用R检验配对股票的协整性
基于统计套利的配对交易策略是一种市场中性策略。具体地说,是指从市场上找出历史股价走势相近的股票进行配对,当配对股票价格差(Spread)偏离历史均值时,则做空股价偏高的股票,同时做多股价偏低的股票,等待它们回归到长期均衡关系,由此赚取两股票价格收敛的报酬。
进行配对交易,第一步也是最关键的一步是寻找符合配对条件的股票,即两支历史价格走势相近,具有长期稳定关系的股票。本文解释如何用R来实现协整检验。
假设你有两支股票,如TKR_Y和TKR_X,各自5分钟行情的历史数据,你想要知道它们是否存在协整关系;再假设这些数据是从PostgreSQL数据库(pairs_trading_test)中提取,数据表(tbl_quote)的结构为:
id #id
market #市场,如SH,SZ
symbol #代码,如600036
qdatetime #时间戳,YYYY-MM-DD HH:MM:SS
open #开盘价
high #最高价
low #最低价
close #收盘价
adj_close #调整后收盘价,指除权息后经调整的收盘价
数据表示
在R中,当然可以用向量(vector)或数据框(data frame)来表示你的时间序列数据,但其过程肯定乏味低效。强烈建议使用zoo包或xts包来进行时间序列分析,xts是zoo包的一个超集,包含极高的运算效率和其它一些方便实用的特点。此处,我们用zoo对象来表达时间序列数据。
一旦把数据加载到zoo对象,比如t,那么它的行为与数据框类似。一个zoo对象可以包含若干列,每一列是一个时间序列,每一行则是这些时间序列在同一时刻的观测值。对象也提供了另外一些附加属性,如:index(t)是一个日期向量,每次观察一个日期;第一个和最后一个日期可以分别用start(t)和end(t)获得。
加载数据
从数据库中读取并加载数据只需完成以下简单步骤:
library(zoo)
library(RpgSQL)
r_conn <- dbConnect(pgSQL(), user="postgres", password="postgres",
dbname="pairs_trading_test", host="localhost")
q <- paste("select qdatetime, log(close) from tbl_quote where market like '", X_market, "' and symbol like '", X_symbol, "'", sep="")
quote_x <- dbGetQuery(r_conn, q)
q <- paste("select qdatetime, log(close) from tbl_quote where market like '", Y_market, "' and symbol like '", Y_symbol, "'", sep="")
quote_y <- dbGetQuery(r_conn, q)
# 用zoo函数来构造zoo对象,该函数有两个参数,一个数据向量,一个日期向量
quote_x <- zoo(quote_x$close, quote_x$qdatetime)
quote_y <- zoo(quote_y$close, quote_y$qdatetime)
# merge函数合并两个zoo对象,同时计算它们的交集(all=FALSE)或并集(all=TRUE)
t.zoo <- merge(quote_x, quote_y, all=FALSE)
# 此时,t.zoo是一个包含两列: quote_x和 quote_y的zoo对象。由于R中许多统计函数需要数据框作为输入项。在此,我们创建一个数据框对象
t <- as.data.frame(t.zoo)
# 打印输出日期范围
cat("日期范围是: ", format(start(t.zoo)), " 至 ", format(end(t.zoo)), "\n")
#----------------------------------------------------------------------------------------------------------------
# X_market, X_symbol, Y_market, Y_symbol分别为股票TKR_X、TKR_Y的市场和代码
# log(close)表示取收盘价自然对数。取价格的对数序列是协整检验的常用做法,目的是消除数据中可能存在的异方差。
#----------------------------------------------------------------------------------------------------------------
构造价差序列
在Matlab、Eviews等软件中,一般是先检验协整关系,然后再构造价差序列。在R中,我们可以以另外一种方式完成同样的任务:先构造价差序列,然后对该序列进行单位根检验。如果价差序列有一个根位于单位圆内,则相应的股票就是协整的。
价差序列定义如下:
S = y - (β × x)
此处, β是对冲系数,用最小二乘法计算而得。移项,我们要知道的不过就是最适合以下方程的β:
y = (-β)× x
这是一个简单且没有y截距的线性方程。在R中,lm函数可以用来拟合这样的线性模型。
# lm函数用OLS构造线性回归模型。我们先构造一个截距为零的线性模型,然后提取模型的第2个回归系数。
m <- lm(quote_y ~ quote_x + 0, data = t)
beta <- coef(m)[1]
# 现在,计算价差序列
sprd <- t$quote_y - beta * t$quote_x
传递给lm的第一个参数是一个指定线性模型的公式,公式 quote_y ~ quote_x + 0表示模型如下:
quote_yi = β × quote_xi+ εi
(如果公式中省略掉 "+ 0", 则R也会拟合一个y截距)
检验协整关系
ADF是单位根检验的一种基本方法,许多R包都提供该方法。这里,我们用 tseries
包中的
adf.test
函数。该函数返回一个包含测试结果,尤其是我们所需的
P
值,的对象
。
library(tseries)
ht <- adf.test(sprd, alternative="stationary", k=0)
设置 alternative="stationary" 非常重要:
对统计学者而言,它指定了一个价差序列非平稳或发散的零假设
对其他人而言,它意味着如果P值很小,则价差是均值回复的。至于何为“小”,取决与你有多严格,一般是小于0.1或0.05(越小越好)
至此,协整检验就Ok了。我们可以将ADF检验结果解释如下:
#ht对象中包含ADF检验中得到的P值。p值是价差序列非均值回复的概率,因此,越小的P值意味序列非均值回复的概率越小。
if (ht$p.value < 0.05) {
cat("价差可能均值回复.\n")
} else {
cat("价差不满足均值回复.\n")
}
用R检验配对股票的协整性相关推荐
- 可交易性(tradability)检验即协整性检验:介绍
我们得到一批候选的股票配对后,就要探讨所识别的候选对是否实际可交易?我们可以说,如果配对是协整的,那么这对股票是可交易的.然而,我们需要记住,在大多数情况下,我们所处理的配对并不是完全协整的.事实上, ...
