| dc.contributor.advisor | 廖四郎 | zh_TW |
| dc.contributor.advisor | Liao, Szu Lang | en_US |
| dc.contributor.author (Authors) | 邵玲玉 | zh_TW |
| dc.contributor.author (Authors) | Shao, Ling Yu | en_US |
| dc.creator (作者) | 邵玲玉 | zh_TW |
| dc.creator (作者) | Shao, Ling Yu | en_US |
| dc.date (日期) | 2018 | en_US |
| dc.date.accessioned | 2-Feb-2018 10:57:47 (UTC+8) | - |
| dc.date.available | 2-Feb-2018 10:57:47 (UTC+8) | - |
| dc.date.issued (上傳時間) | 2-Feb-2018 10:57:47 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0104352039 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/115728 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 金融學系 | zh_TW |
| dc.description (描述) | 104352039 | zh_TW |
| dc.description.abstract (摘要) | 本文以在中國大陸證券市場上交易量最大，流動性最好的兩隻指數型ETF——華夏上證50ETF（SH510050）和華泰柏瑞滬深300ETF（SH510300）,為一個配對組合，進行統計套利。本文先簡要配對交易的實質和常用方法，以及這一策略目前在全球市場和中國大陸市場上的應用和研究狀況。而後又介紹了這兩隻ETF的標的物——上證50指數和滬深300指數，並闡明為何選取這兩個指數相關的ETF作為統計套利的原因。接著，分析了華夏上證50ETF和華泰柏瑞滬深300ETF的相關性，從這兩隻ETF的相關性出發，建立共振合模型，並建立一階誤差修正模型對兩隻ETF的短期非均衡狀態進行補充。在此基礎上設定交易規則進行模擬交易。同時我們還在文中後續探討了交易成本和止損點的設置情況。經過模擬交易，我們發現在一個標準差為開倉閾值的情況下出現的套利機會非常少且收益率較低。因此我們修改交易規則，來探討模型存在的問題，發現當將開倉閾值設為價差序列兩個標準差時，交易次數沒有增加，但收益率有所好轉。當將開倉閾值設為移動平均數和移動標準差，交易次數明顯增加，但收益率並沒有好轉。為進一步驗證上述結論，我們通過樣本外資料進行測試，發現與上述結果一致。此外，我們還通過延長時間序列的方式增加樣本量，得到結果也與上述一致。在用高頻資料交易結果不理想的情況下，我們採用了兩隻ETF的日收盤價格序列建立統計模型和模擬交易，發現在這種情況下，存在套利空間，但第一和第二種策略的套利機會較少，第三種策略套利機會相較前兩種策略要多得多。分析上述結果產生的原因，主要原因有二：第一，在採用高頻資料的時候，模型的殘差項標準差較小，也就意味著該模型的偏離程度不高，因此套利空間較小。第二，這一配對組合所建立的模型其ECM項係數均非常小，也就意味著模型的長期穩定對時間序列的短期波動影響很小，因此出現的套利機會非常少。此外，在此說明的是本文所採用的樣本資料為華夏上證50ETF和華泰柏瑞滬深300ETF在2016年7月1日到2016年10月31日每十分鐘的高頻交易價格資料，資料來源為中國大陸的WIND資料庫。 | zh_TW |
| dc.description.abstract (摘要) | This essay uses Huaxia SSE50 ETF (Code: SH510050) and Huataiborui CSI300 ETF (Code: SH510300), the two ETFs with the largest trading volume and the best liquidity in the China’s security market, as a pair for statistical arbitrage.Firstly, we introduce the definition of the strategy—pair trading, and its current application in the global and China’s mainland stock market. Then, the essay presents the underlying assets of the two ETFs, SSE50 Index and CSI300 Index, and explains why we choose the two ETFs for statistical arbitrage.Secondly, we analyze the correlation between Huaxia SSE50 ETF and Huataiborui CSI300 ETF, and build the co-integration model based on the correlation. Meanwhile, we establish the first-order error correction model to supplement the short-term imbalance of the two ETFs. On this basis, we set trading rules for simulated transaction. Moreover, we consider trading costs and stop-loss points in this article.After simulated trading, we find that both the trading time and the return are not good enough when we set a standard deviation as the threshold. So we modify trading rules, using the two standard deviations and moving standard deviation as thresholds, but it still doesn’t work. In order to further verify the above conclusion, we change the sample data by adding two times of the original and using the daily closing price, and it reveals that when we use the daily closing price to trade, the yield is better than the high-frequency trading price.There are two reasons for this conclusion. First, the standard deviation of the model’s residual is so little that the arbitrage space is small. Second, the coefficients of ECM is too little, which means the long-term stability of the model has little effect on the short-term volatility of the time series, thus leading to fewer arbitrage chances.In addition, the data used in the article are from the Wind Database in China. | en_US |
