收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协整-GARCH模型的我国股指期货跨品种套利研究

张杨  
【摘要】:统计套利是一种基于价差均值回复性的市场中性策略,该策略不依赖于对市场趋势的判断,能产生低风险、低波动率和稳定的收益。这种交易策略早已被成熟应用于国际金融期货市场的投资当中。然而,与国际金融期货市场相比,国内金融期货市场关于统计套利的应用研究在2010年4月16日中国金融期货交易所推出首个股指期货品种——沪深300股指期货后才开始起步,且主要集中于股指期货跨期统计套利和期现统计套利,对股指期货跨品种统计套利的应用研究非常少见。2015年4月16日,上证50股指期货和中证500股指期货的推出,不仅丰富了我国股指期货品种,还使得利用我国股指期货进行跨品种统计套利成为了可能。那么,我国三大股指期货之间是否存在跨品种统计套利机会?在存在套利机会时投资者又该如何进行跨品种套利交易?因此,本文将以沪深300股指期货,上证50股指期货,中证500股指期货为研究对象,对我国股指期货跨品种套利交易进行研究,以期设计出能够应用到股指期货市场实战中的跨品种统计套利策略,为投资者提供更多的选择。统计套利的具体操作策略有很多,最广泛采用的是基于协整的统计套利交易策略。协整统计套利方法有两个重要前提条件:第一,只有当交易资产之间具有较高相关性时才会存在套利的可能;第二,只有当交易资产之间具有长期稳定的均衡关系,即协整关系时,才会存在套利机会。但是,协整统计套利方法有一点不足之处:在利用方差设立套利交易机制时,采用的是恒定不变的方差,没有考虑协整回归方程残差的ARCH效应。因此,本文在协整理论的基础上,引入GARCH模型来描述协整回归方程中残差的条件异方差性,利用协整-GARCH模型对我国三大股指期货进行跨品种套利研究。基于此,本文首先对三大股指期货两两之间进行了相关性分析;其次,对三大股指期货对数价格序列进行ADF单位根检验和协整检验,筛选出能够进行跨品种套利交易的组合;然后,对协整回归方程残差进行ARCH效应检验,并建立协整-GARCH跨品种套利交易模型,以及利用样本内的数据对协整-GARCH模型进行参数估计;最后,设计了交易头寸,进出场信号和止损信号等套利交易规则,构建出一套完整的跨品种套利交易策略,再利用样本内和样本外的数据对套利交易策略进行有效性检验,得到样本内外套利交易结果。本文主要有如下研究发现:第一,根据三大股指期货相关性分析和协整检验结果发现我国股指期货市场上三大股指期货两两之间具有较高相关性,且存在长期均衡关系,即协整关系,可以进行跨品种统计套利。第二,根据样本内外交易结果发现本文基于协整-GARCH模型设计的统计套利交易策略能够应用到我国股指期货跨品种套利中,且能给投资者带来稳定和可观的收益。第三,通过对比三个组合样本内和样本外交易结果发现,上证50股指期货与中证500股指期货套利组合绩效最佳,同时拥有最大年化收益率和最小的最大回测;沪深300股指期货与上证50股指期货套利组合的表现次之;沪深300股指期货与中证500股指期货套利组合的表现最差,盈利能力和交易稳健性都低于其他两个组合。投资者在选择股指期货跨品种套利组合时,可以优先考虑上证50股指期货与中证500股指期货套利组合。综上所述,样本内外交易结果验证了本文基于协整-GARCH模型设计的跨品种统计套利策略的有效性,可以为国内股指期货投资者提供重要参考。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 周叔媛;;浅谈存款准备金率调整对我国股市的影响[J];同行;2016年07期
2 杨万里;;基于GARCH模型的互联网货币基金风险分析[J];时代金融;2018年14期
3 冯鲲鹏;陈峰;;我国股市杠杆效应研究[J];商业时代;2013年02期
4 王喆;徐盼;;基于GED-GARCH模型的沪深300指数收益率波动性研究[J];现代商业;2018年09期
5 黄诗琦;;基于GARCH模型族的房价波动研究——以北京市为例[J];商讯;2019年12期
6 徐旭初;杨宁;;基于GARCH模型的股票指数收益率波动性分析[J];聊城大学学报(自然科学版);2017年04期
7 许菲;;基于结构转换GARCH模型的中英股市波动率研究[J];淮海工学院学报(自然科学版);2018年01期
8 耿娟;刘怡超;;基于GARCH模型的股票收益率分析及预测[J];河北企业;2019年10期