- 量化投资实战(三)之配对交易策略---协整法
点赞.关注再看,养成良好习惯 Life is short, U need Python 初学量化投资实战,[快来点我吧] 配对交易策略实战-协整法 基本流程 配对组合 --> 计算价差 --&g ...
- python平稳性检验_python statsmodels coint协整关系检验与结果分析
在满足数据的平稳性后,使用原时间序列进行coint协整检验.(如果前面有进行一阶差分,也不能用一阶差分的序列,切记) statsmodels.tsa.stattools.coint statsmode ...
- 可交易性(tradability)检验即协整性检验:线性关系
两个时间序列的线性关系表示为: 左边是两个时间序列的线性组合.是协整系数. 右边是残差序列(residual series),表示为由两部分组成.是均衡值(equilibrium value),是一个 ...
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据
传统上,协整的测试是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的平衡. 但是作为量化主义者,我们必须在市场数据中寻找共同运动. 现货曲线 银行提 ...
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据...
全文下载:http://tecdat.cn/?p=29221 传统上,协整检验是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的均衡(点击文末&qu ...
- 基于时间序列的协整关系的配对交易
数据来源:Vitu.AI (一)什么是配对交易? 统计套利之配对交易是一种基于数学分析交易策略,其盈利模式是通过两个标的的差价(spread)来获取,两者的价格走势虽然在中途会有所偏离,但是最终都会趋 ...
- python统计套利_统计套利(二),利用协整关系进行配对交易【原文】
之前我们谈到了利用两只股票之间的相关系数进行配对交易,但我们能通过两只相关性较高的股票对之间的差价图看出,相关性高他们之间的价差并不一定会是一个平稳序列,简单来说我们无法利用这个不收敛的价差来进行套利 ...
- 时间序列学习(6):单整、协整、格兰杰检验
时间序列学习(6):单整.协整.格兰杰检验 1.单整序列 2.协整关系 3.模型解释与协整检验 4.华泰柏瑞300与兴全300究竟能否搬砖? 前面的笔记里,我们都是在研究一个时间序列(不同时间段)中的 ...
最新文章
- Sublime3 快捷键
- 美赛最新通知:论文接收状态已更新完毕!
- [数据库] MySQL基础知识之日期判断及添加排序序号
- 我的世界java版记分板_我的世界计分板指令 如何使用计分板教程
- 画瀑布图_常见的招财风水画之含义
- widows下nignx的使用
- 我们无法更新系统保留的分区_系统更新是我们手机的基本功能之一 安卓智能更新有哪些用途...
- 流计算技术实战 - 超大维表问题
- 如何寻找互联网红利期产品?
- Lintcode 51.上一个排列[Medium]
- MasterPage下的FindControl
- 自旋锁学习系列(2):TAS锁
- 1000瓶毒药里有1瓶有毒,问需要多少只老鼠能试出来哪瓶有毒
- 【免费分享】论文查重软件(亲测好用!)
- html视频标签video旋转播放方向,video视频文件有方向怎么处理?
- the计算机科学全球大学排名,2020THE计算机科学专业排名发布,内地60所大学入榜,清华全球15...
- pixiv的服务器信息,Pixiver™
- 11.STC15W408AS单片机CCP/PCA/PWM应用
- 经常被问退休金多少,怎么答
- 不会编程也能爬数据!3个爬虫小工具教你实现~
热门文章
- 计算机台式右上角三个灯作用,键盘上的三个灯分别代表什么意思 三个灯各有什么作用呢...
- Java中关于length和length()的问题小结
- 数学建模之马尔萨斯模型(入门版)
- BIM的真正基础是模型质量!
- VMware设置共享文件夹之后Ubuntu中看不到怎么办?
- ceil在c 语言中的用法,在C中实现ceil()
- 你会给父母买保险吗?
- BYOD——自带设备
- 四川大学计算机学院陈宇老师,十年母校情,拳拳赤子心——四川大学计算机学院(软件学院) 2005级校友捐赠签约仪式顺利举行...
- 机器学习:案例探究课程笔记