有效市场假说（EMH）指出，金融市场是“信息有效”的，因为交易资产的价格反映了任何给定时间的所有已知信息。但如果这是真的，那么尽管没有新的基本面信息，为什么价格每天都在变化呢？答案涉及到个人交易者普遍遗忘的一个方面：流动性。...
有效市场假说（EMH）指出，金融市场是“信息有效”的，因为交易资产的价格反映了任何给定时间的所有已知信息。但如果这是真的，那么尽管没有新的基本面信息，为什么价格每天都在变化呢？答案涉及到个人交易者普遍遗忘的一个方面：流动性。
全天许多大型机构交易与信息无关，一切都与流动性有关。感觉过度敞口的投资者将积极对冲或平仓，最终影响价格。这些流动性需求者往往愿意付出代价退出其头寸，这可以为流动性提供者带来利润。这种在信息上获利的能力似乎与有效市场假说相矛盾，但形成了统计套利的基础。
统计套利旨在利用价格和流动性之间的基本关系，根据统计模型产生的资产预期价值，从一项或多项资产的错误定价中获利。
关键要点
- 统计套利是一种投资策略，旨在从缩小两种或两种以上证券的交易价格差距中获利。
- Stat-arb涉及几种不同的策略，但都依赖于市场中趋向于效率的各种资产之间的统计或相关规律。
- 尽管stat arb的名字中有“套利”一词，但它的风险很高，会导致巨大的系统性损失，比如对冲基金长期资本管理公司（LTCM）的大规模破产。
什么是统计套利(statistical arbitrage)？
统计套利，或称“统计套利”，起源于20世纪80年代，源于摩根士丹利股票大宗交易台操作所产生的对冲需求。摩根士丹利（Morgan Stanley）通过购买股票而不是密切相关的股票来对冲其巨额头寸，从而避免了与大宗购买相关的价格惩罚。
例如，如果交易台购买了可口可乐（Coca-Cola）的大量股票，它将做空百事可乐（PepsiCo）等密切相关的股票，以对冲短期内市场出现的任何重大下跌。这有效地消除了一些市场风险，同时该公司试图将其购买的股票进行大宗交易。
交易者很快开始把这些“配对”看作是同一个交易策略的两个方面，而不是一个单独的块来执行和对冲，在这里可以获利，而不仅仅是对冲工具。这些成对交易最终演变成若干更为复杂的策略，旨在利用证券价格因流动性、波动性、风险或其他基本或技术因素而产生的统计差异。我们现在将这些策略统称为统计套利。
统计套利的类型
有许多类型的统计套利创造利用几个不同类型的机会。虽然某些类型的产品已被越来越高效的市场淘汰，但也有一些其他的机会取代它们。以下是一些主要的统计arb策略。
风险套利
风险套利是一种统计套利形式，旨在从合并情况中获利。投资者购买目标公司的股票（如果是股票交易）同时做空收购方的股票。其结果是从收购价格和市场价格之间的差额中获得利润。
与传统的统计套利不同，风险套利需要承担一定的风险。最大的风险是合并失败，目标公司的股票将降至合并前的水平。另一个风险是投资资金的时间价值。需要很长时间才能完成的合并会侵蚀投资者的年度回报。
风险套利成功的关键是确定合并的可能性和及时性，并将其与目标股票和收购要约之间的价差进行比较。一些风险套利者也开始对收购目标进行投机，这可能导致利润大幅增加，风险也同样加大。
波动性套利
波动率套利是一种流行的统计套利，它主要利用期权的隐含波动率与delta中性投资组合中未来实现波动率预测之间的差异。从本质上讲，波动性套利者是在对基础证券的波动性进行投机，而不是对该证券的价格进行定向押注。
这一策略的关键在于准确预测未来的波动性，这种波动性可能因多种原因而偏离，包括：
一旦波动性套利者估计了未来实现的波动性，他们就可以开始寻找隐含波动性显著低于或高于标的证券的预测实现波动性的期权。如果隐含波动率较低，交易者可以购买期权，并用基础证券进行对冲，从而形成一个delta中性的投资组合。同样，如果隐含波动率较高，交易者可以**期权，并与基础证券进行对冲，从而形成一个delta中性的投资组合。
当标的证券的已实现波动率比市场预测（或隐含波动率）更接近其预测时，交易者将在交易中实现利润。通过保持投资组合delta中性所需的持续再套期保值，从交易中实现利润。
神经网络
由于神经网络能够找到肉眼看不见的复杂数学关系，因此在统计套利领域越来越流行。这些网络是基于生物神经网络的数学或计算模型。它们由一组相互连接的人工神经元组成，这些神经元使用连接主义的计算方法处理信息这意味着它们在学习阶段根据流经网络的外部或内部信息改变其结构。
从本质上讲，神经网络是非线性统计数据模型，用于模拟输入和输出之间的复杂关系，以发现数据中的模式。显然，任何证券价格变动的模式都可以被用来牟利。
高频交易
高频交易（HFT）是一项相对较新的发展，旨在利用计算机快速执行交易的能力。这些年来，贸易部门的支出大幅增长，因此，有许多程序能够每秒执行数千笔交易。现在，由于竞争，大多数统计套利机会都是有限的，快速执行交易的能力是扩大利润的唯一途径。
越来越复杂的神经网络和统计模型，再加上能够更快地处理数字和执行交易的计算机，是套利者未来获利的关键。
统计套利如何影响市场
统计套利在提供市场大部分日常流动性方面发挥了至关重要的作用。最初，它有助于大型大宗交易商在不显著影响市场价格的情况下进行交易，同时，通过将美国存托凭证（adr）与母公司股票更紧密地关联起来，减少了美国存托凭证（adr）等发行的波动性。
事实上，随着stat-arb策略的广泛应用和自动化程度的提高，它们往往会推动市场走向更高的效率。当资产之间的套利机会出现时，通过使用这些策略，它们很快就会被消除。因此，stat arb可以带来一个流动性更强、更稳定的市场。
然而，统计套利的失误也造成了一些重大问题。早在1998年，长期资本管理公司（LTCM）的倒闭几乎让市场一片废墟。为了从如此小的价格偏差中获利，有必要采取重大的杠杆作用。
此外，由于这些交易是自动化的，因此有内置的安全措施。就长期资本而言，这意味着它将在向下移动时清算；问题是，长期资本管理公司的清算令只会在可怕的循环中触发更多的卖出指令，最终会随着**干预而结束。
记住，大多数股市崩溃都是由流动性和杠杆问题引起的，而统计套利者正是在这种情况下运作的。Stat-arb算法也被认为是过去十年市场开始经历的“闪电崩盘”的部分原因。闪电崩盘是电子证券市场中的一种事件，在这种情况下，证券的快速抛售会导致负反馈循环，从而在几分钟内导致价格大幅下跌。
底线
统计套利是迄今为止最具影响力的交易策略之一，尽管自20世纪90年代以来，其受欢迎程度略有下降。今天，大多数统计套利是通过高频交易进行的，使用的是神经网络和统计模型的组合。这些策略不仅提供了流动性，而且在很大程度上也导致了我们过去在长期资本管理公司（LTCM）等公司中看到的一些最大的崩溃。只要将流动性和杠杆问题结合起来，这可能会继续使该策略成为一种值得认可的策略，即使是对普通投资者而言也是如此。
