知识库

本文提出一种优化方法，用于从较大的资产集合中构建均值回归投资组合。该方法寻找价差可由 Ornstein–Uhlenbeck 过程良好描述的投资组合，并使用最大似然估计过程参数。其所述选择目标兼顾更强的均值回归、更低的方差和简约性，使最终投资组合在多头和空头仓位中使用较少的资产。…

本研究为US股票构建均值回归配对策略。研究没有沿用常见的配对交易方法来选择配对，而是使用最大似然估计构建符合 Ornstein-Uhlenbeck 过程的静态投资组合。估计得到的模型参数用于生成反向信号，交易阈值和样本内窗口长度则通过多轮测试选定。 文档报告了九组有潜力的配对，其样本内和样本外夏普比率均高于1.9。文档以CCI与HCP、以及CCI与 Realty Income…

本文介绍KBPT这一配对交易策略，它结合了卡尔曼滤波器、布林带信号和基于KalmanNet架构的神经网络。传统方法将两种资产之间的关系建模为带有高斯噪声的线性状态空间过程。由于该模型可能只能近似描述资产对的行为，由此产生的指标和交易可能并不可靠。KBPT则采用扩展状态空间模型，允许部分协整，并通过学习改进跟踪过程。…

这项研究探讨降低对性能敏感的C++应用程序延迟的方法，主要场景是高频交易。文中介绍了一个编程代码库，其中包含经过基准测试的示例、一种经过优化的市场中性统计套利配对策略，以及用于协调并发工作的Disruptor模式C++实现。…

本文介绍一种与模型无关的资产波动率预测框架，通过已实现波动率提取一组精简的时变因子。这些因子旨在以可控的计算量捕捉跨资产联动关系的变化，从而弥补静态因子载荷的局限，并避免完整多变量模型的高昂计算成本。它们可以加入统计或AI预测方法，以同时表示市场整体和资产特定的动态。…

本研究提出一种蒙特卡洛配对交易方法，其中价差遵循受跳跃驱动的均值回归 Ornstein–Uhlenbeck 过程。研究使用方差伽马过程，使价差动态比经典模型更灵活，并允许无限活动。由于广义模型没有解析公式，研究使用模拟来寻找最优交易水平。 该方法还引入控制变量以降低蒙特卡洛方差。作者通过数值方法研究模型参数如何影响交易策略，随后将框架扩展到由弱方差 alpha-gamma…

本文考察股票之间的相关性和共同变动，以研究日内季节性和市场演变。研究使用日内 CAC 40 数据，重新检验早期关于股票平均相关性随交易日推进而上升的发现。研究采用多维尺度分析（MDS）绘制图示，展现市场相关结构如何随时间变化，但报告称日内没有明显的结构差异。 研究还将 MDS 应用于日度数据，以可视化市场行业板块和危机时期。作者认为，这些图示可能有助于识别可用于配对交易的候选股票。这是一种可视化和探索性分析方法，而非经过检验的交易策略：文档没有给出交易规则、样本外结果，也没有证据表明由 MDS…

本文研究何时平掉一笔配对交易，其价差被建模为由有限活动 Lévy 过程驱动的 Ornstein–Uhlenbeck 类型过程。跳跃分量扩展了不含跳跃、以资产差建模的设定，使平仓问题能够考虑价差的非连续变化。研究重点是将退出决策表述为最优停止问题。 作者证明了一个验证定理，并分析了由此产生的自由边界问题的数值方法。他们还建立了严格的误差估计，并通过数值模拟得出结论。文档摘要未说明最优边界的形式、跳跃假设的细节或具体模拟结果，因此无法直接据此选择参数或评估扣除交易成本后的实际表现。

本文提出一种期货配对交易策略，使用路径签名作为时间序列特征。研究将签名分解为两个指标：衡量路径交互性的分段签名指标，以及衡量方向的增量协变指标。这两个指标在策略设计中充当过滤器，旨在生成比一些基于统计套利或深度学习的方法更容易解释且更稳定的信号。…

