有效市場假說（EMH）認爲，金融市場具有“信息效率”，即交易資產的價格反映了任何特定時間點的所有已知信息。但如果這是真的，那麼爲什麼在沒有新的基本面信息的情況下，價格仍然會每日波動呢？答案在於一個常被個人交易者忽略的因素：流動性。

一天中許多大型機構交易與信息無關，而與流動性息息相關。感到風險敞口過大的投資者會積極進行對沖或平倉，最終影響價格。這些流動性需求者通常願意支付一定代價來退出倉位，這會使流動性提供者獲利。這種利用信息獲利的能力似乎與有效市場假說相悖，但卻是統計套利的基礎。

統計套利旨在利用價格和流動性之間的基本關係，通過統計模型生成的資產預期價值，從一種或多種資產的感知定價錯誤中獲利。

什麼是統計套利？

統計套利（或稱“統計套利”）起源於20世紀80年代摩根士丹利股票大宗交易部門的套期保值需求。摩根士丹利通過購買股票而非密切相關的股票來對沖其龐大的持倉，從而避免了大宗交易帶來的價格損失。

例如，如果交易部門買入大量可口可樂股票，就會做空與其密切相關的股票，例如百事可樂，以對沖短期內市場可能出現的大幅下跌。這樣一來，在公司試圖將買入的股票進行大宗交易的同時，就能有效地消除部分市場風險。

交易者很快便開始將這些“配對”視爲同一交易策略的兩個方面，而非孤立的交易單元及其對沖工具，從而從中獲利，而不僅僅是作爲對沖手段。這些配對交易最終演變爲多種更爲複雜的策略，旨在利用證券價格因流動性、波動性、風險或其他基本面或技術因素造成的統計差異獲利。我們現在將這些策略統稱爲統計套利。

統計套利類型

爲了利用各種不同的機會，人們創造了多種統計套利方法。雖然有些方法已被日益高效的市場所淘汰，但其他一些方法已經出現並取而代之。以下列舉幾種主要的統計套利策略。

風險套利

風險套利是一種統計套利，旨在從併購交易中獲利。投資者買入目標公司的股票，同時（如果是股票交易）賣空收購方的股票。最終，他們可以從收購價格與市場價格之間的差額中獲利。

與傳統的統計套利不同，風險套利需要承擔一定的風險。最大的風險在於併購失敗，目標公司的股價跌至併購前的水平。另一個風險與投資資金的時間價值有關。耗時過長的併購交易會侵蝕投資者的年度收益。

風險套利成功的關鍵在於判斷併購的可能性和時機，並將其與目標股票價格和收購報價之間的差價進行比較。一些風險套利者也開始對收購目標進行投機，這可能帶來更高的利潤，但同時也伴隨着更大的風險。

波動率套利

波動率套利是一種流行的統計套利方式，它利用期權的隱含波動率與delta中性投資組合未來實際波動率預測值之間的差異來獲利。本質上，波動率套利者是在投機標的證券的波動率，而不是押注證券價格的方向性走勢。

該策略的關鍵在於準確預測未來的波動性，而波動性可能受多種因素影響，包括：

• 專利糾紛
• 臨牀試驗結果
• 收益不確定
• 併購猜測

一旦波動率套利者估算出未來已實現波動率，他們就可以開始尋找隱含波動率顯著低於或高於標的證券預期已實現波動率的期權。如果隱含波動率較低，交易者可以買入期權，並用標的證券進行對沖，從而構建delta中性投資組合。同樣，如果隱含波動率較高，交易者可以賣出期權，並用標的證券進行對沖，從而構建delta中性投資組合。

當標的證券的實際波動率更接近交易者的預測值，而非市場預測值（或隱含波動率）時，交易者即可實現盈利。盈利是通過持續的再對沖來實現的，而持續對沖是維持投資組合delta中性所必需的。

神經網絡

由於神經網絡能夠發現人眼難以察覺的複雜數學關係，因此在統計套利領域，神經網絡正變得越來越受歡迎。這些網絡是基於生物神經網絡的數學或計算模型。它們由一組相互連接的人工神經元組成，這些神經元採用連接主義的計算方法處理信息——這意味着它們會根據學習階段流經網絡的外部或內部信息來改變自身的結構。

本質上，神經網絡是一種非線性統計數據模型，用於模擬輸入和輸出之間的複雜關係，從而發現數據中的模式。顯然，證券價格走勢中的任何模式都可以用來牟利。

高頻交易

高頻交易（ HFT ）是一項相對較新的技術，旨在利用計算機快速執行交易的能力獲利。近年來，交易領域的支出顯著增長，因此，許多程序能夠每秒執行數千筆交易。如今，由於競爭激烈，大多數統計套利機會都已受到限制，快速執行交易的能力成爲擴大利潤規模的唯一途徑。

日益複雜的神經網絡和統計模型，再加上能夠更快地處理數據和執行交易的計算機，是套利者未來盈利的關鍵。

統計套利如何影響市場

統計套利在提供日常市場流動性方面發揮着至關重要的作用。最初，它幫助大宗交易者在不顯著影響市場價格的情況下進行交易，同時通過使美國存託憑證（ADR）等證券與其母股更緊密地關聯起來，降低其波動性。

事實上，隨着統計套利策略的廣泛應用和自動化程度不斷提高，它們往往會推動市場朝着更高的效率發展。當資產間出現套利機會時，這些機會會通過這些策略迅速被消除。因此，統計套利能夠帶來流動性更強、更穩定的市場。

然而，統計套利一旦失控，也造成了一些重大問題。1998年長期資本管理公司（LTCM）的倒閉幾乎使市場崩潰。爲了從如此小的價格波動中獲利，必須使用大量的槓桿。

此外，由於這些交易是自動化的，因此內置了安全措施。以長期資本管理公司（LTCM）爲例，這意味着一旦價格下跌，它就會進行清算；問題在於，LTCM的清算指令只會觸發更多的賣單，形成一個惡性循環，最終只能通過政府幹預才能結束。

記住，大多數股市崩盤都源於流動性和槓桿問題——而這恰恰是統計套利者運作的領域。統計套利算法也被部分歸咎於過去十年來市場開始出現的“閃崩”。閃崩是指電子證券市場中證券快速拋售引發負反饋循環，導致價格在幾分鐘內急劇下跌的事件。

結論

儘管自 20 世紀 90 年代以來統計套利的受歡迎程度略有下降，但它仍然是有史以來最具影響力的交易策略之一。如今，大多數統計套利交易都是通過高頻交易進行的，並結合了神經網絡和統計模型。這些策略不僅提供了流動性，而且在過去，它們也導致了像 LTCM 這樣的公司一些最大的崩盤。只要流動性和槓桿問題依然存在，這種策略就可能繼續保持其重要性，即使對於普通投資者而言，也值得關注。

相關文章