全文链接：http://tecdat.cn/?p=31973

最近我们被客户要求撰写关于无套利区间模型的研究报告，包括一些图形和统计输出。

股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能，因此提高套利交易的效率,对于发挥股指期货在经济发展中的作用有着重要的意义

本文帮助客户对期货期现套利的研究。研究中主要以期货及其现货指数的数据为样本,真实的还原了市场，提高了研究的准确性。

统计套利策略

Bondarenko ( 2003）认为统计套利策略是指投资成本为零，但是其期望收益为正、条件期望收益为非负的投资策略;他同时指出,传统的套利定义过于严格，在实际操作中意义不大。Vidyamurthy ( 2004）认为，统计套利是基于相对定价的思想，相似的资产应该具有相似的价格，所以价差应保持在一个均衡的水平;如果价差变大，则认为产生套利机会。协整理论最早由Engle & Granger ( 1987>提出，Wahab & Lashgari ( 1993)、Lien & Luo ( 1993)、Tse （ 1995）发现协整关系是期货价格与现货价格之间的非常重要的关系。Burgess (1999）以基于协整关系的统计套利模型对英国富时100指数期货进行实证研究,取得了很好的效果。

无套利区间模型:

上限

下限

参数意义：

数据取值：

1.取10个交易日，现货都用华泰柏瑞30OETF,做出类似这样的图像

rs=0.028  r1=0.056  d=0.022842  TE=0.001373  Mf=0.1  Cs1=0.02*0.01  Fs1= 0.0173*0.01  Cs2= 0.3698*0.01  Fs2= 0.0265*0.01  Cs3= 0.3698*0.01  Fs3 =0.0265*0.01

期货数据：

读取数据

head(data)##       日期 开盘价(元) 最高价(元) 最低价(元) 收盘价(元) 成交额(百万)  ## 1 40484.40    2515.82    2517.14    2509.18    2511.86     10352.92  ## 2 40484.40    2512.48    2521.34    2512.06    2521.34      6220.21  ## 3 40484.41    2521.41    2522.15    2514.64    2514.74      6700.37  ## 4 40484.41    2514.57    2514.57    2511.49    2513.30      4455.17  ## 5 40484.41    2513.39    2515.53    2513.31    2514.45      3821.64  ## 6 40484.42    2514.35    2519.64    2514.23    2519.64      4778.68  ##   成交量(股)  ## 1 1353244240  ## 2  842527307  ## 3  874920739  ## 4  593051008  ## 5  488534018  ## 6  717302833

无套利区间模型

#上限  t=1  T=t+16  S=data$`收盘价(元)`  upp=S[t]*((Css+Cfb+TE)*exp(rs-d)*(T-t)+(1+Csb+TE)*exp(r1*(T-t))-exp(d*(T-t)))/(1+Mf-(Mf+Cfs)*exp(r1*(T-t)))       #下限    lower=S[t]*(exp(d*(T-t)-(2+Csb-Cfs+TE)*exp(rs-d)*(T-t)+(1-Css-TE)*exp(rs*(T-t)) ))/(1-Mf+(Mf+Cfb)*exp(rs*(T-t)))

取10个交易日进行研究

for(t in 1:(nrow(data))){    #上限    T=t+13.575    S=data$`收盘价(元)`    ((Css+Cfb+TE)*exp(rs-d)*(T-t)+(1+Csb+TE)*exp(r1*(T-t))-exp(d*(T-t)))/    #下限    T=t+0.506    (exp(d*(T-t)-(2+Csb-Cfs+TE)*exp(rs-d)*(T-t)+(1-Css-TE)*exp(rs*(T-t))))

点击标题查阅往期内容

Python配对交易策略统计套利量化交易分析股票市场

左右滑动查看更多

01

02

03

04

统计结果

stragedy=result$"市场价格" >=result$"无套利区间上限"  stragedy[stragedy== "TRUE"]="正向套利"  index=result$"市场价格" <=result$"无套利区间下限"  stragedy[index== "TRUE"]="反向套利"  stragedy[stragedy== "FALSE"]="0"

统计正向套利和反向套利机会的次数、收益率。

2.取18个交易日研究，存贷款利率参数变一下。画出图形。统计一下正向套利和反向套利机会的次数、收益率。

#参数取值    rs=0.0255  r1=0.056    #无套利区间模型    #上限  t=1  T=t+16  S=data$`收盘价(元)`  upp=S[t]*((Css+Cfb+TE)*exp(rs-d)*(T-t)+(1+Csb+TE)*exp(r1*(T-t))-exp(d*

3.取6月份9个交易日研究，存贷款利率参数变一下。画出图形。统计一下正向套利和反向套利机会的次数、收益率。

lower=numeric(0)  for(t in 1:(nrow(data))){       #上限    T=t+11.875    S=data$`收盘价(元)`    ((Css+Cfb+TE)*exp(rs-d)*(T-t)+(1+Csb+TE)*exp(r1*(T-t))-exp(d*(T-t)))/

4.11月份，9个交易日究，存贷款利率参数变一下。画出图形，统计一下正向套利和反向套利机会的次数、收益率。

表：套利参数变更

#参数取值    rs=0.013  r1=0.0435  d=0.02177  Mf=0.42  Fs1= 0.245*0.01  Cfb=0.2715*0.01  Cfs=0.2715*0.01    #无套利区间模型    #上限  t=1  T=t+16  S=data$`收盘价(元)`

table(stragedy)

点击文末 “阅读原文”

获取全文完整代码数据资料。

本文选自《R语言无套利区间模型：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化》。

点击标题查阅往期内容

R语言资产配置策略量化模型：改进的移动平均线策略动态回测
R语言量化：合成波动率指数移动平均策略分析标准普尔500波动率指数(VIX)
R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合
R语言量化交易RSI策略：使用支持向量机SVM
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言量化交易RSI策略：使用支持向量机SVM
R语言资产配置: 季度战术资产配置策略研究
R语言动量交易策略分析调整后的数据
TMA三均线股票期货高频交易策略的R语言实现
R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用
R语言基于Garch波动率预测的区制转移交易策略
r语言多均线股票价格量化策略回测
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
Python基于粒子群优化的投资组合优化研究
R语言Fama-French三因子模型实际应用：优化投资组合
R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现
Python计算股票投资组合的风险价值（VaR）
R语言Markowitz马克维茨投资组合理论分析和可视化
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口