高频数据下的商品期货统计套利策略研究

发布时间：2017-09-21 11:21

  本文关键词：高频数据下的商品期货统计套利策略研究

  更多相关文章： 统计套利 高频数据 滑动窗口 时变系数

【摘要】：对于统计套利而言,由于市场制度的缺失,卖空机制等限制,使得其发展缓慢,直到2010年,3月31日融资融券业务正式启动,4月16日沪深300股指期货合约正式上市交易——我国市场做空机制才正式形成。随后,融资融券标的范围不断扩大、国债期货上市、商品期货夜场交易,以及近期推出的股指期货期权仿真交易,都给统计套利在我国的发展带来机遇和挑战。而运用统计套利策略的主体机构,也正悄悄地在我国萌芽。然而,目前国内运用统计套利策略的量化对冲基金还寥寥无几。 随着我国做空机制的逐步形成以及量化投资在国内金融界的逐步升温,如何在金融市场利用好程序化交易这把利剑,成为我国广大金融机构工作者所关注的热点问题。本文依照流动性和稳定性原则选取上海期货交易所的螺纹钢RB1305和RB1310两个合约为统计套利合约,通过协整检验和误差修正模型发现,5秒数据最有最优的均值回复速度。因此最终选取RB1305和RB1310两个合约2012年12月26日到2013年2月26日共计36个交易日的5秒建立高频数据下的商品期货的四种统计套利策略：带有内部止损条件的GARCH模型策略、带有外部止损条件的GARCH模型策略、带有内部止损条件的标准差策略、带有外部止损条件的标准差策略。 通过分析发现：(1)选择流动性和稳定性好的品种有助于统计套利策略的风险控制；(2)GARCH模型策略和标准差策略各有优劣；(3)带有外部止损条件的策略优于带有内部止损条件的策略；(4)策略模型是否满足策略自己的基本假设,是策略效果好坏的重要因素。
【关键词】：统计套利 高频数据 滑动窗口 时变系数
【学位授予单位】：哈尔滨商业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F764.2;F724.5;F224
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-9
• 1 绪论9-17
• 1.1 研究背景9
• 1.2 研究目的和意义9-10
• 1.2.1 研究目的9-10
• 1.2.2 研究意义10
• 1.3 国内外研究现状及评述10-15
• 1.3.1 统计套利国内外研究现状及评述10-14
• 1.3.2 高频交易国内外研究现状及评述14-15
• 1.4 研究内容与研究方法15-17
• 1.4.1 研究内容15-16
• 1.4.2 研究方法16-17
• 2 商品期货统计套利基本面分析17-29
• 2.1 统计套利实施所需市场机制、交易手段及主要技术支持17-21
• 2.1.1 统计套利实施所需市场机制——融资融券及期货特点概述17-19
• 2.1.2 统计套利实施手段——程序化交易概述19-20
• 2.1.3 统计套利主要技术支持——数据及交易模型20-21
• 2.2 商品期货品种分布规律21-26
• 2.2.1 金属工业品期货品种分布规律22-23
• 2.2.2 能源化工品期货品种分布规律23-25
• 2.2.3 农产品期货品种分布规律25-26
• 2.3 VaR模型26-28
• 2.3.1 VaR模型介绍26-27
• 2.3.2 商品期货品种的VaR测度研究27-28
• 2.4 本章小结28-29
• 3 商品期货统计套利流程设计29-40
• 3.1 套利配对合约和交易数据频率的选择29-31
• 3.1.1 套利配对合约的选择29-30
• 3.1.2 套利配对交易数据频率的选择30-31
• 3.2 交易信号设计31-34
• 3.2.1 进场规则设计33
• 3.2.2 平仓规则设计33-34
• 3.2.3 止损规则设计34
• 3.3 模型的构建34-38
• 3.3.1 模型假设35-36
• 3.3.2 模型建立36-37
• 3.3.3 模型求解37-38
• 3.4 本章小结38-40
• 4 实证分析40-58
• 4.1 基于我国商品期货的统计套利策略实例43-47
• 4.1.1 进场点的阈值选择44
• 4.1.2 平仓点的阈值选择44-45
• 4.1.3 止损点的阈值选择45-47
• 4.2 基于我国商品期货的统计套利策略实证效果假设检验47-49
• 4.2.1 进场点阈值假设检验及效果分析47-48
• 4.2.2 平仓点阈值假设检验及效果分析48
• 4.2.3 止损点阈值假设检验及效果分析48-49
• 4.3 组合套利策略模型与单一策略套利模型绩效对比49-55
• 4.3.1 套利策略的绩效评价办法49-51
• 4.3.2 不同合约品种下套利结果绩效对比分析51-52
• 4.3.3 不同数据频率下套利结果绩效对比分析52-55
• 4.4 本章小结55-58
• 5 基于高频数据下商品期货统计套利策略选择建议58-61
• 5.1 商品期货市场基本面使用原则建议58-59
• 5.1.1 交易对象流动性选择58
• 5.1.2 交易组合相关性选择58-59
• 5.2 商品期货策略模型假设及检验使用原则建议59
• 5.2.1 策略模型假设适用性建议59
• 5.2.2 策略模型检验适用性建议59
• 5.3 本章小结59-61
• 结论61-63
• 参考文献63-66
• 攻读学位期间发表的学术论文66-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 朱建平;魏瑾;谢邦昌;;金融高频数据挖掘研究评述与展望[J];经济学动态;2011年06期

