[Timbang Tara Statistik Lindung Nilai Neutral Baharu] (Edisi Fantasi Alfa Tulen)

Timbang Tara Statistik Lindung Nilai Neutral Baharu

-0 Strategi Arbitraj Statistik Lindung Nilai Neutral dengan Pendedahan Panjang dan Pendek

Helo, rakan pedagang Selepas beberapa bulan penyahpepijatan, pengoptimuman dan lelaran, saya gembira kerana arbitraj statistik lindung nilai neutral ini telah mencapai tahap yang agak stabil dan boleh dikeluarkan kepada semua orang. Ini ialah strategi neutral pasaran berdasarkan lindung nilai panjang-pendek Dalam akaun yang sama, anda boleh menggunakan bakul produk dan pendek pada bakul produk, dengan nilai panjang dan pendek yang sama. Di bawah premis untuk mengelakkan risiko sistemik beta pasaran, kaedah statistik digunakan untuk mencari pelbagai kombinasi gandingan jangka pendek untuk mencapai strategi arbitraj berisiko rendah dengan keuntungan alfa yang stabil. Strategi ini mempunyai pengalaman pegangan yang baik, korelasi yang rendah dengan pasaran, pendedahan panjang dan pendek neutral, dan tiada risiko kejadian angsa hitam yang melampau seperti ³¹²⁄₅₁₉ Sebaliknya, ia akan menjadi pukulan besar pada masa pasaran salah harga dan benar-benar huru-hara. Strategi ini akan diterangkan secara terperinci di bawah.

Hello~Welcome come to my channel！

Selamat datang semua pedagang ke saluran saya. Saya Zuoshoujun, Pembangun Quant, yang membangunkan strategi perdagangan tindanan penuh seperti CTA & HFT & Arbitraj. Terima kasih kepada platform FMZ, saya akan berkongsi lebih banyak kandungan berkaitan pembangunan kuantitatif pada saluran kuantitatif saya dan bekerjasama dengan semua peniaga untuk mengekalkan kemakmuran komuniti kuantitatif.

Untuk maklumat lanjut, sila layari saluran saya~ Saya menunggu anda di sini【Pondok Kuantitatif Pembuat】

1. Pengenalan dan penjelasan arbitraj statistik

Strategi arbitraj statistik ialah strategi perdagangan yang mengeksploitasi hubungan harga antara bakul komoditi yang berbeza. Strategi ini adalah berdasarkan prinsip statistik Ia menganalisis trend harga sejarah dan korelasi antara pelbagai jenis, mencari perbezaan harga antara mereka, dan menggunakan perbezaan ini untuk berdagang. Dari segi sejarah, strategi arbitraj statistik telah digunakan secara meluas dalam pasaran saham. Strategi timbang tara statistik terawal dijalankan terutamanya antara saham, seperti antara syarikat minyak atau syarikat telekomunikasi. Strategi ini selalunya berdasarkan andaian korelasi industri, dan bertujuan untuk mencapai arbitraj dengan membeli saham kurang nilai dan menjual saham lebih nilai.

Apabila pasaran berkembang, strategi arbitraj statistik telah berkembang secara beransur-ansur ke pasaran kewangan lain, seperti niaga hadapan komoditi, pertukaran asing dan mata wang kripto. Dalam pasaran ini, adalah mungkin untuk mencari kombinasi bakul berbeza yang berkorelasi dan menggunakan perbezaan harga untuk menjalankan perdagangan arbitraj. Logik strategi ini adalah berdasarkan prinsip pengembalian min. Apabila harga gabungan berbilang bakul menyimpang daripada julat statistiknya, terdapat kecenderungan untuk regresi. Berdasarkan arah aliran ini, seseorang boleh menjual sekumpulan produk dengan harga yang tinggi dan membeli sekumpulan produk dengan harga yang rendah apabila sisihan harga adalah besar, untuk melindung nilai daripada salah harga sementara di pasaran. Dengan cara ini, anda boleh memperoleh keuntungan daripada penyebaran berbilang kombinasi gandingan bakul.

