基于“兩融”背景的牛熊市中 股票配對交易策略研究

曲傳菊 張梅

（青島恒星科技學院，山東 青島 266042）

我國融資融券在2010年正式啟動，標志著我國 A 股市場投資者可以進行做空。2017年MSCI 新興市場指數將我國A股納入時間表，進一步促進我國資產管理市場邁向國際化。隨著我國資本市場的日趨成熟，會不斷地有新的金融衍生品進入市場，同時做空機制的啟動為配對交易策略創造更多的機會。

以往諸多國內外學者對配對交易主要集中在兩方面：一是選擇配對資產，二是建倉平倉的時間點確立。第一方面的國內外學者研究主要集中在：通過采用極小距離準則和協整理論數據進行配對交易，實現了超額收益。第二方面國內外學者研究主要集中在：采用協整理論建模或設定OU 模型的假設，確定交易觸發點的最優邊界，最終獲得最優配對交易參數的解析解。以往研究中主要是針對方法的改進和樣本的選擇上，忽略環境因素對配對交易的影響。本文通過在牛市和熊市市場環境下進行股票配對交易實證研究，研究市場環境的變化對配對交易的影響。

一、理論基礎

（一）配對交易理論

配對交易的基本原理是：由于兩只具有高度相關關系的股票，股票價差長期處于一個比較穩定的區間，同時股票價差在短期內可能出現失衡，導致價差擴大。配對交易就是利用價差的擴大進行套利，即賣空相對高估的股票，買入相對低估的股票，等價差收斂時平倉。

協整法是指利用資產之間的協整關系，對配對交易使用參數化交易規則。隨機價差法是運用隨機價差模型進行配對交易，價差具有均值回復性質。

（二）協整理論

協整理論是由恩格爾和格蘭杰（1987）等人首先提出，后由Johansen 等學者加以完善的一種研究非平穩時間序列是否存在結構性長期關系的理論。

對于兩個變量而言，協整的定義如下：

假設有兩個時間序列yt和xt是一階單整過程，如果存在一個非零的β，使得yt與βxt是一個平穩過程 I（0），則稱yt和xt之間存在協整關系。其關系式如下：

式（2-1）中，當μt的均值為零的 I（0）過程時，則稱yt和xt之間存在協整關系。

在對可能存在相關性的金融時間序列進行協整檢驗時，首先要對兩者之間進行協整性檢驗。本論文中采用 Johansen 協整檢驗法，因為該方法能更全面地檢驗金融時間序列。

二、數據處理及建模

（一）數據選取

本文選擇2013.1-2018.12滬深300成分股為樣本數據，將樣本數據劃分牛市和熊市兩個階段。牛市為2013年1-2015年6.12，熊市為2015年6.13-2018.12。選擇8個行業，每個行業中根據企業的總資產、近三年業績表現、盈利狀況、近三年有無重大事件進行股票篩選。牛市樣本內數據時間為2013.1-2014.12，樣本外數據時間為2015.1-2015.6.12.熊市樣本內數據為2015.6.13-2017.12，樣本外數據為2018.1-2018.12。本文以銀行為例進行實證展示，其他行業實證結果以表格體現出來。

（二）數據相關性分析

本文所選擇樣本的8個行業中相關性最高的股票對及相關系數結果如表2-1。

（三）數據平穩性檢驗

對工行和建行在牛市和熊市下樣本內數據進行ADF檢驗，樣本數據進行一階差分處理數據平穩，結果顯示一階平穩。

（四）協整檢驗和殘差序列平穩性檢驗

通過協整檢驗首先對熊市下時間序列數據進行協整檢驗，模型擬合優度為0.9099，調整可決系數是0.9097。接下來對工行和建行序列方程殘差ADF檢驗結果，檢驗統計結果P值都小于1%水平，因此參差不存在ARCH效應的原假設不成立，條件異方差性存在于殘差序列中。

在牛市下工行和建行的時間序列數據進行協整檢驗步驟同上，結果證明在牛市下工行和建行的價格時間序列數據存在協整關系。

（五）配對交易閾值確定及投資績效分析

在閾值設置過程中，計算樣本標準差，設置閾值kσ和止損值3σ為配對交易的信號，當配對股票的價差序列Spreadt滿足Spreadt＞kσ時，賣出一單位的被高估的股票同時買入λ單位的被低估的股票，當價差序列回到均值時，進行反向操作平倉；Spreadt＜kσ時，進行相反配對交易，若|Spreadt|＞3σ，應及時平倉止損。本文設置開倉點為1.5倍樣本數據標準差，止損點為3倍標準差。同時本文對樣本數據在牛市和熊 市下分別進行風險度量，結果如表2-2。

表2-1的8個行業中相關性最高的股票對及相關系數

表2-2

通過表2-2可以分析得到：在牛市環境下進行股票配對交易，股票對相關系數越高，年平均收益率越高，β系數和夏普比率所代表的投資風險也高；在牛市環境下房地產行業相關系數為0.71，但是年平均收益率只有6.24%，因為在牛市環境中投資者更喜歡把資金投資在價值增值快的銀行和證券行業。在熊市下相關系數在一定范圍內，相關系數越高，年平均收益率越高。本文實證分析得到相關系數范圍為0.58-0.8范圍內，相關系數越高，年平均收益率越高，β系數和夏普比率所代表的投資風險也高。超過這個范圍則正好相反，相關系數高于0.8或低于0.58，年平均收益率低。特別是銀行業在熊市下及時相關系數很高但年平均收益率低，夏普比率高，投資風險大。房地產業在熊市下相關系數為0.7，年收益率為32，3%，夏普比率為0.08。

針對樣本外數據，配對交易與樣本期內的處理方法基本一致，此方法對樣本外數據同樣適用。

三、結束語

以往研究中主要是針對方法的改進和樣本的選擇上，忽略環境因素對配對交易的影響。本文通過在牛市和熊市市場環境下進行股票配對交易實證研究，研究市場環境的變化對配對交易的影響。本文分別在熊市和牛市環境下對不同行業股票對進行配對交易實證分析。通過在牛市和熊市環境下不同行業股票配對交易得出以下結論：在牛市環境下進行股票配對交易，股票對相關系數越高，年平均收益率越高，β系數和夏普比率所代表的投資風險也高；在熊市下相關系數在一定范圍內，相關系數越高，年平均收益率越高。本文樣本數據有限而且國內外市場情況也有所不同，不同國家不同的市場環境股票配對交易也會不同，需要進一步深入研究。同時本文采用協整理論和相關系數進行實證分析，在進行股票配對交易時有很多方法可以運用，需要深入研究不同方法在股票配對交易的適用性。