有效市場假說（EMH）指出，金融市場是“資訊有效”的，因為交易資產的價格反映了任何給定時間的所有已知資訊。但如果這是真的，那麼儘管沒有新的基本面資訊，為什麼價格每天都在變化呢？答案涉及到個人交易者普遍遺忘的一個方面：流動性。...
有效市場假說（EMH）指出，金融市場是“資訊有效”的，因為交易資產的價格反映了任何給定時間的所有已知資訊。但如果這是真的，那麼儘管沒有新的基本面資訊，為什麼價格每天都在變化呢？答案涉及到個人交易者普遍遺忘的一個方面：流動性。
全天許多大型機構交易與資訊無關，一切都與流動性有關。感覺過度敞口的投資者將積極對沖或平倉，最終影響價格。這些流動性需求者往往願意付出代價退出其頭寸，這可以為流動性提供者帶來利潤。這種在資訊上獲利的能力似乎與有效市場假說相矛盾，但形成了統計套利的基礎。
統計套利旨在利用價格和流動性之間的基本關係，根據統計模型產生的資產預期價值，從一項或多項資產的錯誤定價中獲利。
關鍵要點
- 統計套利是一種投資策略，旨在從縮小兩種或兩種以上證券的交易價格差距中獲利。
- Stat-arb涉及幾種不同的策略，但都依賴於市場中趨向於效率的各種資產之間的統計或相關規律。
- 儘管stat arb的名字中有“套利”一詞，但它的風險很高，會導致巨大的系統性損失，比如對沖基金長期資本管理公司（LTCM）的大規模破產。
什麼是統計套利(statistical arbitrage)？
統計套利，或稱“統計套利”，起源於20世紀80年代，源於摩根士丹利股票大宗交易臺操作所產生的對沖需求。摩根士丹利（Morgan Stanley）透過購買股票而不是密切相關的股票來對沖其巨額頭寸，從而避免了與大宗購買相關的價格懲罰。
例如，如果交易臺購買了可口可樂（Coca-Cola）的大量股票，它將做空百事可樂（PepsiCo）等密切相關的股票，以對沖短期內市場出現的任何重大下跌。這有效地消除了一些市場風險，同時該公司試圖將其購買的股票進行大宗交易。
交易者很快開始把這些“配對”看作是同一個交易策略的兩個方面，而不是一個單獨的塊來執行和對沖，在這裡可以獲利，而不僅僅是對沖工具。這些成對交易最終演變成若干更為複雜的策略，旨在利用證券價格因流動性、波動性、風險或其他基本或技術因素而產生的統計差異。我們現在將這些策略統稱為統計套利。
統計套利的型別
有許多型別的統計套利創造利用幾個不同型別的機會。雖然某些型別的產品已被越來越高效的市場淘汰，但也有一些其他的機會取代它們。以下是一些主要的統計arb策略。
風險套利
風險套利是一種統計套利形式，旨在從合併情況中獲利。投資者購買目標公司的股票（如果是股票交易）同時做空收購方的股票。其結果是從收購價格和市場價格之間的差額中獲得利潤。
與傳統的統計套利不同，風險套利需要承擔一定的風險。最大的風險是合併失敗，目標公司的股票將降至合併前的水平。另一個風險是投資資金的時間價值。需要很長時間才能完成的合併會侵蝕投資者的年度回報。
風險套利成功的關鍵是確定合併的可能性和及時性，並將其與目標股票和收購要約之間的價差進行比較。一些風險套利者也開始對收購目標進行投機，這可能導致利潤大幅增加，風險也同樣加大。
波動性套利
波動率套利是一種流行的統計套利，它主要利用期權的隱含波動率與delta中性投資組閤中未來實現波動率預測之間的差異。從本質上講，波動性套利者是在對基礎證券的波動性進行投機，而不是對該證券的價格進行定向押註。
這一策略的關鍵在於準確預測未來的波動性，這種波動性可能因多種原因而偏離，包括：
一旦波動性套利者估計了未來實現的波動性，他們就可以開始尋找隱含波動性顯著低於或高於標的證券的預測實現波動性的期權。如果隱含波動率較低，交易者可以購買期權，並用基礎證券進行對沖，從而形成一個delta中性的投資組合。同樣，如果隱含波動率較高，交易者可以**期權，並與基礎證券進行對沖，從而形成一個delta中性的投資組合。
當標的證券的已實現波動率比市場預測（或隱含波動率）更接近其預測時，交易者將在交易中實現利潤。透過保持投資組合delta中性所需的持續再套期保值，從交易中實現利潤。
神經網路
由於神經網路能夠找到肉眼看不見的複雜數學關係，因此在統計套利領域越來越流行。這些網路是基於生物神經網路的數學或計算模型。它們由一組相互連線的人工神經元組成，這些神經元使用連線主義的計算方法處理資訊這意味著它們在學習階段根據流經網路的外部或內部資訊改變其結構。
從本質上講，神經網路是非線性統計資料模型，用於模擬輸入和輸出之間的複雜關係，以發現資料中的模式。顯然，任何證券價格變動的模式都可以被用來牟利。
高頻交易
高頻交易（HFT）是一項相對較新的發展，旨在利用計算機快速執行交易的能力。這些年來，貿易部門的支出大幅增長，因此，有許多程式能夠每秒執行數千筆交易。現在，由於競爭，大多數統計套利機會都是有限的，快速執行交易的能力是擴大利潤的唯一途徑。
越來越複雜的神經網路和統計模型，再加上能夠更快地處理數字和執行交易的計算機，是套利者未來獲利的關鍵。
統計套利如何影響市場
統計套利在提供市場大部分日常流動性方面發揮了至關重要的作用。最初，它有助於大型大宗交易商在不顯著影響市場價格的情況下進行交易，同時，透過將美國存託憑證（adr）與母公司股票更緊密地關聯起來，減少了美國存託憑證（adr）等發行的波動性。
事實上，隨著stat-arb策略的廣泛應用和自動化程度的提高，它們往往會推動市場走向更高的效率。當資產之間的套利機會出現時，透過使用這些策略，它們很快就會被消除。因此，stat arb可以帶來一個流動性更強、更穩定的市場。
然而，統計套利的失誤也造成了一些重大問題。早在1998年，長期資本管理公司（LTCM）的倒閉幾乎讓市場一片廢墟。為了從如此小的價格偏差中獲利，有必要採取重大的槓桿作用。
此外，由於這些交易是自動化的，因此有內建的安全措施。就長期資本而言，這意味著它將在向下移動時清算；問題是，長期資本管理公司的清算令只會在可怕的迴圈中觸發更多的賣出指令，最終會隨著**幹預而結束。
記住，大多數股市崩潰都是由流動性和槓桿問題引起的，而統計套利者正是在這種情況下運作的。Stat-arb演算法也被認為是過去十年市場開始經歷的“閃電崩盤”的部分原因。閃電崩盤是電子證券市場中的一種事件，在這種情況下，證券的快速拋售會導致負反饋迴圈，從而在幾分鐘內導致價格大幅下跌。
底線
統計套利是迄今為止最具影響力的交易策略之一，儘管自20世紀90年代以來，其受歡迎程度略有下降。今天，大多數統計套利是透過高頻交易進行的，使用的是神經網路和統計模型的組合。這些策略不僅提供了流動性，而且在很大程度上也導致了我們過去在長期資本管理公司（LTCM）等公司中看到的一些最大的崩潰。只要將流動性和槓桿問題結合起來，這可能會繼續使該策略成為一種值得認可的策略，即使是對普通投資者而言也是如此。