9 谭黎阳;龙娜娜;;我国新三板市场的运行特征——基于GARCH模型的实证研究[J];商业经济;2018年12期
10 于浩;高鑫洋;徐佳;;基于GARCH模型对国有商业银行财务状况及风险控制研究[J];商场现代化;2019年18期
11 于孝建;王秀花;;基于混频已实现GARCH模型的波动预测与VaR度量[J];统计研究;2018年01期
12 季喆蕴;;基于GARCH模型的中国沪市周内效应的实证分析[J];经贸实践;2018年13期
13 邢知;郝继升;;基于协整-GARCH模型的统计套利策略最优阈值改进研究[J];延安大学学报(自然科学版);2018年03期
14 冯牧;王萌;龚朝庭;;GARCH模型两步厚尾估计的诊断检验[J];应用数学学报;2018年01期
15 潘勤华;龚晟;;基于GARCH模型的中国股市节日效应实证研究[J];知识经济;2015年01期
16 史鹏翔;孙维;;深圳综合指数收益波动性的实证研究[J];技术与市场;2009年05期
17 罗林;;上海期货市场流动性研究[J];世界经济情况;2007年02期
18 李存行;沪市股票价格的波动性研究[J];统计与决策;2005年02期
中国重要会议论文全文数据库 前5条
1 王曦;朱立挺;王凯立;;我国货币政策是否关注资产价格?——基于马尔科夫区制转换BEKK多元GARCH模型[A];《国际货币评论》2018年第二季度合辑[C];2018年
2 李武;;GARCH(1,1)模型参数的Monte Carlo估计方法[A];第八届中国不确定系统年会论文集[C];2010年
3 钟婷;;关于上海期货交易所期货cu收益率的波动性研究[A];探索科学2016年6月学术研讨[C];2016年
4 梁锐;温乐;;基于GARCH类模型的深圳股市波动性分析[A];第七届中国不确定系统年会论文集[C];2009年
5 李汉东;方福康;;波动持续性与金融资产风险分析[A];Data Analysis, Econo-physics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年
中国博士学位论文全文数据库 前10条
1 李琦;整数值GARCH模型的稳健估计和mean targeting估计[D];吉林大学;2018年
2 王萌;两类金融时间序列模型的估计理论及应用[D];中国科学技术大学;2016年
3 唐海仕;我国股指期货与股票市场的互动影响及跨市场监管研究[D];中南大学;2012年
4 许磊行;我国证券市场开放的风险与控制研究[D];中国矿业大学;2009年
5 陈昊;基于波动性模型的风电功率预测研究[D];东南大学;2015年
6 彭敏瑜;REITs市场的风险及其传染研究[D];南开大学;2013年
7 卢英;基于连接函数模型的金融风险测度研究[D];天津财经大学;2015年
8 李锦成;对冲基金对中国A股市场的影响研究[D];山西财经大学;2013年
9 杨夫立;证券投资基金市场风险度量研究[D];南开大学;2012年
10 耿国靖;中国创业板市场风险测度理论与方法研究[D];辽宁大学;2011年
中国硕士学位论文全文数据库 前10条
1 张杨;基于协整-GARCH模型的我国股指期货跨品种套利研究[D];成都理工大学;2019年
2 宋媛媛;基于B-S模型和GARCH模型的可转债定价比较实证研究[D];山东大学;2019年
3 张媛皓;基于极差-GARCH模型测度我国创业板市场风险[D];西南财经大学;2014年
4 高涛;基于GARCH模型的创业板指数日收益率波动性分析[D];云南大学;2017年
5 宋星;基于GARCH模型的玉米期货与玉米淀粉期货套利研究[D];安徽大学;2018年
6 王秀花;基于混频已实现GARCH模型的波动预测与VaR度量[D];华南理工大学;2018年
7 罗海月;利用VIX指数估计非高斯GARCH模型并应用于套期保值[D];河北工业大学;2015年
8 叶晓芹;非平稳GARCH(1,1)模型的一些收敛性[D];暨南大学;2017年
9 尹群;基于GARCH模型和VaR的我国创业板市场风险应用研究[D];哈尔滨工业大学;2017年
10 薛颖凡;运用GARCH类模型分析商业百货类股票的价格波动[D];复旦大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978