论文部分内容阅读
统计套利是一种能够产生无风险利润且可以规避市场风险的交易策略。2010年3月31日,融资融券业务正式推出,中国股票市场也迎来了做空机制,从而衍生出了一系列的统计套利策略。其中,配对交易策略在统计套利投资策略中受到了广泛的重视和应用,因此配对交易是统计套利中最主要的一种交易策略。所谓配对交易,就是通过构建配对资产的多空头寸来赚取资产价差收敛的收益。这种交易策略有着一个显著的优点,就是能够通过对冲机制从而有效的规避投资的系统性风险,即使市场整体呈下行状态时,配对交易也能从中获利。随着市场的不断发展,配对交易变得越来越来越被人们所熟知,但是配对交易策略的获利机会确远远不如以前。而且在过去的研究的交易模型中,关于开仓阀值、平仓阀值等一些参数的设定缺少方法,基本上都是固定不变的,这样是很难保证配对交易获得的利润一直最大。还有比如残差的方差齐性等一些较为理想的条件实际上操作中往往很难实现,也为配对交易的发展带来了很大的阻力。随着市场经济的不断发展固定的参数交易模型已难以满足日益增长的市场需求,因此人们研发出了一种具有人工智能属性的交易模型,这种新型模型的发现对于传统配对交易模型各方面的指标的提升具有非常重要意义。新型模型的本质就是将强化学习算法的思想引入传统的配对交易策略进行改进。将强化学习算法与传统配对交易模型相结合,将传统配对交易模型中的固定参数法改进为动态参数优化法,达到增加获利机会的目的。本文将以A股市场的银行业股票为研究目标,通过相关性分析以及VaR风险评估模型对备选的银行业股票进行高效的初选;在确定配对股票之后,基于协整的理论方法股票进行单位根检验,其次对其进行协整关系检验;之后在基于强化学习算法的配对交易模型下进行实证研究,并对结论进行总结和分析。研究结果表明,相比于传统模型来说,基于强化学习算法的配对交易模型提升了收益率,同时降低了投资风险;具有持续学习的能力,能促进收益率的上升。研究结果还表明,基于强化学习算法的配对交易在中国股票市场的有效性,能够获得显著正收益。