的:净资产收益率、总资产收益率、净利润现金含量、主营业务利润增长率、净利润增长率、总资产增长率、每股负债比、资产负债率、流动负债比、总资产周转率、流动比率和存货周转率等12个指标做主成分分析,形成一个综合评分矩阵,然后对股票做k-means聚类。然后,针对是否考虑数据存在结构突变的情况,我们对同一类所有股票的收盘价序列分别进行Johansen协整检验和Gregory-Hansen变结构协整检验,若通过检验,则认为组合具有多元协整关系。最后,对具有多元协整关系的组合进行套利操作:计算每只股票的价差,以收盘价买入价差排名最末的股票,待排名上升至一定位置或者价差连续七天扩大时进行平仓,并做空沪深300股指期货进行对冲。其中,以行业在沪深300指数中的占比为权重进行配资,其中若同一行业有多个组合,则平分。以三个月为调仓期,在2016年1月1日到2017年3月31日的历史回测中,两个模型分别收获了32.03%、37.27%的年化收益率,这说明模型是有效的,而且后者的年化收益明显高于前者,这说明在构建协整套利模型时,有必要考虑数据是否会存在结构突变的情况。