如何用例子浅显地解释什么是统计套利？
4个问题1：有什么深层次的概念解释统计套利，或者浅显例子我理解的统计套利大概是这样：小明通过历史回测发现金融产品a,和金融产品b的价格有关联，例如a涨起来了，5分钟后b有很大概率也涨起来（什么原因不用管）所以统计套利就是发现这个关联规律，在a涨起来后马上买入b，等b涨起来后再卖掉。2：统计讨论和其他金融衍生品交易方式有什么区别？只是单纯的风险低很多吗？3：统计套利必须高频吗？低频但发现了其他人没发现的价格关联能不能套利？4：最后来一个例子，下面的交易例子算不算统计套利？还是其他交易方式小明通过智慧的大脑又发现一个价格规律，金融产品c，每当小明的狗旺财撒尿的时候，有很大概率走出趋势行情，于是他盯着旺财每当它撒尿时就在金融产品c现价上下20点各下一个买入卖出订单，一旦成交一个则取消另一个（赌行情波动大会增大），在旺财打滚时平仓,结果大获丰收这算统计套利吗？如果算的话那岂不是所有交易方式都算统计套利了？因为他们都是用一些东西和行情对应，例如平均线啥的
按投票排序
用最简单的方式说，量化策略大体分为两种，momentum和mean-reversion。momentum：过去涨的我赌他涨，过去跌的我赌他跌。mean-reversion：过去跌的我赌他涨，过去涨的我赌他跌。统计套利就是mean-reversion，但是它不是对一个资产做mean-reversion（因为做不起来），他是对一个 “资产组合” 做mean-reversion，相当于你自己 “造一个” 具有mean-reversion性质的产品然后对他做mean-reversion trade。最简单的统计套利是pairs trading，就是两个票按某个比例一long一short，会搞出一个mean-reversion形状的东西。这时候对这个 “一long一short的复合产品” 低买高卖就行了。。再复杂一点就是多个产品之间统计套利，比如long一个股票同时short它的eigenportfolio们，或者long一个股票同时short它所在的ETF们（前提是你要有够多ETF，比如美国市场）＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝我以前一直从技术宅的角度觉得做stat arb的主要瓶颈在于技术，后来和practitioner聊才知道其实技术都差不多，stat arb最大的问题是大部分时候市场没有volatility。。。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝针对题目描述写几句。题目的描述其实有几个误区：1. 统计套利不是完全 “根据历史数据回测出来” 是怎样就怎样的。这个是要有深层的理由支持的，因为过去成立的统计相关性在将来很可能会改变。比如如果你测YHOO和BABA这两个股票的历史correlation会发现，他们在今年1月到今年9月之间是0.8左右，剩下的时间却都超过0.9，这其实是因为今年1月雅虎把阿里巴巴股权卖了，9月又买回去了。。2. “统计套利” 和 “金融衍生品交易” 不是并列关系。金融衍生品是产品，相当于战场（股票还是期货还是其他衍生品），统计套利作为策略，相当于兵法。。战场和兵法是没有并列关系的哦。。3. “A涨起来了，5分钟后B有很大概率也涨起来” 这个并不是统计套利的做法。统计套利者大部分情形下遇到的问题是这样的：A和B非常漂亮的同步涨着跌着涨着跌着，然后就只能等，等他们的spread一变大就下个 “夹逼” 形状的单赌它掉回去。。。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝我这个答案只负责 “浅显的解释”。专业答案请看论文，比如楼上@nova avon所引的就很好
你的问题完全可以自己做研究找答案，下面给你点背景资料吧。这里特别提一下:"In China, quantitative investment including statistical arbitrage is not
the mainstream approach to investment. A set of market conditions
restricts the trading behavior of funds and other financial
institutions. The restriction on short selling as well as the market
stabilization mechanisms (e.g. daily limit) set heavy obstacles when
either individual investors or institutional investors try to implement
the trading strategy implied by statistical arbitrage theory."