本文介绍一个深度学习框架，用于识别配对交易中资产间随时间变化的关系。多模态时序关系图学习将时间序列观测与离散特征结合到时序图中。随后，基于记忆的时序图神经网络将寻找相关实体的任务视为时序链接预测，旨在为自动化配对选择提供依据。 作者报告了在真实数据集上的实验，并称该框架优于其他方法，但本文未说明数据集、基准、评估指标或交易成本。文中也未说明预测链接如何转化为入场和出场规则、如何管理由此形成的投资组合，或样本外表现能否持续。因此，这段描述概述了一种建模方法及其声称的实证潜力，但证据不足以判断它是否能构成可部署的策略。

本文提出一种用于贝叶斯协整向量自回归模型的自适应矩阵变量马尔可夫链蒙特卡洛方法。该方法以自动化的自适应 Metropolis 方法取代分组 Gibbs 抽样，旨在使具有相关参数块的高维系统也能进行实际可行的后验估计。模型的协整秩也被视为未知，从而可通过贝叶斯后验和贝叶斯因子分析联合推断秩与模型参数。 作者通过一个十变量模型展示该方法，其后验参数维度达到…

本研究将配对交易框架应用于波兰股票：通过风险因子构建复制组合与某项资产进行比较，而非将其与另一项高度相关资产配对。研究使用主成分分析、交易所交易基金或长短期记忆网络构建因子，再用奥恩斯坦—乌伦贝克过程对由此得到的残差建模。对于残差回归速度足够快的投资组合，研究生成交易信号。实施使用波兰指数成分股和当地市场假设，包括无风险利率和交易成本。…

本文提出一种用于配对交易的投资组合构建方法，以限制所选配对之间的重叠。该方法将资产表示为图中的节点，将协整候选配对表示为带权边，边权反映协整强度。投资组合通过最大权匹配选出协整关系强的配对，同时确保每项资产只出现在一组配对中。这解决了仅依据协整选择配对的一项缺点：多个配对可能重复使用同一资产，从而集中风险。 作者报告了理论分析，以及使用 500 数据、样本期为 2017 至 2023 的实证研究。匹配投资组合的方差低于仅依据协整构建的基准组合；其总夏普比率为 1.23，基准组合为 0.48，市场为…

本研究将布林带与滚动回归时间序列模型联系起来，考察其统计基础。研究将该框架用于配对交易，并推导基于布林带策略的交易持续时间与收益之间的关系。 作者还将布林带中的移动平均线解释为随机游走加噪声模型的近似，并据此提出一种称为固定预测最大持续时间带的变体。研究使用 SAP 和日经指数数据进行模拟，将这一变体与传统布林带进行比较。文中介绍了方法和比较，但没有提供数值结果，因此无法据此判断哪种方法表现更好，也无法确定结论是否适用于所选资产和模拟设计之外的情况。

这项初步分析使用奥恩斯坦–乌伦贝克过程为均值回归交易策略中的配对股票价差建模，并将其与一种更简单的方法进行比较；后者使用滚动窗口估计价差均值和标准差。比较涉及信号表现和风险调整后绩效。 作者报告称，OU模型能有效捕捉信号和趋势，但按风险收益表现衡量，逊于滚动窗口方法。作者认为，非平稳配对和参数调优的局限性可能可以解释这一较弱结果。说明中未提供样本、资产筛选规则、交易成本或具体绩效指标，因此只能支持初步比较。应用任一模型时，配对稳定性和参数选择仍是重要注意事项。

这篇论文提出一种状态空间方法，用于对统计套利中的均值回归价差建模，包括配对交易。该方法将观测到的价差视为隐藏状态的噪声读数，并使用这些状态的实时估计来识别暂时性的市场低效。该框架通过允许参数随时间变化，扩展了早期的高斯线性状态空间模型，使估计能够适应数据生成过程的变化。…