2. Kelebihan dan Kelemahan Arbitraj Statistik

kelebihan:

• Mengurangkan risiko pasaran: Strategi timbang tara statistik adalah berdasarkan urus niaga arbitraj antara perbezaan antara bakul komoditi Berbanding dengan urus niaga komoditi tunggal, ia mempelbagaikan risiko dan mengurangkan kesan turun naik pasaran ke atas strategi. Mengurangkan risiko sistemik pasaran.
• Pulangan stabil: Strategi arbitraj statistik menjalankan urus niaga arbitraj regresi berdasarkan salah harga pasaran jangka pendek dan mempunyai ciri pulangan yang lebih stabil berbanding dengan strategi berarah. Berbanding dengan strategi berarah, ia menghasilkan risiko yang lebih rendah, turun naik yang lebih rendah dan pulangan yang lebih stabil.
• Boleh menyesuaikan diri dengan persekitaran pasaran yang berbeza: Strategi arbitraj statistik boleh beroperasi dalam persekitaran pasaran yang berbeza kerana strategi perdagangan ini kurang berkaitan dengan arah arah pasaran.

kekurangan:

• Data sejarah hanya boleh mencerminkan hubungan masa lalu dan tidak boleh mewakili masa depan sepenuhnya, jadi terdapat risiko tertentu. Pembinaan strategi timbang tara statistik akan menggunakan sejumlah besar ujian statistik, dan menjalankan gabungan dan perlombongan korelasi produk bakul berdasarkan data besar sejarah Strategi ini mungkin berubah pada masa hadapan dan mempunyai risiko ekor tertentu.
• Jangka masa yang diperlukan untuk mengembalikan pasaran kepada keseimbangan dengan ralat harga jangka pendek dan ketidakseimbangan adalah sukar untuk dinilai dengan tepat. Jika masa transaksi terlalu lama, kos penggunaan dana juga akan menjadi sangat tinggi.
• Keupayaan analisis data dan pembinaan model yang sangat menuntut: Strategi arbitraj statistik memerlukan analisis dan pemodelan data statistik yang mendalam seperti korelasi dan kointegrasi antara kombinasi bakul yang berbeza, yang memerlukan analisis data yang tinggi dan keupayaan membina model.
• Pelaksanaan transaksi dan risiko kecairan: Memandangkan ia merupakan transaksi lindung nilai berbilang produk, harga pelaksanaan dan volum dagangan mungkin dipengaruhi oleh produk yang berbeza, dan terdapat risiko pelaksanaan transaksi. Reka bentuk strategi dan pelaksanaan seni bina yang lebih canggih diperlukan.

3. Kandungan utama arbitraj statistik Alpha ini

1. Pantau semua data produk dalam masa nyata, jalankan pengimbasan data besar dan bina gabungan bakul produk yang panjang dan pendek.

Secara khusus, gandingan bakul gabungan akan dibina: contohnya, jika terdapat 6 jenis A, B, C, D, E, dan F, setiap satu boleh dibahagikan kepada 2 kumpulan, dengan 3 jenis dalam setiap kumpulan, untuk membina bakul. gabungan. Pada masa yang sama, arbitraj indeks akan dibina: beberapa industri dan sektor akan dibahagikan kepada dua, dua indeks pasaran baharu akan dibina, dan kemudian analisis data statistik akan dijalankan pada kedua-dua indeks ini.

2. Semak perkaitan antara kombinasi bakul panjang dan pendek.

Korelasi merujuk kepada darjah perkaitan antara dua atau lebih pembolehubah. Ia digunakan untuk mengukur hubungan antara perubahan satu pembolehubah dan perubahan pembolehubah lain, yang membantu untuk menentukan sama ada terdapat hubungan yang sepadan atau meramalkan kesan perubahan satu pembolehubah pada pembolehubah lain. Pekali korelasi ialah kaedah biasa untuk mengukur korelasi yang biasa termasuk pekali korelasi Pearson dan pekali korelasi pangkat Spearman. Pekali korelasi Pearson digunakan untuk menilai hubungan antara dua pembolehubah selanjar, manakala pekali korelasi pangkat Spearman digunakan untuk menilai hubungan antara dua pembolehubah ordinal. Julat pekali korelasi ialah[-1, 1], di mana -1 menunjukkan korelasi negatif, 1 menunjukkan korelasi positif, dan 0 menunjukkan tiada korelasi. Semakin dekat pekali korelasi dengan -1 atau 1, semakin kuat korelasinya; Formula matematik pekali korelasi adalah seperti berikut (mengambil pekali korelasi Pearson sebagai contoh):

