前言：中文期刊网精心挑选了短期交易策略范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
短期交易策略范文1
摘要在义务教育阶段教师均衡流动制度的创建过程中，有许多的阻力因素。其中新旧制度之间的冲突就形成了制度阻碍。本文从人事管理制度、教师编制制度、教师工资制度和非正式制度这几个方面对制度阻力进行了分析并尝试提出化解制度阻碍的策略。
关键词教师；均衡流动；制度阻碍
多年来我国教师流动大多是在市场经济下的自由流动，在流动趋势上表现为“单向上流动”。这样的流动使农村教师资源短缺、师资队伍素质下降，造成了地区、城乡之间教师资源配置的不均衡，加剧了义务教育发展的不均衡。近年来国家政府认识到了在市场经济下教师自由流动的危害后，开始尝试通过教育行政手段来干预教师的不合理流动。
一、我国义务教育阶段教师均衡流动的制度阻碍分析
近几年，全国各地政府纷纷出台了各种有关教师流动的教育法规，在一定程度上缓解了义务教育阶段教师资源配置不均衡的情况。但是目前教师流动制度却出现失真现象，教师流动的实效性不佳，许多地方的教师流动制度处于进退不得的状态。出现这样的情况主要是由于其他相关制度对教师流动制度的阻碍。
1.教师人事制度对教师流动制度的阻碍
我国《教育法》规定“学校和其他教育机构应当遵循双方地位平等的原则，由学校和教师签订聘任合同，明确规定双方的权利、义务和责任。”这种教师聘任制的人事制度使得学校可以自主管理，其中包括了对教师的任用、续聘或解聘等。因此许多学校把教师当作学校的私有产品，当作与别校竞争的砝码，禁止优秀教师向外流动。这种情况导致了处于优势地位的学校只派出资历浅、年龄偏大的教师进行流动，而被流动的教师也产生对教学的消极抵触的情绪。
2.教师编制制度与教师流动制度的冲突
目前，我国中小学教师编制是按师生比进行核定的。这样教师从由超编的学校向缺编的学校流动比较好解决。而对于缺编学校来说，就可能派不出教师。另外由于农村教师的编制比较紧张，致使在农村教学的教师不得不承担多门课程的教学任务。这种状况致使许多来农村流动的教师超负荷工作，压力加大，精神、体力不足。进而严重影响了城市教师流向农村学校的积极性。这样就不可避免地会对教师流动制度形成很大的阻力。而且教师从缺编学校向超编学校流动也经常会出现超编学校不需要教师，流动教师任教的不是本学科的课程的现象，这种情况是对教师资源的浪费，对教师流动没有任何积极的作用。
3.教师工资制度与教师流动制度的矛盾
长期以来，我国城乡二元结构体制形成了一种“城市中心”的价值取向，这种倾向使我国教育资源配置政策存在错位现象。具体表现为教育财政和教师人事制度向城市学校倾斜。虽然城乡教师的基本工资实行的是国家统一标准的岗位工资和薪级工资，基本工资差距不大，但是与城市教师相比，农村教师的津贴补助金额偏低。这种“同工不同酬”的现象也存在于校际之间。重点学校的教师总工资比普通学校的要高很多。这种“同工不同酬”的工资制度已成为我国教师均衡流动制度的首要制约因素。
4.非正式制度对教师流动制度的阻碍作用
首先，在响应各级政府的教师流动制度时，有一大部分的教师是本着流动有助于评职称而参加教师流动计划的。持有这样的功利化价值取向的教师在流动学校只会得过且过，混完流动的日子。这种态度导致了社会对教师流动制度的不认同，对教师流动制度产生了极大的消极作用。其次，教师流动制度还会受到社会大众心理的影响。目前，社会公众对教师流动制度还持着怀疑态度。有的甚至还对教师流动教师存在错误认识，若教师流动制度得不到社会大众的支持，那么教师流动制度是不可能全国范围内执行起来的。
二、义务教育阶段教师均衡流动制度创建过程中制度阻力的化解策略
1.改革当前的人事管理体制
