7.9 小结

本书主要介绍量化交易的一种特定类型：“统计套利”。虽然名字很专业，但是无论从概念上看还是从数学计算上看，统计套利实际上还是要比衍生品（如期权）交易或固定收益工具交易简单。我已经介绍了统计套利的大部分标准做法：均值回归和惯性、状态转换、平稳性与协整性、套利定价理论或因子模型、季节性交易模型、高频交易。

现将一些应注意的重点总结如下：

·均值回归状态比趋势状态更常见。

·回测均值回归时存在一些棘手的数据问题，如异常报价和存活偏差。

·新信息的缓慢扩散、机构投资者大额指令的成交或“羊群效应”会引发趋势状态。

·交易员之间的竞争会减少均值回归交易的机会。

·交易员之间的竞争会缩短惯性交易的最优持有期。

．用数据挖掘方法可以发现状态转换。

·平稳价格序列对均值回归交易非常理想。

·两个或更多的非平稳性价格序列只有是协整的时候才可以构成一个平稳序列。

·协整性与相关性不同：协整性考察的是两只或多只股票“价格”的长期关系，而相关性与短期收益率有关。

·因子模型，或套利定价理论，常用于模拟基本面因素对股票收益率的线性影响。

·最著名的因子模型之一是Fama - French 三因子模型，它假设股票收益率与贝塔值和账面市值比率正相关，与市值负相关。

·因子模型会因为状态转换而有一个相对较长的持有期和挫跌期。

．均值回归策略和惯性策略清仓信号不同。

·均值回归策略最优持有期估计由于Ornstein - Uhlenbeck 公式而比较可靠。

·惯性策略最优持有期估计容易因为信号数量较少而出错。

．止损适用于惯性策略，但不适用于均值回归策略。

·近年来，股票的季节性交易策略（如日历效应）已经变得无利可图。

·商品期货的季节性交易策略仍然可以继续盈利。

·根据“大数定律”，高频交易策略具有较高的夏普比率。

·较高的夏普比率使高频交易策略具有最高的长期复合增长率。

．对高频交易策略进行回测非常困难，策略执行有技术依赖。

·高杠杆的低贝塔值股票组合的长期复合增长率，比低杠杆的高贝塔值股票组合高。

大多数统计套利交易策略都是这些效应或模型的组合。这些策略能否盈利，更多的与使用它们的地点和时间有关，与策略本身在理论上是否正确无关。