r = cov(X, Y) / (std(X) * std(Y))。

Antaranya, r ialah pekali korelasi, cov ialah kovarians, std ialah sisihan piawai, dan X dan Y masing-masing mewakili dua pembolehubah. Apabila menguji korelasi, pendekatan biasa ialah mengira kepentingan statistik bagi pekali korelasi. Ujian hipotesis biasanya boleh digunakan untuk menentukan sama ada pekali korelasi adalah signifikan. Hipotesis nol ujian hipotesis ialah tiada korelasi antara pembolehubah Statistik pekali korelasi dikira untuk menentukan sama ada untuk menolak hipotesis nol.

3. Uji kointegrasi portfolio bakul panjang-pendek.

Kointegrasi merujuk kepada hubungan jangka panjang antara dua atau lebih pembolehubah siri masa, iaitu gabungan linearnya adalah stabil. Berbanding dengan korelasi, kointegrasi memberi lebih perhatian kepada hubungan keseimbangan jangka panjang dan bukan hanya korelasi jangka pendek. Apabila mereka menyimpang daripada hubungan keseimbangan ini, terdapat mekanisme pembetulan untuk membawa sisihan kembali ke julat yang munasabah. Konsep kointegrasi pertama kali dicadangkan oleh Spiegelman (S.G.Engle) dan Granger (C.W.J.Granger) pada tahun 1987 untuk menyelesaikan masalah regresi palsu dalam analisis siri masa. Masalah regresi palsu adalah disebabkan oleh kemungkinan wujudnya punca unit antara pembolehubah Unit punca menjadikan hubungan regresi antara pembolehubah kelihatan signifikan dalam jangka pendek, tetapi tidak ada hubungan keseimbangan nyata dalam jangka panjang.

Teori kointegrasi bermula dengan menganalisis ketakpegunan siri masa dan meneroka hubungan keseimbangan jangka panjang yang tersirat oleh pembolehubah tidak pegun. Jika pembolehubah yang terlibat adalah pegun selepas perbezaan tertib pertama, dan beberapa kombinasi linear pembolehubah ini adalah pegun, maka terdapat kointegrasi antara pembolehubah ini. Kointegrasi digunakan untuk mencirikan hubungan pegun antara dua atau lebih siri. Setiap jujukan mungkin tidak pegun secara individu, dan momen jujukan ini, seperti min, varians atau kovarians, berubah mengikut masa, manakala jujukan gabungan linear siri masa ini mungkin mempunyai sifat tidak berubah mengikut masa. Apabila dua harga aset disatukan, gabungan linear mereka akan mempunyai sifat pulangan min. Formula matematik kointegrasi adalah seperti berikut (mengambil dua pembolehubah siri masa sebagai contoh):

Y_t = β_0 + β_1 * X_t + ε_t

Antaranya, Y_t dan X_t mewakili nilai yang diperhatikan bagi dua pembolehubah siri masa, β_1 ialah pekali regresi, dan ε_t ialah istilah ralat. Sekiranya terdapat hubungan kointegrasi antara Y_t dan X_t, maka gabungan linear kedua-dua pembolehubah akan stabil, iaitu, ε_t adalah pegun. Memenuhi taburan normal dengan min 0. Apabila menguji kointegrasi, ujian kestabilan biasanya diperlukan kaedah yang biasa digunakan termasuk ujian Johansen dan ujian Engle-Granger. Ujian Johansen adalah berdasarkan kaedah nilai eigen dan secara langsung boleh menguji hubungan kointegrasi antara pelbagai pembolehubah. Ujian dua langkah Engle-Granger adalah berdasarkan kaedah anggaran OLS yang diubah suai (Ordinary Least Squares) dan sesuai untuk menguji hubungan kointegrasi antara dua pembolehubah.