哈哈哈哈哈...........高频 statarb这里还有个Webinar, 来自Ernest Chen
1. 统计套利的浅显例子，原理其实就用下面这张图可以解释：老头：走路是随机的（random walk）小狗：走路也是随机的（random walk) 老头和小狗中间的距离（狗绳）：距离一定，具备稳定性我们现在把这个场景应用到市场上，以股票为例股票A: 价格Random Walk 股票B: 价格Random Walk 股票A和B的差价 （或者其他的linear combination的时间序列) :
具备稳定性 假设我们现在找到了这样一个股票A和B的序列，他们的差价，经过统计学的cointegration test证明具备稳定性（如adfuller test），我们计算出该时间序列的mean和std, 就可以设定一个稳定阀域，在偏离的时候买入／卖出，等到回归到稳定阀域再平仓。举例，过去6个月内，A股票和B股票的价差序列为平稳序列，均值为10，标准差为2，我们设定阀域为1.5个标准差，那么平稳区间就是 7-13 当A-B & 13时，我们买入B, 卖出A, 当A-B&7的时候，我们买入A, 卖出B。等到回归到平稳区间平仓。下面的回测是使用1002做的一个配对交易的回测结果。可以看到虽然总收益不算很高，但是beta中性，最大回撤较小。代码和详细解释可以看这里当然金融市场中股票的配对交易只是一个例子，还有类似债券on-the-run/off-the-run套利 (LTCM)， 期现套利等等。原理都是mean-reversion. 2. 统计套利的风险 － 总体来说是低风险的，因为long short的关系，可以做到beta neutral. 但是也不能就掉以轻心。总是有黑天鹅事件可能会发生。比如著名的LTCM，被市场枯竭的流动性逼到破产。另外统计套利当中最重要的时间序列稳定性并不是一直存在，市场的变化，股票基本面的改变，都有可能让稳定序列条件消失，模型失效只不过是一个时间问题。这时候需要及时止仓，不然就面临着风险敞口。统计套利是一种交易的策略，金融衍生品是一种交易的产品，这两者本身并没有可比性。3. 不是必须高频。中低频也可以套利。4. 这个不是统计套利。
谢邀。定义可以上wiki找，题主要例子，我就举个例子。正好在定机票，下图是skyscanner芬兰网站上日法航从赫尔辛基飞往苏黎世的机票价格：下图是skyscanner比利时网站上日，法航相同的航线的机票价格：下图是skyscanner比利时网站上日，法航相同的航线的机票价格：假设你可以按这个价格在两地出售机票，那么你可以通过从比利时网站购入机票，然后在芬兰网站卖出来获取确定的正收益（每张1欧，不考虑交易费用等）。假设你可以按这个价格在两地出售机票，那么你可以通过从比利时网站购入机票，然后在芬兰网站卖出来获取确定的正收益（每张1欧，不考虑交易费用等）。（金融上有很多例子，比如dual－listed company的例子可以参见：）当然，由于你大量买入比利时的票，可能导致比利时网站上的价格上升，而大量卖出芬兰网站上的票，可能导致两边的价格趋同。同样，在金融市场，如果存在无风险的套利机会，由于套利交易，价差趋0。所以有效市场的一个版本的定义就是不存在无风险的套利机会。我们继续从机票的例子展开。比如你觉得这个套利的空间太少，你希望看看是否其他的机票价差和可能的套利机会。比如你还发现: A1) 芬兰航空和法国航空销售同一个航线的机票，但是两者之间存在价差。距离出发时间约久，价差越大。在大多数情况下，到离出发时间越近，两者的价格差距越小。再比如: A2) 飞苏黎世和飞圣路易的机票价格波动存在某种关联。你需要从大量的价格数据里面挖掘这样的机会，你可以通过统计的手段找寻数据里面一些特征：
可能的套利机会 ＝ ＝反映在 ＝ 》》价格数据中一些特征（co-integration, coherence, etc）