首先，提倡教师的“无校级管理”，即将中小学教师的管理权限收回到地方教育行政部门，由地方教育行政部门统一配置师资。这样就解决了学校不愿让教师流动而地方教育行政部门又要实行教师流动管理的两难困境。其次，教育部门应取消“教师选考制度”，取消教师从乡村到城市的单向上的不合理流动。将农村教师向城市教师流动纳入到教师流动制度中。通过这样改革教师认识管理体制来完善教师全员聘任制度，消除教师流动的人事管理体制的约束。
2.重建教师编制制度
首先，应该按照教育公平的原则来核定教师编制。应切实综合地考量师生比、认可门数与教职工比、周课时与教职工比、年级数与教师比、专业教师和后勤人员比例，必须秉持公平平等原则，落实教师编制，从而全面地统筹调配教师。其次，根据实际情况设置“专业编制”。由于我国农村学校普遍缺少体育、音乐、美术、英语、信息技术教育等学科专业教师，所以有关教育行政机关应针对这种情况在农村教师的编制安排中设立一定比例的“专业编制”，以此来缓解在农村任教的教师的任课压力。
3.优化教师工资制度
首先应明确教师工资制度模式。即在实行基本工资同工同酬制度的政策下，规范教师工资的额外收入（奖金、福利性补助等等）。这样的做法不仅消除了城乡教师的工资差别，还平衡了重点学校和非重点学校教师收入的差别。其次，对进行流动的教师应进行各种津贴补偿，尤其是流动到农村和边远地区的教师。津贴补偿的金额应按市、县、镇、村逐级递增。津贴还要保证有足够的额度和力度。
短期交易策略范文2
论文提要：近期，由于受国际金融危机的影响，我国棉花产业陷入了十分困难的境地，企业的短期竞争行为频繁发生。本文运用博弈论相关知识，分析了企业短期竞争行为的发生机理，进而指出了与棉花直接相关的棉花种植、收购、加工企业所组成的棉花产业的短期竞争行为发生的主要原因，并提出相应治理对策，以减少棉花产业的短期竞争行为。
一、引言
我国棉花产业经过多年的发展，已成为国民经济发展中的支柱产业。然而，进入2008年以来，受到国际金融危机的影响，我国棉花产业陷入了十分困难的境地。目前，我国在棉花收购过程中频繁交替出现惜购、惜售现象。在棉花需求大于供给的情况下，企业为了加大收购数量，凭经验定等级，与棉农协商收购，存在混等混级以及收购含水量超标籽棉的现象。对于竞争激烈的棉花产业，大量棉花加工企业甚至“龙头”企业身处极其恶劣的环境，不得不降低质量要求，提高价格，甚至以给客户回扣乃至欺诈等手段以求一时之利。这种短期竞争行为有可能给行为的“始作俑者”带来暂时的好处，但由此产生的后果则使绝大部分企业经营陷入更加艰难的窘境。倒闭、停产、半停产的纺织企业数量增加；棉花加工企业开工严重不足，审慎收购；棉农在种植成本大幅增加的情况下，籽棉价格不如预期，处在亏损之中。持续下滑的棉市给各相关企业和棉农造成较大的打击。我国棉花产业外部环境的恶化以及产业内的不确定因素的持续增加，其形势相当严峻。由此，棉花产业的短期竞争行为也频繁发生，这又进一步危害了产业的良性发展。棉花企业的短期竞争行为放大了棉价波动的幅度，危害了棉花的生产和消费的稳定，不利于实现最佳经济规模和产业的长期均衡发展。为此，本文针对与棉花直接相关的棉花种植、收购、加工企业所组成的棉花产业的短期竞争行为发生的机理及其主要原因进行简要的讨论，并提出相应的治理对策，以减少棉花产业的短期竞争行为。
二、我国棉花产业短期竞争行为的原因分析
(一)企业短期竞争行为的发生机理
所谓短期竞争行为是指组织(特别是企业)在交易过程中，利用自身的市场力量优势所采取的短期的、趋利的机会主义行为。这种行为短期内可能给优势方带来暂时的利益，但从长期来看则损害了交易双方的长远利益。