4. Strategi ini akan menguji hubungan kointegrasi siri masa untuk sejumlah besar kombinasi Kriteria khusus adalah seperti berikut:

• Siri harga masa bagi satu bakul portfolio ialah vektor integral tunggal urutan pertama, iaitu siri harga masa adalah tidak pegun (mempunyai arah aliran yang jelas). Gunakan akar unit ADF untuk menguji pegun masa harga pada beberapa tempoh masa.
• Siri perbezaan tertib pertama (iaitu terbitan) bagi kombinasi bakul individu adalah pegun. Ujian akar unit ADF untuk siri harga masa dua bakul. Akar unit ADF digunakan untuk menguji pegun perbezaan tertib pertama bagi dua siri harga masa bakul.
• Gabungan linear tertentu siri harga masa gabungan berpasangan adalah pegun, iaitu baki persamaan linear yang dibina dengan dua siri itu adalah pegun. Untuk dua urutan tertib yang sama, regresi OLS dilakukan dan kemantapan sisa diuji.
• Lebih banyak ujian statistik dan analisis data tidak akan diulang di sini Kami akan menjalankan analisis statistik berskala besar, terperinci dan komprehensif bagi keseluruhan pasaran dan semua jenis.

5. Menjalankan sejumlah besar ujian indeks Hurst.

Eksponen Hurst digunakan untuk mengukur ingatan jangka panjang siri masa untuk menentukan ciri pembalikan min siri tersebut. Nilai indeks Hurst berjulat antara 0 dan 1, dengan nilai hampir 0.5 menunjukkan jalan rawak dan nilai hampir 1 menunjukkan arah aliran yang berterusan. Prinsip: Indeks Hurst menganggarkan tahap ingatan jangka panjang suatu jujukan dengan mengira hubungan antara julat sisihan jujukan yang bertindih bagi jujukan dan panjangnya. Formula matematik: Satu kaedah untuk mengira indeks Hurst ialah menggunakan hubungan antara julat sisihan dan panjang urutan bertindih untuk mewujudkan hubungan yang sepadan bagi jalan rawak. Eksponen Hurst boleh dianggarkan menggunakan kesesuaian regresi linear antara julat serakan dan panjang jujukan bertindih.

6. Purata anggaran separuh hayat pengembalian.

Purata separuh hayat pengembalian ialah metrik yang digunakan untuk menganggarkan masa yang diambil untuk siri harga kembali kepada puratanya. Lebih kecil separuh hayat, lebih cepat kadar pembalikan min. Prinsip: Purata separuh hayat pengembalian dianggarkan dengan memasang model purata bergerak eksponen konvergen (EMA). Apabila sisihan siri harga daripada min melebihi separuh hayat, ia boleh dianggap bahawa terdapat peluang untuk pulangan min. Formula matematik: Formula pengiraan bagi min separuh hayat penbalikan adalah seperti berikut:

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

Kaedah pengesahan: Anda boleh mengira EMA siri harga, dan kemudian mengira separuh hayat berdasarkan EMA.

7. Bina strategi perdagangan berdasarkan sejumlah besar data statistik.

Ringkasnya, gabungan produk bakul ditapis berdasarkan pengisihan indeks Hurst, parameter statistik yang berkaitan dianggarkan berdasarkan purata separuh hayat balik, dan gabungan strategi dagangan dibina berdasarkan kointegrasi Butiran lanjut tidak akan diterangkan .

Andaikan x dan y ialah siri masa harga bakul aset X dan bakul Y masing-masing Hubungan kointegrasi antara kedua-duanya boleh dinyatakan sebagai: Lny = a + blnx + c, di mana c ialah sebutan baki, yang stabil dan memenuhi syarat. min 0. Taburan normal.

Selepas ujian kointegrasi, terdapat hubungan kointegrasi antara harga masa aset X dan Y, sisihan piawai bagi istilah baki c ialah σ, dan pemalar λ dipilih sebagai nilai sempadan.

• Apabila lny-(a+blnx) > λσ, harga bakul Y secara relatifnya terlebih nilai, dan harga bakul X secara relatifnya kurang nilai, jadi beli bakul X dan jual bakul Y;
• Apabila lny-(a+blnx) < -λσ, harga bakul X secara relatifnya terlebih nilai, dan harga bakul Y secara relatifnya kurang nilai, jadi beli bakul Y dan jual bakul X;
• Apabila perbezaan harga lny-(a+blnx) kembali ke julat tertentu, seperti [-0.5λσ, 0.5λσ], tutup kedudukan;

8. Beberapa ciri.

Versi semasa agak lengkap, termasuk dagangan pasaran hampir penuh yang sangat kuat, menganggarkan trend frekuensi tinggi tugas dagangan dan harga pasaran untuk mencapai kelebihan transaksi Maker-Taker frekuensi tinggi, dan lindung nilai ekor produk tunggal selepas kebarangkalian jangka panjang pengesahan kelebihan Perlindungan, rakaman tempatan muktamad bagi setiap pesanan, operasi lindung nilai bercampur dengan strategi lain, dll. tidak akan dihuraikan.

