基于BP-GARCH模型的统计套利策略

摘要

为了弥补传统统计套利策略的缺陷,提高金融市场资源的配置效率,文章探究一种基于BP-GARCH模型的统计套利策略,对资产配对选取、交易比例确定、交易信号确定都进行了修正,利用BP神经网络具有拟合非线性连续函数的特性来应对配对股间线性关系的波动性,采用动态协整模型用数据的动态非均衡过程来逼近经济数据的长期均衡过程,并在考虑信息变化的前提下,提出基于未来n期价差波动的交易信号的确定模型,对价差序列波动性进行拟合。通过统计套利策略在我国A股银行业的研究表明:基于BP-GARCH的统计套利策略在收益率和风险控制上明显优于传统统计套利策略。