一、简介

本书论述统计套利的历史，描述了从20世纪80年代开始，这项策略自摩根士丹利诞生的第一天，一直到考验重重的21世纪初期；本书也诠释了统计套利如何运作的方式，以及为什么管用的原因。作者根据自己的研究结果，以及八年来操作统计套利避险基金的经验，写成本书，对于统计套利二十余年的发展，进行了完整的回顾。

本书充满了许多创新的信息与专家的忠告；不论是想要对这个领域有整体看法的个人投资者，或者是希望对模型化、风险管理以及如何应用这项策略，想要得到更关键而深入见解的机构投资人来说，本书所包含的重要分析，极具吸引力。

二、名人书评

在这本思路清晰、充满智慧、读起来又津津有味的着作中，作者以一种不凡而又有天分， 不会 亲近的方式，在兼顾学术的情况下，展现了一位经验丰富而成功的统计套利提倡者的见解。——泽西岛尔米塔什资产管理有限公司数理研究与风险管理部主管 尼克·麦高乐

多么惊人的发现啊！作者带给我们的是一个非同寻常的视角，让我们看到了通常被认为是无数对冲基金策略让人最难理解之处的历史和演化。他对统计套利基本驱动力的详细论述和睿智举例，对任何初次研究这一策略的人来说都是非常珍贵的资源。甚至我们这些旧时代的人都从中受益匪浅。——太平洋非主流资产管理公司执行董事朱 ·波斯尼科夫博士

作者以十分具有可读性和广泛性的方式展示了统计套利的历史。他根据自己十多年的从 业经验，运用真实的案例，以编年史的方式记载了统计套利大行其道的年代，解释了统计套利最近为获利能力复兴所作的努力，并从艺术与科学的角度，为构建模型的新手提供了深入的视角。 ——富兰克林街合伙公司投资组合经理 苏珊·卡德瑞贝克

《统计套利》一书以独特的视角带我们浏览了短期交易策略令人十分难以理解的世界。该书提供了一个完美的平衡，一边对短期技术交易策略的数学机理予以概念化，另一边则对这种策略近期的绩效从实践角度进行了较多的讨 对于许多门外汉，甚至一些对冲基金专业人士来说，统计套利都是一个 “黑盒子”策略。如果没有变“白”的话，作者也已经设法将“黑”变成了更亮的灰色光影。——国际投资公司执行董事 克里斯汀·赛金森

作者具有广泛的统计套利交易的实践经验，同时也有能力非常清楚地解释统计套利的基础理论。因此，我将这本书隆重推荐给那些渴望掌握这一内容的读者。——金融风险管理师 布鲁斯·洛克伍德

三、统计套利策略

中低频统计套利属于盈利高、风险大、容量大的策略类型。假设单笔胜率同为 70%，高频每天交易上千笔，单日胜率几乎收敛到1；而中低频几天做一笔，遇到价差的结构 性变化时难免资金回撤，但赚到一笔的利润胜过高频千笔。正是对这些利润的追求，期货各合约之间的价差不会出现大幅的非理性偏离：高频消灭微观偏离，而中低频消灭宏观上的偏离。他们各司其职，互相尊重，互不干涉内政。

简而言之，统计套利就是找到了股票A和B的时间序列，即他们的差价，经过统计学的cointegration test证明具备稳定性（stationary）我们计算出时间序列的mean和std, 就可以设定一个稳定阀域，在偏离的时候买入／卖出，等到回归到稳定阀域再平仓。例如，过去6个月内，A股票和B股票的价差序列为平稳序列，均值为10，标准差为2，我们设定阀域为1.5个标准差，那么平稳区间 就是 7-13 当A-B > 13时，我们买入B, 卖出A, 当A-B<7的时候，我们买入A, 卖出B。等到回归到平稳区间平仓。

为了分析价格模式和价格差异，策略使用了很多的统计和数学模型。除了构建价差模型所必须的历史价格数据之外，统计套利策略还可以使用诸如市场超前/滞后效应的判断指标，企业活动，短期动量，资金流动等因素来设计。采用价格之外其他因子的统计套利方法也被称之为多因子统计套利模型。统计套利策略使用的各种概念包括：

