基于“两融”背景的牛熊市中 股票配对交易策略研究

曲传菊 张梅

（青岛恒星科技学院，山东 青岛 266042）

我国融资融券在2010年正式启动，标志着我国 A 股市场投资者可以进行做空。2017年MSCI 新兴市场指数将我国A股纳入时间表，进一步促进我国资产管理市场迈向国际化。随着我国资本市场的日趋成熟，会不断地有新的金融衍生品进入市场，同时做空机制的启动为配对交易策略创造更多的机会。

以往诸多国内外学者对配对交易主要集中在两方面：一是选择配对资产，二是建仓平仓的时间点确立。第一方面的国内外学者研究主要集中在：通过采用极小距离准则和协整理论数据进行配对交易，实现了超额收益。第二方面国内外学者研究主要集中在：采用协整理论建模或设定OU 模型的假设，确定交易触发点的最优边界，最终获得最优配对交易参数的解析解。以往研究中主要是针对方法的改进和样本的选择上，忽略环境因素对配对交易的影响。本文通过在牛市和熊市市场环境下进行股票配对交易实证研究，研究市场环境的变化对配对交易的影响。

一、理论基础

（一）配对交易理论

配对交易的基本原理是：由于两只具有高度相关关系的股票，股票价差长期处于一个比较稳定的区间，同时股票价差在短期内可能出现失衡，导致价差扩大。配对交易就是利用价差的扩大进行套利，即卖空相对高估的股票，买入相对低估的股票，等价差收敛时平仓。

协整法是指利用资产之间的协整关系，对配对交易使用参数化交易规则。随机价差法是运用随机价差模型进行配对交易，价差具有均值回复性质。

（二）协整理论

协整理论是由恩格尔和格兰杰（1987）等人首先提出，后由Johansen 等学者加以完善的一种研究非平稳时间序列是否存在结构性长期关系的理论。

对于两个变量而言，协整的定义如下：

假设有两个时间序列yt和xt是一阶单整过程，如果存在一个非零的β，使得yt与βxt是一个平稳过程 I（0），则称yt和xt之间存在协整关系。其关系式如下：

式（2-1）中，当μt的均值为零的 I（0）过程时，则称yt和xt之间存在协整关系。

在对可能存在相关性的金融时间序列进行协整检验时，首先要对两者之间进行协整性检验。本论文中采用 Johansen 协整检验法，因为该方法能更全面地检验金融时间序列。

二、数据处理及建模

（一）数据选取

本文选择2013.1-2018.12沪深300成分股为样本数据，将样本数据划分牛市和熊市两个阶段。牛市为2013年1-2015年6.12，熊市为2015年6.13-2018.12。选择8个行业，每个行业中根据企业的总资产、近三年业绩表现、盈利状况、近三年有无重大事件进行股票筛选。牛市样本内数据时间为2013.1-2014.12，样本外数据时间为2015.1-2015.6.12.熊市样本内数据为2015.6.13-2017.12，样本外数据为2018.1-2018.12。本文以银行为例进行实证展示，其他行业实证结果以表格体现出来。

（二）数据相关性分析

本文所选择样本的8个行业中相关性最高的股票对及相关系数结果如表2-1。

（三）数据平稳性检验

对工行和建行在牛市和熊市下样本内数据进行ADF检验，样本数据进行一阶差分处理数据平稳，结果显示一阶平稳。

（四）协整检验和残差序列平稳性检验

通过协整检验首先对熊市下时间序列数据进行协整检验，模型拟合优度为0.9099，调整可决系数是0.9097。接下来对工行和建行序列方程残差ADF检验结果，检验统计结果P值都小于1%水平，因此参差不存在ARCH效应的原假设不成立，条件异方差性存在于残差序列中。

在牛市下工行和建行的时间序列数据进行协整检验步骤同上，结果证明在牛市下工行和建行的价格时间序列数据存在协整关系。

（五）配对交易阈值确定及投资绩效分析

在阈值设置过程中，计算样本标准差，设置阈值kσ和止损值3σ为配对交易的信号，当配对股票的价差序列Spreadt满足Spreadt＞kσ时，卖出一单位的被高估的股票同时买入λ单位的被低估的股票，当价差序列回到均值时，进行反向操作平仓；Spreadt＜kσ时，进行相反配对交易，若|Spreadt|＞3σ，应及时平仓止损。本文设置开仓点为1.5倍样本数据标准差，止损点为3倍标准差。同时本文对样本数据在牛市和熊 市下分别进行风险度量，结果如表2-2。

表2-1的8个行业中相关性最高的股票对及相关系数

表2-2

通过表2-2可以分析得到：在牛市环境下进行股票配对交易，股票对相关系数越高，年平均收益率越高，β系数和夏普比率所代表的投资风险也高；在牛市环境下房地产行业相关系数为0.71，但是年平均收益率只有6.24%，因为在牛市环境中投资者更喜欢把资金投资在价值增值快的银行和证券行业。在熊市下相关系数在一定范围内，相关系数越高，年平均收益率越高。本文实证分析得到相关系数范围为0.58-0.8范围内，相关系数越高，年平均收益率越高，β系数和夏普比率所代表的投资风险也高。超过这个范围则正好相反，相关系数高于0.8或低于0.58，年平均收益率低。特别是银行业在熊市下及时相关系数很高但年平均收益率低，夏普比率高，投资风险大。房地产业在熊市下相关系数为0.7，年收益率为32，3%，夏普比率为0.08。

针对样本外数据，配对交易与样本期内的处理方法基本一致，此方法对样本外数据同样适用。

三、结束语

以往研究中主要是针对方法的改进和样本的选择上，忽略环境因素对配对交易的影响。本文通过在牛市和熊市市场环境下进行股票配对交易实证研究，研究市场环境的变化对配对交易的影响。本文分别在熊市和牛市环境下对不同行业股票对进行配对交易实证分析。通过在牛市和熊市环境下不同行业股票配对交易得出以下结论：在牛市环境下进行股票配对交易，股票对相关系数越高，年平均收益率越高，β系数和夏普比率所代表的投资风险也高；在熊市下相关系数在一定范围内，相关系数越高，年平均收益率越高。本文样本数据有限而且国内外市场情况也有所不同，不同国家不同的市场环境股票配对交易也会不同，需要进一步深入研究。同时本文采用协整理论和相关系数进行实证分析，在进行股票配对交易时有很多方法可以运用，需要深入研究不同方法在股票配对交易的适用性。