Statistical Arbitrage in Options Markets by Graph Learning and Synthetic Long Positions
创建于 更新于
摘要
本文针对期权市场统计套利（StatArb）难以直接利用机器学习识别的问题，提出了一种两阶段图神经网络方法。通过设计纯套利目标变量，结合融入神经树结构的RNConv图卷积网络，实现对期权价格中的纯套利机会的精准预测。基于此，进一步提出了Synthetic-Long-Short-Arbitrage（SLSA）策略，理论证明SLSA持仓极低风险且对经典Black-Scholes风险因子保持中性。实证结果显示，RNConv显著超越主流GNN基准模型，SLSA持仓实现稳定正收益，信息比率达0.1627，展示了利用深度图学习捕捉期权统计套利的有效新路径[page::0][page::1][page::2][page::14][page::15][page::27][page::30][page::31]