时间序列分析（Time Series Analysis）

自回归和协整分析（AutoRegression and Co-integration）

波动率建模（Volatility modeling）

主成分分析（Principal Components Analysis）

模式发现技术（Pattern finding techniques）

机器学习技术（Machine Learning techniques）

有效边界分析（Efficient frontier analysis）

四、统计套利策略的类型

市场中性套利（Market Neutral Arbitrage）

该策略在被显著低估的资产中选择标的做多，同时在被显著高估的资产中选择标的做空。我们尽量挑选那些价格相关性较高且具有相似的波动率的资产。一部分的市场资产的增值，必定会导致一部分的市场资产的减值，这将降低我们的风险敞口。当市场资产价格恢复到正常价值时，做多和做空的资产的价差也会回归到正常值，使我们最终获利。

跨市场套利（Cross Market Arbitrage）

该策略试图利用同一（或非常类似的）资产（比如原油）在不同市场（比如美国CME、欧洲ICE和中国的INE）上的价格差异来获利。投资者在该资产被相对低估的市场上做多，同时在被相对高估的市场上做空。其操作方式和现货贸易本身也有很多共同点。

跨资产套利（Cross Asset Arbitrage）

这个模型考虑了金融资产与其基础资产之间的价格差异。例如，股票指数期货和形成指数的一篮子股票之间。

ETF 套利（ETF Arbitrage）

与跨资产套利类似，ETF 套利可以视为跨资产套利的一种形式，投资者识别 种类繁多的ETF 的价值与其相关资产之间的差异来进行交易。

五、统计套利策略的运作

像股票或大宗商品这样的资产，随着经济变化或其供需变化，往往有明显的上涨和下跌的周期。定量的方法就是利用在不同周期中资产价差的变动来获利。

若我们看到两个商品在整个时间段内价格走势几乎一致，只有一些特定的情况下才产生价格分离情况。正是这些价格分离情况，带来了套利机会，同时我们需要验证当价差出现后其是否会回归。

识别这种交易机会的关键点在于两个因素：我们需要一些处理时间序列的方法，从而来识别两只资产价格走势是否强相关；和如何找到“最佳”价差，从而以比较低的风险开始建仓。

在很多的交易平台上面有很多的交易指标来帮助我们识别价差和进行交易。但是，很多时候，交易成本在总的交易过程中是至关重要的，很多投资者在计算预期收益时可能会忽略了交易成本。因此，建议算法交易者在进行套利交易回测时，将自己的统计套利成本考虑在内，从而得到一个更接近实际的收益估算。

六、风险

统计套利策略在很大程度上取决于价差回归到历史平均水平或者预测的正常水平，但是这在某些情况下可能不会发生，价格可能会继续偏离历史常态。

金融市场一直处于不断变化之中，并且基于全球发生的各种事件不断演变。我们基于历史数据得到的规律并不一定在未来持续有效。

套利并非是神话，并非是无风险的，并非是稳赚的。在这个市场中，真正的无风险套利很少，大多数可能是低风险套利，甚至有不少承担很大风险。从这本书的观点来看，统计套利本身是一种策略，有可能长时间的失效，如美国2000年到2002年，统计套利策略的业绩下滑；2002年到2006年，统计套利策略的普遍亏损。

因此：

市场是体，策略是衣，要量体裁衣。究其根本来说，价格的产生是受到宏观的政治、经济环境，基本面的供需，市场参与者的博弈等多方面因素相互影响所形成的均衡。政治、经济、供需、参与者，一直在变，价格的规律也一直在变，从根本上来说，根本就不会存在一种策略是完美的，是可以适用所有行情的，一直盈利的。我们作为研究员，或者说基金经理等投资决策者，需要做的是加强对市场的认知，深刻认识市场，选择适合当前市场环境的策略。这也许就是学习经济、金融对做好投资的最大帮助，即金融的直觉；这些是很难简单用策略去模型化的。

过去并不能代表未来，一切模型都是有错误的，虽然过去的数据都是已经完全确定了，也有可能会反映出来某些规律，但是，未来肯定不是过去的完全重复；使用用过去的数据，建立起来的效果很好的模型的时候，要在心中时刻保留一定的警惕性，模型可能会失效的。所以，统计套利选出来的，过去规律良好的配对，在未来也可能表现的不好，这是很正常的。

七、结语

《统计套利》揭示了统计学在金融领域中的应用，统计学方法可以被应用于金融市场中来发现交易策略，获取招儿收益并且控制风险。

本书是一本面向专业人士的实用指南，深入而全面地介绍了金融市场统计学的原理和方法。第一章介绍了统计学在金融中的应用。接下来介绍了一系列常用的统计学方法，如跨期关系、回归、主成分分析等，并在其中应用实例，帮助读者更好地理解统计学如何应用于金融领域。

套利关键还是靠自己深入研究价差存在的逻辑及价差发生变化时的博弈。