企业短期竞争行为的发生机理可以用博弈论加以分析。在由两个或两个以上博弈方构成的博弈过程中，各博弈方都是在个体理性的基础上选择策略。这里所谓个体理性是指个体的行为始终都是以实现自身的最大利益为惟一目标，除非为了实现自身最大利益的需要，否则不会考虑其他个体或社会的利益这一决策原则。因而，在个体理性指导下，得到的博弈均衡经常是博弈各方效用并非最优的策略组合，即博弈往往产生非合作的结果。这就是囚徒困境，它反映了个体理性和集体理性的矛盾。在一次性博弈的囚徒困境中，博弈方都存在较大的机会主义倾向。然而，当博弈次数由一次变成无限次时，参与者可以采用“以牙还牙”策略，惩罚短期竞争行为者。在某一方有一次选择不合作行为策略时，其他各方以后也将永远选择不合作策略，使前者永远受到惩罚，从而使前者被迫选择合作策略，那么，也就避免了企业短期竞争行为的发生。
无论是一次性博弈的囚徒困境，还是无限重复的动态博弈，博弈双方都是在完全信息的状态下进行。但是，现实市场广泛存在的是信息不对称的市场。在进行市场交易前，交易双方的信息通常是不对等的，信息占优的一方倾向于获取更多利益，而信息劣势一方则尽量避免信息不对称带来的风险损失，结果就会形成“柠檬市场”。“柠檬市场”导致高质量商品遭受淘汰，优秀的企业处境困难，良性的竞合关系难以维系；而次品逐渐占领市场，劣等的企业却得以发展，损人利己的短期竞争行为频频发生。这就是信息经济学中的逆向选择问题。此外，在市场交易过程中，企业也会通过隐藏信息或隐藏行动，以最大限度地增进自身效用的同时做出不利于他人的行动，这就是道德风险。
(二)我国棉花产业短期竞争行为的主要原因分析
1．棉花产业集中度低，企业数量多而规模小。根据海通期货(2008年3月)的研究报告，我国拥有资质的加工收购企业不到9000家，实际参与收购的企业大约18000多家，加工能力已达3000万吨，超过我国棉花产量的三倍。在我国棉花产业加工生产能力严重过剩的同时，棉花加工企业的平均生产能力不足万吨，生产规模普遍偏小，市场集中度低。这是由于我国近年来出台了一系列鼓励发展棉花生产的产业政策，在强调拓宽棉花经营渠道的同时，降低了棉花收购企业的进入壁垒，使得涉棉企业数量迅速扩张。大量的生产能力过剩的企业不仅导致产业陷入过度竞争的窘境，而且还增加了企业采取短期竞争行为的机会主义倾向。过多的企业数量使优势企业能够通过不断更换交易对象，以多次获取短期竞争行为带来的好处成为可能。此外，当短期竞争行为带来的好处大于退出市场的成本时，小企业就具有较大的采取短期竞争行为的机会主义倾向。因此，我国棉花产业集中度低，企业数量多而规模小是短期竞争行为频繁发生的重要原因之一。
2．棉花组织间信息不能共享，缺乏信任与合作。棉花产业合作博弈的实现有赖于组织成员在采取行动之前进行有效的信息沟通。正如迈尔森的论述：博弈中的参与者能有效合作，一种可能的解释是它们可以利用局前通信。把他们的期待协调到一个对某些或全部人都有较好福利性质的焦点均衡。在传统的上下游企业的交易中，交易双方存在利用信息不对称获利的机会主义倾向，交易双方都希望掌握信息优势。然而，这种个体的理性选择导致了产业整体效益的下降，出现了典型的“囚徒困境”。例如，在我国棉花主产区的新疆，植棉企业和农户不断投资引进棉花新品种以提高生产收益。在新疆种植面积万亩以上的棉花品种数量多达35种，而且品种变更速度很快，结果导致棉花纯度下降，降低了棉花质量的一致性和符合性，限制了产业绩效的提高。棉花企业各自为战，信息不能共享，缺乏信任与合作，导致企业竞争行为的短期化，这严重影响了产业组织间的协调运作。
