统计套利
统计套利是一种量化投资策略，它利用统计模型来识别和利用资产价格的相对偏差。该策略的核心思想是寻找历史上展现出稳定关系的资产对，当这种关系出现临时偏离时，假设这种偏离最终会收敛，投资者可以据此进行套利交易。 具体来说，当资产对的价格比例偏离其历史均值时，统计套利策略会建立相应的多头和空头头寸。如果价格比例回到均值，套利者就能够实现无风险利润。这种策略的有效性依赖于所选资产对的价格关系在未来是否保持稳定，因此，选择合适的资产对和准确的统计模型是成功实施统计套利的关键。 统计套利在金融领域的应用广泛，它不仅可以应用于股票、债券等传统资产，还可以应用于衍生品、外汇等市场。同时，随着大数据和机器学习技术的发展，统计套利策略的复杂性和精度也在不断提高。但需要注意的是，尽管统计套利在理论上具有吸引力，但在实际操作中，市场摩擦、交易成本等因素可能会影响策略的实际表现。
套利策略的工作原理
\
什么是套利？
简单来说，统计套利由一组量化驱动的算法交易策略组成。这些策略旨在通过分析价格模式和金融工具之间的价格差异来利用数千种金融工具的相对价格变动。统计套利起源于 1980 年代左右，由摩根士丹利和其他银行主导。统计套利策略，也被称为 StatArb，见证了金融市场的广泛应用。该策略的流行持续了二十多年，并围绕它创建了不同的模型以获取巨额利润。
这可以通过多种方式完成，例如：
- 在不同市场买卖相同证券（空间套利）
- 证券的现货价格和期货合约同时买卖
- 买入被收购公司的股票，同时卖出收购公司的股票（合并套利）。
套利可应用于金融工具，例如
- [股票](https
更新时间：2024-12-05 02:27
期现套利策略-期货日频_new
更新时间：2024-08-06 10:19
按天标注
更新时间：2024-06-07 10:55
2022-AI量化Meetup导览
\
更新时间：2024-06-07 10:55
高频动量策略与主观超短交易
分享主题
高频动量策略与主观超短交易
\
视频回放
https://www.bilibili.com/video/BV1eG4y147Ki/
\
直播资料
/wiki/static/upload/70/70110d2a-6075-45b4-ad3c-618340dc720f.pdf
\
更新时间：2024-06-07 10:55
策略中调用其他因子_非AI
更新时间：2024-06-07 10:55
49th Meetup
更新时间：2024-06-07 10:55
高质量AI量化策略
【此文档为旧版策略】具体可参考新版文档：
https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG
https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795
\
更新时间：2024-06-07 10:55
分组计算
更新时间：2024-06-07 10:55
揭开雪球期权的博弈局 凌瓴&无鱼 2022/05
摘要
雪球的投资本质
①投资人与券商充当的角色
②投资人与券商是否对立
这是投顾经常被问到的问题。销售机构在推荐雪球产品时，必定会讲到交易对手方是券商，一些投资人会简单理解自己在和券商做博弈。我自己在第一次接触雪球时也有这样的误解：如果雪球产品跌破敲入价格，保本保息机制就消失了，所以作为对手方的券商特别有动力想股票下跌，这样就不用支付利息了。路演里刘博士很清晰的描述了券商与投资
更新时间：2024-06-07 10:33
多因子选股策略-股票日频
更新时间：2024-05-20 10:04
lightgbm多因子选股
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[ht
更新时间：2024-05-20 06:21
利用机器学习对冲风险
更新时间：2024-05-20 02:09
基于协整的配对交易
更新
本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：
https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ
策略案例
[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co
更新时间：2024-05-17 09:23
【历史文档】策略-策略构建
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-15 09:34
量化择时
\
更新时间：2023-05-04 15:10
多个套利对配对交易
更新时间：2022-11-20 03:34
A股港股市场配对交易
Pairs trading across Mainland China and Hong Kong stockmarkets
作者：Hanxiong Zhang, Andrew Urquhart
出处：International Journal of Finance and Economics, 2018-10
摘要
基于市场效率低下是由非理性需求和套利限制相结合而导致的，本文研究了1996年1月至2017年7月间，在中国内地和香港交易高流动性大盘股和中盘股的配对交易的盈利能力。作者有三个主要发现：
- 限定在每个市场内的配对交易不会产生重大的异常收益。但是，如果投资者
更新时间：2022-11-02 09:09
文艺复兴-美国量化私募
交易策略揭秘
Renaissance Technologies文艺复兴科技公司交易策略揭秘记录！该短片中详细介绍了文艺复兴科技公司多年来如何开发各种交易策略，从早期的均值回归到利用内核方法等等。
https://www.bilibili.com/video/BV1ae4y1f7Em
\
更新时间：2022-10-10 12:50
量化私募说
分享头部量化私募团队、策略、深度资料等
\
更新时间：2022-10-10 09:45
Python for Quants - 用于量化投资的Python
参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python
更新时间：2022-10-10 01:02
量化策略专题研究：行业趋势配置模型研究-中信证券-20200325
更新时间：2022-10-09 11:05
量化研究：投资决策的起点 海通证券_20180716_
更新时间：2022-08-31 08:06
监督学习的方法介绍及金融领域应用实例-长江证券-20170727
摘要
机器学习系列报告
本系列报告试图系统全面性的介绍各种不同的机器学习方法，并且结合具体的在投资研究领域应用实例、交易策略及code示例，说明其应用情景和实现方法。机器学习的方法可以分为以下几类：监督学习、无监督学习、深度学习及其他机器学习方法（例如强化学习），对应到具体的模型上数量则更是繁多，目前大部分机器学习模型并未广泛的应用在投研领域，因此本系列主要偏重于在投研领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主
监督学习模型之回归类模型及其应用
与普通线性回归不同，监督学习中的惩罚回归模型和非参数回归，可以分别用于处理输入变量中存在大量线性相关性关系
更新时间：2022-08-31 01:52
投机、交易行为与股票收益（下）-东方证券-20160512
研究结论
在本篇中，我们借鉴统计套利的思想，提出了价差偏离度的概念，试图捕捉股票相对其同类型股票的高估低估程度。价差偏离度因子本质上是一个相对意义上的反转因子，价差偏离度低，近期跑输其同类股票，股票相对处于低位，有向上回复的动力，有正的预期超额收益，价差偏离度越高，股票处于相对高位，后期有回调的压力。
价差偏离度因子业绩表现优异，过去10年月度RankIC-0.095，IR-0.85，分组的top组合相对市场等权年化超额收益17.8%，而且，其稳定性也较高，IC正显著比例9.8%，负显著比例69.9%，多空组合月胜率76.4%，最大回撤15.16%。
价差偏离度和传统的市值
更新时间：2022-08-30 09:49