2 郭兴义,杜本峰,何龙灿;(超)高频数据分析与建模[J];统计研究;2002年11期

3 常宁,徐国祥;金融高频数据分析的现状与问题研究[J];财经研究;2004年03期

4 金登贵;中国证券市场高频数据分布特征研究[J];统计与决策;2005年20期

5 应益荣;包郭平;;金融市场高频数据分析的建模进展[J];五邑大学学报(自然科学版);2006年01期

6 包郭平;应益荣;;金融市场中高频数据的分析方法[J];五邑大学学报(自然科学版);2007年01期

7 唐振鹏;;金融高频数据和超高频数据的研究现状及展望[J];福州大学学报(哲学社会科学版);2008年04期

8 唐勇;张伯新;;基于高频数据的中国股市跳跃特征实证分析[J];中国管理科学;2013年05期

9 尹优平,马丹;基于分布拟合方法的高频数据风险价值研究[J];金融研究;2005年03期

10 补冯林,张卫国,何伟;基于超高频数据的股票流动性度量研究[J];统计与决策;2005年04期

中国重要会议论文全文数据库 前7条

1 郭名媛;;基于高频数据的已实现极差相关系数及实证研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

2 郭名媛;;基于高频数据的赋权已实现极差相关系数及其实证研究[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

3 唐勇;;金融市场波动建模:基于高频数据视角[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

4 杨怀东;伍娟;盛虎;;基于高频数据的成对交易统计套利策略实证研究[A];第五届（2010）中国管理学年会——金融分会场论文集[C];2010年

5 张晨;李月环;;基于调整“已实现”波动率的沪深300指数高频数据波动性研究与预测[A];中国会计学会高等工科院校分会2008年学术年会（第十五届年会）暨中央在鄂集团企业财务管理研讨会论文集（上册）[C];2008年

6 刘淳;朱世武;何济舟;;金融市场波动择时策略的经济价值分析[A];经济全球化与系统工程——中国系统工程学会第16届学术年会论文集[C];2010年

7 瞿慧;张明卓;;基于跳跃规模细分的已实现波动率建模研究[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

中国重要报纸全文数据库 前7条

1 本报记者 任晓;12月PMI或小幅上行[N];中国证券报;2013年

2 程实;美国金融体系逐渐恢复 实体经济企稳[N];中国经济时报;2009年

3 华泰长城期货 谢赵维　许惠敏;高库存料继续“重压”矿价[N];中国证券报;2014年

4 金融学博士 宏观经济分析师 程实;全球经济隐约徘徊着复合危机阴影[N];上海证券报;2011年

5 申银万国证券研究所 李慧勇;新兴市场保持资金大额流入[N];证券时报;2014年

6 格林期货 刘光素　编辑 梁伟;揭秘神奇的“期指领先股指2分钟”之谜[N];上海证券报;2010年

7 长城证券 汪毅 张新文;债市调整 可转债个体性机会增强[N];经济参考报;2014年

中国博士学位论文全文数据库 前6条

1 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

2 镇磊;基于高频数据处理方法对A股算法交易优化决策的量化分析研究[D];中国科学技术大学;2010年

3 刘广应;带跳的分数维积分过程的幂变差理论及其在金融高频数据中的应用[D];复旦大学;2011年

4 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

5 王少斌;基于高频数据的投资者交易行为研究[D];首都经济贸易大学;2014年

6 王芳;基于市场微观结构噪声和跳跃的金融高频数据波动研究[D];西南财经大学;2011年

中国硕士学位论文全文数据库 前10条

1 韩铁;金融市场（超）高频数据建模及与低频数据对比研究[D];天津大学;2006年

2 李晓威;金融高频数据的关联规则算法研究[D];吉林大学;2008年

3 张曙;金融高频数据的分析及实证研究[D];中南大学;2013年

4 肖星火;基于中国股市高频数据的流动性风险研究[D];华南理工大学;2013年

5 刘力华;基于高频数据的证券市场实证研究[D];暨南大学;2011年

6 侯守国;基于小波分析的股市高频数据研究[D];天津大学;2006年

7 张国勇;金融市场（超）高频数据建模及其实证分析[D];天津大学;2004年

8 张越;基于高频数据的量价动态关系研究[D];天津大学;2012年

9 王姗姗;中国证券市场高频数据极值的波动性研究[D];吉林大学;2012年

10 李颖超;太钢不锈股市高频数据实证研究[D];山西财经大学;2012年

，

本文编号：894235