统计套利如何带来巨额利润 编辑

这个有效市场假说 （EMH）指出，金融市场是“信息有效的”，因为交易资产的价格反映了任何给定时间的所有已知信息。但如果这是真的，那么尽管没有新的基本面信息，为什么价格每天都在变化呢？答案涉及到个人交易者普遍遗忘的一个方面：流动性。

全天许多大型机构交易与信息无关，一切都与流动性有关。感觉过度曝光的投资者将大举买进树篱或者平仓，最终会影响价格。这些流动性需求者往往愿意付出代价退出其头寸，这可以为流动性提供者带来利润。这种在信息上获利的能力似乎与有效市场假说背道而驰，但形成了基础。统计套利 .

统计套利旨在利用价格和流动性之间的基本关系，根据统计模型生成的资产的预期价值，从一项或多项资产的错误定价中获利。

关键要点

• 统计套利是一种投资策略，旨在从缩小两种或两种以上证券的交易价格差距中获利。
• Stat-arb涉及几种不同的策略，但都依赖于市场中趋向于效率的各种资产之间的统计或相关规律。
• 尽管stat arb的名字中有“套利”一词，但它的风险很高，会导致巨大的系统性损失，比如对冲基金长期资本管理公司（LTCM）的大规模破产。

什么是统计套利？

统计套利，或称“stat arb”，起源于20世纪80年代，源于摩根士丹利股票大宗交易业务产生的对冲需求。摩根士丹利（Morgan Stanley）通过购买股票而不是密切相关的股票来对冲其巨额头寸，从而避免了与大宗购买相关的价格惩罚。

例如，如果交易台购买了可口可乐（Coca-Cola）的大量股票，它将做空百事可乐（PepsiCo）等密切相关的股票，以对冲短期内市场出现的任何重大下跌。这有效地消除了一些市场风险，同时该公司试图将其购买的股票进行大宗交易。

交易员们很快就开始考虑这些问题；对 &不是作为一个孤立的区块来执行和对冲，而是作为同一交易策略的两个方面，在那里可以盈利，而不仅仅是作为对冲工具。这些成对交易最终演变成若干更为复杂的策略，旨在利用证券价格因流动性、波动性、风险或其他基本或技术因素而产生的统计差异。我们现在将这些策略统称为统计套利。

统计套利的类型

有许多类型的统计套利创造利用几个不同类型的机会。虽然某些类型的产品已被越来越高效的市场淘汰，但也有一些其他的机会取代它们。以下是一些主要的统计arb策略。

风险套利

风险套利是一种统计套利形式，旨在从中获利合并 情况。投资者购买目标公司的股票（如果是股票交易），同时做空收购方的股票。其结果是从收购价格和市场价格之间的差额中获得利润。

与传统的统计套利不同，风险套利需要承担一定的风险。最大的风险是合并失败，目标公司的股票将降至合并前的水平。另一个风险涉及货币的时间价值 投资的。需要很长时间才能完成的合并会侵蚀投资者的年度回报。

风险套利成功的关键是确定合并的可能性和及时性，并将其与目标股票和收购要约之间的价差进行比较。一些风险套利者 他们也开始猜测收购目标，这可能会带来更大的利润和同样更大的风险。

波动性套利

波动率套利是一种受欢迎的统计套利，主要是利用市场之间的差异隐含波动率一个期权的价值，以及对未来已实现波动率的预测三角形中性 文件夹。从本质上讲，波动性套利者是在对基础证券的波动性进行投机，而不是对该证券的价格进行定向押注。

这一策略的关键在于准确预测未来的波动性，这种波动性可能因多种原因而偏离，包括：

• 专利纠纷
• 临床试验结果
• 不确定收益
• 并购投机

一旦波动性套利者估计了未来实现的波动性，他们就可以开始寻找隐含波动性显著低于或高于标的证券的预测实现波动性的期权。如果隐含波动率较低，交易者可以购买期权，并用基础证券进行对冲，从而形成一个delta中性的投资组合。同样，如果隐含波动率较高，交易者可以出售期权，并与基础证券进行对冲，从而形成一个delta中性的投资组合。

当标的证券的已实现波动率比市场预测（或隐含波动率）更接近其预测时，交易者将在交易中实现利润。利润是通过保持投资组合所需的持续再套期保值从交易中实现的三角形中性 .

神经网络

神经网络 在统计套利领域正变得越来越流行，因为它们能够找到肉眼看不见的复杂数学关系。这些网络是基于生物神经网络的数学或计算模型。它们由一组相互连接的人工神经元组成，这些神经元使用连接主义的计算方法处理信息这意味着它们在学习阶段根据流经网络的外部或内部信息改变其结构。

从本质上讲，神经网络是非线性统计数据模型，用于模拟输入和输出之间的复杂关系，以发现数据中的模式。显然，任何证券价格变动的模式都可以被用来牟利。

高频交易

高频交易(高频变压器 )是一个相对较新的发展，旨在利用计算机快速执行事务的能力。这些年来，交易部门的支出显著增长，因此，有许多程序能够每秒执行数千笔交易。现在，由于竞争，大多数统计套利机会都是有限的，快速执行交易的能力是扩大利润的唯一途径。

越来越复杂的神经网络和统计模型，再加上能够更快地处理数字和执行交易的计算机，是套利者未来获利的关键。

统计套利如何影响市场

统计套利在提供大量日常交易中发挥了至关重要的作用流动性在市场上。最初，它有助于大型大宗交易商在不显著影响市场价格的情况下进行交易，同时也减少了诸如美国存托凭证 &通过将它们与母公司股票更紧密地联系起来。

事实上，随着stat-arb策略的广泛应用和自动化程度的提高，它们往往会推动市场走向更高的效率。当资产之间的套利机会出现时，通过使用这些策略，它们很快就会被消除。因此，stat arb可以带来一个流动性更强、更稳定的市场。

然而，统计套利的失误也造成了一些重大问题。经济崩溃；长期资本管理 （LTCM）早在1998年就几乎让市场一片废墟。为了从如此小的价格偏差中获利，有必要采取重大措施杠杆作用 .

此外，由于这些交易是自动化的，因此有内置的安全措施。就长期资本而言，这意味着它将在向下移动时进行清算；问题是，长期资本的清算令只会在可怕的循环中触发更多的卖出指令，最终将随着政府干预而结束。

记住，大多数股市崩溃都是由流动性和杠杆问题引起的，而统计套利者正是在这种情况下运作的。Stat-arb算法也被认为是；闪存崩溃 &市场在过去十年中开始经历的。闪电崩盘是电子证券市场中的一种事件，在这种情况下，证券的快速抛售会导致负反馈循环，从而在几分钟内导致价格大幅下跌。

底线

统计套利是有史以来最具影响力的交易策略之一，尽管自20世纪90年代以来，统计套利的流行程度略有下降。如今，大多数统计套利都是通过高频交易进行的，采用神经网络和统计模型相结合的方法。这些策略不仅提供了流动性，而且在很大程度上也导致了我们过去在长期资本管理公司（LTCM）等公司中看到的一些最大的崩溃。只要将流动性和杠杆问题结合起来，这可能会继续使该策略成为一种值得认可的策略，即使是对普通投资者而言也是如此。