4. Beberapa prestasi sejarah (statistik potongan peringkat minit, data kos pengambil 50,000 selepas menganggarkan harga transaksi sebenar)

[Timbang Tara Statistik Lindung Nilai Neutral Baharu] - Supernova

5. Nantikan kerjasama dan pertukaran, dan pembelajaran dan kemajuan bersama

[Timbang Tara Statistik Lindung Nilai Neutral Baharu] - Supernova

Data syiling pihak ketiga

Mana-mana strategi mempunyai metodologi dan keadaan pasaran yang menentukan sama ada ia sesuai atau tidak. Sebagai contoh, strategi pengembalian min adalah berdasarkan teori seperti market random walk, dan strategi trend momentum adalah berdasarkan pelbagai teori kewangan tingkah laku dan kewujudan turun naik fat-tail dalam pasaran. Adalah penting untuk memahami prinsipnya dan menyesuaikan diri dengan turun naiknya berdasarkan ciri-cirinya. Pada masa yang sama, pengguna strategi mesti memberi perhatian kepada fakta bahawa keuntungan dan kerugian datang dari sumber yang sama Pulangan yang lebih tinggi sentiasa disertai dengan risiko yang lebih tinggi mempunyai kelebihan dan kekurangan mereka kekuatan mereka dan mengelakkan kelemahan mereka Mereka harus tahu betul dan salah mereka, dan sama ada mereka sesuai untuk pasaran.

Kuantifikasi bukanlah mesin gerakan kekal, dan juga bukan maha kuasa, tetapi ia mestilah hala tuju perdagangan masa hadapan dan patut dipelajari dan digunakan oleh setiap pedagang! Semua peniaga dialu-alukan untuk menunjukkan kekurangan, berbincang bersama, belajar dan menambah baik bersama, mengharungi ombak dalam pasaran bergelora dan maju ke hadapan.

● Strategi ini agak unik dan agak berbeza daripada aliran tradisional, grid, frekuensi tinggi, arbitraj, dll. Ia mempunyai kapasiti terhad dan kebanyakannya dikendalikan sendiri oleh pengguna besar dan pelabur institusi dialu-alukan untuk berkomunikasi dan belajar.

● Lebih banyak rancangan kerjasama: Kami mengekalkan sikap kerjasama yang terbuka dan menang-menang terhadap mana-mana individu dan institusi yang mempunyai keperluan Kami menantikan perbincangan dan kerjasama tersuai anda berdasarkan keperluan anda, keutamaan risiko, dsb.

Jika anda mempunyai selera risiko yang lebih tinggi, lebih suka untung dan rugi jangka pendek, dan mempunyai keperluan untuk perdagangan jangka pendek, anda boleh menyemak satu lagi strategi frekuensi tinggi yang stabil dengan pulangan bulanan 3%-50% dan tiada risiko pembubaran: Grid pembuatan pasaran lindung nilai frekuensi tinggi Baharu

Jika anda mempunyai jumlah dana yang besar, anda boleh melihat satu lagi sistem perdagangan CTA kompaun frekuensi sederhana dan rendah berkapasiti besar, yang telah berada dalam dagangan sebenar selama 1,000 hari tanpa sebarang halangan. Ia adalah sistem gabungan strategi CTA dengan masa diterbitkan paling lama, kestabilan tinggi dan kesejagatan yang kukuh, untuk mencapai pertumbuhan stabil jangka sederhana dan panjang: 【Sistem Dagangan CTA Kompaun Baharu】(Berbilang faktor + Pelbagai kepelbagaian + Berbilang strategi Edisi Awam)

✱ Maklumat hubungan (dialu-alukan untuk bertukar dan berbincang, belajar dan maju bersama) WECHAT: haiyanyydss Telegram: https://t.me/JadeRabbitcm Maklumat yang lebih berguna ➔ Rumah Kuantitatif Peniaga https://www.fmz.com/market-offer/512 ✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024