本研究使用 17 种印度大宗商品的现货价格测试配对策略，涵盖能源、金属和农业，时间范围为 2010 至 2018 年。研究在训练样本上使用 Johansen 协整检验筛选具有长期关联的商品配对，然后用单因子随机方法对各入选配对的对数价差进行建模。 模型参数通过差分进化估计，交易规则参数则通过训练期回测调优，并沿用至后续测试期。研究从 136 个候选配对中选出十二组，报告称所有入选配对在测试期的夏普比率均超过 1.4。研究结果受一项假设限制，即训练期的协整关系在测试期仍然持续；本文没有说明交易成本或其他实施摩擦。

本文探讨统计套利中的投资组合构建问题：多个配对的信号可能相互冲突，使得难以整合大量证券中的机会。研究提出将证券之间的偏好关系表示为图，再利用这一结构协调相互矛盾的配对交易信号并构建联合投资组合。 报告的实验使用约三十年的历史收益数据，涵盖约 500 只标普 500…

本文研究预期资产收益不确定时的投资组合增长优化问题。研究对象是一个不完全、高维市场，其中资产价格取决于随机因子。该框架不完全固定漂移，而是通过共同的波动率结构、长期联合分布以及特定的因子动态（包括遍历性条件）来约束可接受模型。 作者刻画稳健增长率和最坏情况下的可接受模型，并通过偏微分方程推导增长最优策略。他们认为，纳入随机因子可以改善稳健增长，并用数值示例说明理论，其中包括将价差作为建模资产的配对交易。结果取决于所选模型类别及其遍历性和动态假设；摘要没有给出改善幅度的数值，也没有实盘交易证据。

本文研究如何根据高频观测估算均值回归价格动态，其中市场微观结构噪声可能使参数估计产生偏差。文章提出一种适用于 Ornstein–Uhlenbeck 过程的最大似然估计量，能够处理噪声并适应时间间隔不规则的观测。文章还证明，等间隔采样且包含独立高斯白噪声的 OU 过程具有 ARMA(1,1) 表示。…

本研究针对均值回归价差交易提出一种时机选择方法，研究动机来自配对交易。文章将价差建模为 Ornstein–Uhlenbeck 过程，并将开仓和平仓表述为包含交易成本的双重停止问题。概率分析推导出交易进场和离场的最优价格区间。 研究在该框架中加入止损约束。结果表明，进场区间有界且位于止损价位之上；提高止损价位会降低最优止盈价位。解析和数值结果展示了交易成本与止损设定如何影响择时。文档没有提供模型方程、参数值或实证市场测试，因此它提出的是一个理论框架，并未证明这些规则在实盘交易中能够盈利。

本研究考察新冠-19疫情暴发前后在中国市场交易的流动性较高的商品期货。研究比较不同品种的经验回报矩和协整关系，部分原因是跨商品关系与配对交易有关。分析考察平均回报、波动性及协整配对数量的变化。…

这些笔记系统地介绍均值回归的量化方法，从配对交易开始，逐步扩展到去均值、回归、加权回归、约束优化和因子模型。这一系列内容展示了如何运用日益通用的方法构建均值回归策略和投资组合。 笔记还讨论了实际实施问题，包括为何在计入交易成本时，最大化夏普比率并不等同于最小化目标函数。笔记介绍了在包含线性成本、约束和边界条件时进行优化的算法，并指出了常见的应用陷阱。所提供的描述未给出算法、假设或绩效证据，因此它勾勒的是一个学习框架，并未证明任何特定策略能够盈利。

本文提出一种卡尔曼滤波方法，用于噪声协方差矩阵和预测协方差估计存在不确定性的情形。该方法采用分布鲁棒框架，将合理的备选模型纳入考虑，并通过双因果最优传输定义不确定集。 随后，作者将所得优化问题改写为凸非线性半定规划，并采用信赖域内点法和 LDL-transpose 分解求解。作者报告称，该方法在目标跟踪和配对交易中的实证表现更优。摘录未说明基准、数据或评估指标，因此无法判断这些优势的普遍程度或统计显著性。该方法的实际价值取决于其对模型不确定性的假设，以及优化所需的计算量。