数据中的特征 ＝ ＝ 推断出 ＝》》可能的套利机会而第二个过程就可以通过统计的手段（比如co-integration analysis等）得出。至于题主举的例子，可以看看confounding的概念
1：有什么深层次的概念解释统计套利，或者浅显例子题主的例子算是统计套利，但只是特例。统计套利的一般性定义应是“统计意义下的套利“，这样大多数量化投资策略（多因子选股、配对交易、趋势交易、基于外部信号的择时）都属于统计套利的范畴。最极端的例子：股市整体长期平均收益是正的，大约每年7%-10%，因此长期而言你应该配置一定比例股市以提高平均收益率（虽然也会大幅提高收益波动），这也是统计套利，你套取的是那个正值的长期平均收益。2：统计讨论和其他金融衍生品交易方式有什么区别？只是单纯的风险低很多吗？金融衍生品交易有很多种，例如投行为对冲衍生品业务风险做的对冲交易，与统计套利就差别比较大，目标和思路都不一样，不太科比；另外的方式是：衍生品比较复杂，所以市场定价时常会偏离无套利定价，所以就可以构建组合套利，理论上你可以无风险套利，但实际上很多现实约束导致这种套利是有风险的，只能把钱分散地多做几个品种，多做几次，平均上会获得稳定套利收益，这也是统计套利。统计套利的思想是广泛的，大多数投资策略都能够纳入统计套利的一般性定义。至于统计套利的风险是高是低，要看使用者的风险偏好，通常你在建立统计套利头寸前就能预估这个套利头寸的预期收益和不确定性，所以选择怎样的风险水平在个人。3：统计套利必须高频吗？低频但发现了其他人没发现的价格关联能不能套利？不一定高频啊，各种频率的统计套利机会可以并行不悖、互不干扰；你有哪个时间尺度的优势（信息、洞察力、交易限制、费率优势等），就做哪个时间尺度的统计套利。低频技术门槛相对低，所以容易发现的套利机会大多都被市场发现并消化掉了。但如果你确认你发现了一个，那可以套利，要注意分辨是否有坑。4：最后来一个例子，下面的交易例子算不算统计套利？还是其他交易方式【此处为题主的例子】这算统计套利吗？如果算的话那岂不是所有交易方式都算统计套利了？因为他们都是用一些东西和行情对应，例如平均线啥的当然算统计套利，只是不是太靠谱的统计套利。通常统计套利机会都需要充足的实证数据验证才下手，至于怎样算充分，要看看统计教材。此外我个人通常认为要数据与逻辑双支持才算通过验证，这样一来，题主的例子很难通过逻辑验证，很难上实盘。统计套利确实是一个广泛的概念，大部分投资策略要么是真正的套利，要么就是统计套利。例如价值投资，你认为市场定价低于价值，于是买入，虽然价格回归价值需要的时间不清楚，是否会回归也不清楚，但你如果买的10多只股票都是价格低于价值的股票，那么有更多的股票出现超越股指的上涨是相对有把握的。这也是在对一个有不确定性的套利机会下注，同样属于统计套利。用均线或价格走势的技术形态的那一类投资者，也算是统计套利，至少人工观察过历史上很多样本，下意识地做了统计，哪种技术形态下股票更多情况会怎么走，然后根据历史经验下注。这都是很正常也make sense的思路，只是如果能够用量化工具更严格地论证就如虎添翼了。统计套利的进一步参考资料：
所谓的统计套利根本就不应该和套利折上关系。统计套利本质是金融领域的数据挖掘。真正的套利，应该是原理明确并且稳定，风险可知，可操作。而统计套利，通常只关注结果，从数据中发现规律以后，假定未来规律依然延续，而忽视了产生结果的内在原因。统计套利的典型案例就是LTCM,一群世界顶尖的学术和业界牛人搞的基金，用各种高深莫测的数学模型利用不同交易品种的价格规律赚钱。前三年成绩喜人，大牛们对统计套利的手法更信心满满，把自己钱都投入基金里。不知他们当中有没有人思考过使他们能够赚钱的规律背后因素是什么，这些因素能否持续稳定，在什么情况下会失效。所以说，统计套利本身的模型再复杂精确，历史拟合再好，甚至实盘一段时间的表现再优异，如果其背后的逻辑和本质无法被解释并追踪，模型未来失效的风险就会是巨大，甚至不可控的。"在幫LTCM紓困後，Meriwether創辦了避險基金JWM Partners，Haghani、Hilibrand、Leahy和Rosenfeld都參與了新公司的成立。