| dc.description.tableofcontents | 第一章 緒論 1第一節 研究內容 1第二節 研究方法 1第三節 研究貢獻 2第四節 研究框架 3第二章 配對交易介紹及其研究狀況 4第一節 配對交易簡介 4一、配對交易的定義 4二、配對交易常用方法 4第二節 配對交易在國外的研究狀況 5一、國外關于配對交易基本方法的可行性研究 5二、國外關于配對交易方法改進研究綜述 6第三節 配對交易在中國大陸市場上的研究狀況 7第三章 中國大陸股指及股指型ETF介紹 9第一節 中國大陸股指介紹 9一、上證50指數簡介 9二、滬深300指數簡介 10第二節 中國大陸股指型ETF介紹 12一、ETF簡介 12二、中國大陸股指型ETF介紹 13三、華夏上證50ETF與華泰柏瑞滬深300ETF的相關性 14第四章 統計套利 17第一節 統計套利的相關理論 17一、統計套利 17二、共振合關係 17三、誤差修正模型 19第二節 基於共振合關係建立的模擬交易 19第三節 進一步實證研究 29一、增加樣本量 29二、採用日收盤價格模擬交易 31第四節 交易成本和止損 32一、交易成本 32二、止損 33第五節 樣本外測試 34第五章 結論與思考 38第一節 研究結論 38第二節 統計套利的局限性 39第三節 本文的不足與建議 40參考文獻 41 | zh_TW |
| dc.format.extent | 1176003 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0104352039 | en_US |
| dc.subject (關鍵詞) | 滬深300 | zh_TW |
| dc.subject (關鍵詞) | 上證50 | zh_TW |
| dc.subject (關鍵詞) | 配對交易 | zh_TW |
| dc.subject (關鍵詞) | 統計套利 | zh_TW |
| dc.subject (關鍵詞) | ETF | zh_TW |
| dc.subject (關鍵詞) | 共振合關係 | zh_TW |
| dc.subject (關鍵詞) | CSI300 | en_US |
| dc.subject (關鍵詞) | SSE50 | en_US |
| dc.subject (關鍵詞) | Pair trading | en_US |
| dc.subject (關鍵詞) | Co-integration | en_US |
| dc.subject (關鍵詞) | ETF | en_US |
| dc.subject (關鍵詞) | Statistical Arbitrage | en_US |
| dc.title (題名) | 中國證券市場上的上證50ETF與滬深300ETF之間的統計套利研究 | zh_TW |
| dc.title (題名) | The study of statistical arbitrage between SSE50 ETF and CSI300 ETF on the China’s security market | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 1. 丁挺立，滬深300ETF期現套利機會差異性實證分析，金融教育研究,2012年9月第25卷第5期,P44-49。2. 王春峰，林碧波，朱琳，基於股票價格差異的配對交易策略，北京理工大學學報（社會科學版），2013年第15卷第1期，P72-75。3. 中證指數有限公司，（2015.06），上證180、上證50指數編制細則。4. 中證指數有限公司，（2015.06），滬深300指數編制細則。5. 白世奇，（2014），基於高頻資料的我國股指期貨配對交易策略研究，哈爾濱工業大學管理學碩士論文。6. 邢恩泉，尹濤，共振合模型的配對交易策略優化，經濟數學，2015年32卷第1期，P65-69。7. 歐陽敏科，（2013），滬深300ETF與滬深300股指期貨期現套利研究，金融經濟，2013.02.128，P95-96。8. 周靜波，（2014），滬深300股指期貨與滬深300ETF間的期現套利研究，山東大學金融學碩士論文。9. 郭正芳，（2014），新加坡新華富時中國A50指數期貨與香港安碩富時A50中國指數ETF套利研究，臺灣銘傳大學財務金融學系碩士論文。10. 鐘惟達，（2016），基於共振合的配對交易改進研究，浙江財經大學金融碩士論文。11. 高鐵梅，（2005），計量經濟分析方法與建模，中國清華大學出版社。12. 崔方達，吳亮，配對交易的投資策略，統計與決策，2011年第23期，P156-159。13. 黃曉薇，余湄，皮道羿，基於O-U過程的配對交易與市場效率研究，經濟與金融管理，2015年第27卷第1期，P3-11。14. 喻瑾，（2013），滬深300股指期貨與ETF的高頻統計套利，復旦大學管理學院運籌學與控制論專業碩士論文。15. 蔡燕，王林，許莉莉，基於隨機價差法的配對交易研究，金融與實踐,2012年第8期，P30-35。16. Bertram W.K., Analytic Solutions for Optimal Statistical Arbitrage Trading, Physical: Statistical Mechanics and its Applications, 2010, 389(11), P2234-2243.17. Burgess, N., Statistical Arbitrage Models of the FTSE100, Computational Finance, 1999, the MIT Press, 2000, P297-312.18. Board, J., Sutcliffe, C., the Dual Listing of Stock Index Futures: Arbitrage, Spread Arbitrage, and Currency Risk, Journal of Futures Markets, 1996(2), P29-54.19. Do B., Faff R., Does Simple Pairs Trading Still Work? Financial Analysts Journal, 2010, 66(4):P83-95.20. Engle R.F., Granger, C.W.J., Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica, 1987, 55(2), P251-276.21. Gatev E., Goetzmann W.N., Rouwenhorst, K.P., Pairs Trading: Performance of a Relative-Value Arbitrage Rule, the Review of Financial Studies, 2006, 19(3), P797-828.22. João Caldeira, Guilherme V. Moura,(2013), Selection of a Portfolio of Pairs Based on Cointegration: A Statistical Arbitrage Strategy, SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=219639123. Ruby J., Christian L.Dunis, Jason Laws, (2013), Profitable Pair Trading: A Comparison Using the S&P 100 Constituent Stocks and the 100 Most Liquid ETFs, Social Science Electronic Publishing.24. Tony Lee, Alex Ypsilanti, Daniel Lam（2004），Statistical Pair Trading - Performance Analysis of a Portfolio of Pair Trades in Asian Pacific region, Merrill Lynch.25. Vidyamurthy G.,(2004), Pair Trading: Quantitative Methods and Analysis, John Wiley &Sons. | zh_TW |