3．产业政策指导不力、调控失度。我国棉花产业政策指导不力、调控失度是造成棉花产业结构失调、重复建设和大量的短期竞争行为的重要原因。主要表现在：(1)产业政策未能涵盖产业整体，只重视个别环节的发展和竞争力的培育，而忽视了产业环节之间的有机联系和衔接，阻碍了产业整体竞争力的提升。在产业进入壁垒方面，产业政策未设置明确的进入门槛，造成棉花加工企业重复建设，加工能力严重过剩。(2)产业政策缺乏预见力，不能有效地指导企业生产，甚至误导企业的决策。例如，对我国加入世贸组织带来的巨大市场未能做出正确引导。(3)产业政策缺乏稳定性和延续性。例如，在对进口棉的管理上产业政策没有发挥有效的调节作用，在不合适的时机向用棉企业增加外棉配额数量，造成了国内新棉上市销售困难，给国内棉农带来巨大损失。
由于我国产业政策指导不力、调控失度，导致企业对未来缺乏稳定预期。根据伯川德竞争模型，企业进行短期竞争行为的条件为ⅱ／n(1—〥)<ⅱ，即〥<(n—1)／n。ii为所有企业合作得到的最大总利润，n为行业中的企业数量，〥为企业下一期收益对当期收益的贴现率。由于缺乏稳定预期，企业对未来收益的贴现因子预期较小，企业竞争行为的短期化也就不可避免。
三、棉花产业短期竞争行为的治理分析
通过上述对中国棉花产业短期竞争行为主要原因的分析可以得出，治理短期竞争行为不仅需要将企业间的博弈扩展为无限次重复博弈，抑制博弈各方的机会主义倾向，还要尽可能减少交易各方之间的信息不对称以及加强市场行为的监管。
(一)提高进入壁垒，减少企业数量
建立无限重复博弈结构是棉花产业组织实现由非合作博弈转向合作博弈的必要条件。重复博弈中的“无名氏定理”说明，在企业间的多次博弈过程中可能实现合作解。只要博弈次数足够大并非一定无限次，就可以形成合作博弈。当市场中可交易的对象数量有限，也就是说存在重复交易，我国棉花企业未来不合作的威胁就成为可置信威胁。因此，我国棉花产业需要提高涉棉企业的进人壁垒，以减少现有企业的数量，从而减少企业的短期竞争行为，建立和保持棉花产业组织间长期稳定的合作关系。
(二)完善我国棉花产业的信息交流机制
棉花产业各组织间高效的信息沟通与交流，不仅让组织成员更多地了解对方，而且会让更多的第三方起“监督”合作过程的作用，从而增强成员间的信任，稳定组织成员的合作关系。现代信息技术的应用为棉花产业建立信息共享机制，实现组织成员通过彼此有利的行为或策略组合达成有约束力的承诺提供了可能性。建立和完善我国棉花产业的信息交流机制，不仅需要进一步加强对棉农合作组织的建设和指导，还需建立和完善棉花交易与信息平台，利用网络注册实名制等实现实时信息，并开展现货与远期交易。通过期货市场汇集各类信息有助于解决棉农和棉花加工企业间的严重信息不对称，形成棉花的公允价格，以此来指导棉花的生产、加工和销售。
(三)建立企业家个人与企业法人共同的“声誉”激励机制
在交易者存在有限理性和交易具有不确定性的条件下，交易双方都期望建立完备的交易契约。要在交易契约中穷尽所有的偶发事件是非常困难的，即使可能。其代价也十分高昂。因此，棉花产业的合作博弈不应也不可能通过设计完备的契约来实现，而应通过设计有效的激励机制来实现。好的声誉增加了个人和法人未来的收益，而坏的声誉则增加未来的成本。这种“声誉”激励机制增加了企业短期竞争行为的机会成本。因此，建立企业家个人与法人共同的“声誉”激励机制可有效减少棉花产业中的短期竞争行为。
短期交易策略范文3
关键词：噪音交易；有限套利；短期套利基金；长期套利基金；基金经理
基金项目：国家自然科学基金资助项目（70972101）。
作者简介：陆江川（1983-）,男，陕西西安人，西安交通大学管理学院博士研究生，主要从事证券投资与资本市场研究；陈军（1963-），女，安徽五河人，西安交通大学管理学院副教授，博士,主要从事证券投资与资本市场研究。
中图分类号：F830.91 文献标识码：A 文章编号：1006-1096（2012）03-0162-05收稿日期：2011-07-20