在1999年12月前，他們已募得2.5億美元的基金，可延續許多LTCM的策略──這次用較低槓桿。然而由於次貸風暴的影響，JWM Partners從2007年九月到2009年二月間，公司旗下的相關價值機會二號基金蒙受了44%的虧損。因此，JWM避險基金最終於2009年七月宣告倒閉。" ——来自维基百科有人认为LTCM的失败主要是过高杠杆造成的，其策略本身是可行的。然而，LTCM的创办者在之后另外两次尝试以低杠杆的尝试同样以失败告终，现实证明了其策略本身就有天然的缺陷。有人认为是黑天鹅造成了统计模型的失灵。但是我认为，在金融市场，违约，泡沫，暴跌这类事件，根本上是必然发生的。如果俄罗斯债务违约是黑天鹅事件，那连续数年债务市场风平浪静，各国债务一直平稳运作就是正常的吗？如果永远如此平稳的话，那么各国债券的收益率就趋向于相近了，那LTCM利用各国债券价差来盈利的模型恐怕也会失效。事实上，97年债务危机，07年次贷危机这类事件的出现，在金融市场上是必然事件。如果将从市场平稳阶段数据中挖掘到的规律理所当然的拿来当发财的工具，只要没有停手的一天，赚到的钱早晚有一天会还给市场。 现实中LTCM的牛人们不仅没想收手，还把自己的钱往里面扔，最大规模的加杠杆，甚至在危机发生的早期，面对亏损仍然越亏越开仓，妄想在基本面改变的情况下，他们的统计模型还能如上帝之手一般将价差收敛回去。题主提到利用均线系统是否算是统计套利。我认为，只要是使用统计的方法，在历史数据当中对均线这样的技术指标与价格趋势进行挖掘发现它们之间的运行规律，以此来作为未来交易的依据，如此就能归类到统计套利的范畴。我觉得，技术指标有效的背后，其反应出的是市场参与者交易的习惯，偏好，心理等特征。但与统计套利一样，技术指标未来的有效性是建立在市场参与者的特征是否稳定上面。
套利交易更多是配对交易，一买一卖，赌的是价差方向。你举的例子，单边买入做多，更接近通过“相关性因子”寻找alpha（低于市场风险的超额收益），当然beta（市场整体性涨跌或风险）也一起吃了。个人简单理解，非做这个方向，有不当之处请指出，谢谢邀请。
套利，我觉得，是一买一卖，在价差中赚钱。你举的第一个例子，还只有一个买。无非是你把a，b关联起来，发现了b起涨的拐点，然后你下手买b。这不叫套利。
魏因斯坦的“资本结构套利”的典型成功案例是2002年，蓝筹股安然和世通公司破产引发股市恐慌，投资者对美股最大的传媒公司美国在线—时代华纳感到不安，该公司的债券大幅下跌，而公司的股价仅下滑了20%，魏因斯坦认为，美国在线—时代华纳公司是不可能破产的，因为公司还有很多盈利能力较强的老牌业务（比如NBC电视网），魏因斯坦认为该公司的债券被严重低估了，因此决定卖出为该公司债券保险的CDS（收到保费），同时卖空该公司股票来进行对冲，这一策略大获成功。但是，同样是“资本结构套利”，2005年魏因斯坦针对通用汽车的对冲套利却暴露了巨大的风险。由于投资者担心大量现金流失可能导致通用汽车破产，通用股价在2004年末至2005年初大幅下跌，通用的债券也遭到重创，魏因斯坦认为，即使通用汽车破产，债权人也能至少保住40%的资本，不过股票可能就一文不值了。因此魏因斯坦通过卖出通用汽车债券的CDS（收取保费），同时在25—30美元一线卖空通用汽车股票，以达到对冲的目的。但是，在魏因斯坦的模型建立不久，一个名叫科可里安的美国亿万富豪通过旗下投资公司收购2800万股通用汽车股权，通用汽车股价受此影响大幅飙升。几天后，标普和穆迪公司将通用汽车的债券评级下调至垃圾级，通用汽车的债券暴跌，其CDS价格飙升。魏因斯坦的套利模型被两边打脸，亏损严重。在经过痛苦的煎熬和团体讨论后，魏因斯坦决定继续加码，期望市场回归均衡。直到2006年，通用汽车股价跌到了地板价，而债券价格基本收复了因评级下调造成的跌幅，魏因斯坦的套利模式收益转正。但是该模型差点因为外部事件的冲击险些血本无归。
前一段时间分级基金突然火了。特别是分级a，本来是低风险年化7个点左右的收益变成30加。而分级基金分为分级a与分级b，a与b都上市交易，当存在溢价时，交易者可以买入母基金拆分成ab卖出，当存在折价时，可以买入ab合成母基卖出。这种行为就可以称为套利。
金银期货比价一直在40～70间，现在69你说该怎么做，这就是统计套利。蔑视那些搞一堆英文玩意的，统计套利简简单单的东西而已。
现在记不大清楚了，记得我们以前公司就做所谓的无风险套利，就是在同一时刻，同时买入和卖出两种相关联的商品，那个时候做的是，现货黄金白银和美元还是什么，但是刚开始可能有盈利，到最后并没有实现真正的盈利
已有帐号？
无法登录？
社交帐号登录统计套利模型-学术百科-知网空间
统计套利模型
统计套利模型
投资者的宏观经济分析和微观价值分析除采用主观经验的定性分析外,其客观定量分析都建立...二是数量经济模型，这类模型是基于大量统计数据而建立的，包括现代投资理论模型和经济计量模型。如资本资产定价模型（CAPM）、套利定价理论（APT）、期权
与"统计套利模型"相关的文献前10条
从期现套利的基本思路出发,论证利用股指期货进行期现套利的可行性。实证表明,采用沪深300股指期货仿真交易的数据,并选择沪深300指数中权重排名前10的一篮子股票组合作为现货组合,
本文借鉴协整的思想,并采用比协整回归更一般化的方法来研究股票之间的统计套利模型。采用逐步回归法来确定合适的定价子空间与证券组合,并将统计套利模型应用于上证50指数的50个成份股,
现有的股指期货跨期套利大多是基于持有成本模型进行跨期套利,但由于此模型套利存在固有的缺陷,往往得不到理想的套利效果.统计套利提供了一种新的套利模式,少数利用协整理论进行套利的方法
本文简要介绍了统计套利的概念,对沪深300股指期货IFLX0、IFLX1合约,通过ADF和EG两步法检验其平稳性和协整性,利用统计套利的方法发现价差稳定性及变量间长期均衡关系,研
本文对Hogan(2004)的统计套利模型进行了修正,解决了其错误拒绝某些套利机会的问题,并首次提出了基于统计套利的开放式基金评级方法,从模式上突破了传统基金评级模型的框架,较好
沪深300股指期货即将推出,目前已经推出仿真交易。国外已有相关文献研究表明基于协整的统计套利可挖掘到一定的股指期货套利空间,而本文利用沪深300股指期货的仿真交易数据对基于协整的
目前对ETF的研究大多基于日数据,无法定量研究ETF瞬时套利问题。本文基于华夏上证50ETF和华安上证180ETF二级市场交易的高频数据,分析了ETF跟踪标的指数的日内误差,研究
统计套利是机构投资者广泛采用的基于模型的投资过程。本文对统计套利的基本原理、理论模式和交易策略进行了分析,并以中国封闭式基金市场的实际波动情况加以模拟检验,讨论了统计套利应用在实
本文通过协整的方法对沪天胶03合约以及04合约进行协整分析,证明两者之间是协整关系,存在长期稳定的比例关系。用历史数据根据统计套利,制定一个跨期套利模型,模型结果表明天胶不同月份
股指期货具备套期保值、价格发现、套利及投机等基本功能。机构投资者由于持有大量风险敞口的现货头寸,具有极大的避险需求,是股指期货市场的参与主体,而市面上对适用于机构的套期保值、套利
"统计套利模型"的相关词
快捷付款方式
订购知网充值卡
<font color="#0-819-9993
<font color="#0-
<font color="#0-统计套利策略
统计套利策略是国外对冲基金等机构投资者成功运用的策略，它的实施能为投资者带来巨额低风险收益，而在我国目前处于将起步阶段。
统计套利是一种基于模型的套利策略，通过从资产的历史交易数据找寻规律，发现两个或者两个以上的资产之间存在的套利机会，然后通过模型拟合资产价格的变化规律，设定交易阀值，通过计算机程序根据市场的实时信息自动发出交易信号而进行套利。
一，统计套利的内涵
1、统计套利的定义及原理
统计套利是一种模型驱动的投资过程，当资产价格偏离其理论价格或者模型预测价格时，则通过同时构建多头和空头组合而获取利润。当两只股票价差偏离长期均值时，我们相信其一定会出现均值回复。
2、统计套利策略
统计套利策略主要有两种，成对交易策略和主成分分析法。
成对交易，即价差交易，是统计套利最常用的策略，指在构建某一资产多头的同时，构建另一种资产的空头，并在将来某一时刻同时了结两资产的头寸。这是一种市场中性策略，可以免疫市场风险，通过捕捉两个或者多个资产之间的相对错误定价机会来获得低风险收益。
主成分分析法，该策略通过分析与股票收益率相关的多种因素，建立回归模型，通过分析资产实际价格和模型预测价格之间的差异来获利。当实际资产价格高于模型预测价格时，则说明该资产被高估了，卖出该资产，待到实际资产价格与模型预测价格相等时，再买入该资产以平掉之前的空头头寸。反之则进行相反操作。
二，统计套利的发展
统计套利是由配对交易发展而来的，所谓配对交易，是选择两个历史价格变动有显著相关性的证券，当它们的走势发生分化时，做多相对弱势的证券，做空相对强势的证券，期望它们未来的走势再次趋同获利。
20世纪80年代，随着计算机技术在投资领域的广泛普及，在全球市场范围内搜素证券对，同时管理和维护大量证券对的多空仓位成为一种可能，解决了一组证券对预测困难，配对交易风险大的问题，成为统计套利的开端。
“统计套利”一词首次使用是在20世纪90年代早期，统计套利方法的范围，从最古老的纯粹的匹配交易机制到复杂的、动态的非线性模型，应用的技术包括神经网络、小波分析、分形分析——几乎涵盖了统计学、物理学和数学上所有的模型匹配技术，这些技术被测试、检验，并在大多数情况下遭到摈弃。
统计套利后期的发展融合了多种因素，包括交易经验、更多的实证观测值、实验分析，并且从工程学和物理学的视角（涉猎领域从高能粒子物理到流体动力学，应用的数学技巧从概率论到微分差分方程）给予了理论上的解释。随着越来越多的智力成果被应用到相关的研究中，“匹配交易”这个名称已经不太恰当，甚至有些过时，于是，“统计套利”一词由此被创造出来。
已投稿到：当前位置： &&
&& 程序化交易与算法交易、量化投资、高频交易、统计套利的区别
程序化交易与算法交易、量化投资、高频交易、统计套利的区别
P2P交流群:
发布者：wangjf 来源：网络转载
　　现在市面上对本行业有很多不同的术语，包括程序化交易、算法交易、量化投资、高频交易、统计套利等，这些术语意思相近却仍有不同点，本文对各个名词进行解释说明：　　1、程序化交易：program trading　　很简单的字面意思，意味着你利用程序(program)进行交易。具体的交易时机，交易仓位，止损止盈获利标准可能包含在程序本身，也可能独立于程序之外，程序本身只是执行的方式。与程序交易对应的是人工交易。一般利用程序交易有几大优势，比如说较快的速度，脱离了人为情绪的影响，执行力有保证等等。　　同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制，资金利用，仓位管理等方面的内容，而不仅仅是买卖信号的产生。　　2、算法交易：algorithm trading　　意味着你的交易决定是根据一条或多条算法 (algorithm) 进行的，算法即是你交易的基础(trading logic)。算法本身千差万别，难以一概而论，常见的有以均价为基准的VWAP,通过固定时间间隔执行的TWAP, 趋势跟随的momentum trader等等，如果你自己编一个根据MACD，RSI什么的产生指标的东西，也可以勉强称为algorithm的。算法交易的执行可以是手工的，也可以是纯自动化的。如果利用交易程序来执行的话，就是程序化算法交易。现在大部分的算法交易都由程序化来实现，原因在上一条最后有提到。　　3、量化投资：quantitative investment　　一般概指通过概率，微积分等数学工具去研究金融市场各种资产价格的结构性来决定的投资。最有代表性的就是曾经盛极一时的Long term capital management,题主可以自行google之。进行量化投资对投资者的数学能力要求很高，所以一般专门进行量化投资的基金和投资公司都喜欢招数学，物理等理科的phd。一般的量化投资都涉及到比较复杂的数学模型，至于是否有效则仁者见仁智者见智。　　4、高频交易：high frenquency trading　　意味着每次交易从开仓到平仓只有很短的时间间隔，一般从十几分钟到几微秒不等。主要目的是通过市场短暂的价格波动而获利。无论是趋势追随交易还是套利交易，只要速度达到了都可以被称为高频交易。人工达到高频交易的标准很难，所以一般都是通过程序交易：设置好算法，策略之后由下单软件执行。为了达到有竞争力的速度还需要软硬件共同配合。现在高频交易大概占美国市场电子交易的60%-70%。这是一个winner takes all的游戏，所以到最后大家都在比拼硬件设施，比拼跟exchange的co-location以获得几微秒的优势。　　5、统计套利: statistics arbitrage　　统计套利是套利交易的一种，意味着通过历史数据统计来发现套利机会并试图从中获利。比如历史上玉米与大豆的价格比率(玉米价格除以大豆价格)一直维持在某个区间，假设这个区间为1到5。以往的历史数据显示至今为止只有两次玉米与大豆的价格比率突破了5，而且在突破后迅速回落至正常的区间。现在市场上玉米与大豆的比率突然再次突破了5达到了6，作为统计套利者，你很可能就会想要卖出这个比率(卖玉米买大豆)，期待比率迅速回归正常区间。如果比率真的迅速回落至4或者3，这时你再平仓(买回玉米卖出大豆)就可以获得可观利润。　　当然这只是个粗浅的比方，实际市场比这个复杂的多。如何确定正确的套利区间，如何决定最佳套利比(几手对几手)，有没有季节性影响，有没有可能的突发事件影响等等，都需要纳入考虑的范畴。　　还有就是要注意套利与对冲的区别，套利一般意味着零风险或者很低的风险，比如你同时买卖一个在不同交易所交易的同一产品，举个例子，买上海铜卖伦敦铜，或者买近月大豆，卖远月大豆。对冲则意味着你只是通过关联性降低了风险敞口，举个例子，你买了橡胶之后又卖了铜进行对冲，因为这两者的关联性相当高。　　拓展阅读：　　
欢迎加入，P2P交流群：
保险交流群
基金交流群
扫描下方二维码，可关注希财官方微信(也可微信搜索：希财网)和新浪微博关注希财官方微信关注希财官方微博
声明：本文内容由网友发布，仅代表网友个人经验或观点，不代表本网站立场和观点。如果本文侵犯了您的知识产权，请与我们取得联系，我们会及时修改或删除。
网友评论您也可以
您可以输入250个字
上海广州深圳天津
最高贷款额
最高贷款额
最高贷款额
你好，要分析两个公司哪个更有投资价值应该要看是否具有可比性，首先从行业的角度看，京东是属于互联网电商平台，经过多年的资金投入后，积累了较多的客户，但是行业中仍不乏较强的竞争对手如苏宁云商等，行业蛋糕很大，未来京东在这个蛋糕中的占比能否持续提高，行业横向整合能力等都会影响到京东的投资价值，从目前这个时点看，京东还没有进入真正意义上的回收阶段，建议可以继续观察，少量逐步建仓；而百度是国内最大的搜索引擎这个是没有争议的，但是搜索引擎这个细分已经相对饱和，在互联网和移动互联中具有较强的先发优势，未来通过并购等方式进行多元化发展的实力较强，未来还是比较看好的。两家公司处于不同的细分领域，没有直接比较的基础，只能说根据个人对于行业的角度出发进行选择会更加合理。欢迎在线咨询
4月至11月初采用夏令时，北京时间：21:30至 次日凌晨4:00；（周一到周五）11月至4月初采用冬令时，北京时间：22:30至 次日凌晨5:00。（周一到周五）美国的公众假期休市
投资者你好，可以做多可以做空，当天可买卖。
你好，京东商城本周或在美上市 ，预估市值位列中概股第三
你好，广发证券为你提供美股账户开户，股票开户培训，欢迎咨询
希财网 版权所有 & &&湘ICP备号&&增值电信业务经营许可证湘B2-}