投资基金是一种投资的模式，在市场有效假说（efficient market hypothesis, EMH）下，这种制度安排确实可以起到规模效应和专家理财的好处，从而为基金投资者带来更高收益和更低风险；对于市场而言，由于基金经理具有信息优势和专业优势，噪音交易造成的价格偏离都会立刻得到矫正，从而使市场更有效。因此，投资基金不失为一个有效的制度安排。
但现实中投资基金并未完全矫正市场价格的背离。如De Bondt等（1985）发现，长期（3~5年）的股票收益存在着过度反应现象，即过去输家的未来收益显著高于过去赢家的未来收益。Black（1986）认为，噪音交易者对市场的冲击可以累积，并不会立即由于套利者的存在而消失。随后，De Long等（1990）认为，噪音交易者预期均值和方差的偏差对资产价格有系统性影响。在封闭式基金市场（Lee ，1991）、IPO市场（Ritter,1991）等均发现了非理性市场异象。
市场非有效说明有两种可能：①基金经理本身非完全理性；②基金经理套利能力的有限性。如果这两种可能同时存在，则意味着投资基金的投资模式失效。本文假设基金经理完全理性，但存在套利的有限性。因此，我们的问题是，既然市场确实存在着非理性波动，而完全理性的基金经理消除这一波动的能力又存在限制，那么，作为市场中高度专业化和高度理性的基金经理，能给基金投资者带来怎样的回报？噪音交易和有限套利对基金经理的投资行为和投资业绩有怎样的影响？作为基金投资者，应该怎样选择投资基金（及背后的基金经理）？本文基于Shleifer等（1997）三期模型框架，在噪音交易和有限套利两大约束条件下，考察所有市场参与者，包括个人投资者（噪音交易者和基金投资者）和基金经理（长、短期套利基金）的投资行为，以回答上述问题。
一、文献综述
基金经理作为套利者，通过结合其自身的专业知识和基金投资者的资金，可以分散投资风险并带来高额回报。但是，市场并非完全有效，套利行为也并非毫无成本和毫无风险。基金经理进行套利存在一定的限制。Shleifer等（1990）利用三期模型框架，对噪音交易条件下不同预期时间跨度的套利成本进行了比较分析，发现长期资产（即不确定因素消失时间较长）的套利成本较高，因此其较短期资产具有更高的折价率（即更高的未来期望收益）。其后，Shleifer等（1997）利用三期模型框架分析了噪音交易存在套利者的市场行为，他们认为，套利并不像之前认为的不需要资本投入和承担风险，实际上，套利行为是一种具有成本和风险的行为。Pontiff（2006）对套利成本和异质风险的关系进行了分析，他认为异质风险对套利者的套利成本具有重要作用。
由于封闭式基金本身的特点，其资产净值（net asset value，NAV）可以看做资产的内在价值，因此，封闭式基金的折扣率可以对市场中的套利行为做出阐释。Pontiff（1996）利用封闭式基金的NAV作为其内在价值，对其套利成本进行了识别。通过实证研究，Pontiff认为四个因素影响资产的套利获利性：(1)与其他证券风险无关的基础风险；(2)资产的红利发放；(3)交易费用；(4)市场利率。Gemmill等（2002）对158个封闭式基金进行研究，发现投资者情绪是封闭式基金折扣率波动的原因，封闭式基金折扣率越大，套利难度也越大。
还有文献对基金经理的实际业绩表现进行了考察和研究。Bollen等（2005）基于股票与市场时机选择标准模型，利用共同基金的日和季度收益实证研究发现，基金短期的优异业绩只是一种暂时现象，该现象会在基金经理每年被考评的时候出现几次。Khorana（1996）对基金经理过去业绩与基金经理被替换之间的关系进行了研究，实证结果发现基金经理被替换的概率与其过去业绩之间存在负相关。Brown等（1996）认为基金行业的竞争结构会对基金经理产生负向激励，使其行为不追求长期目标而更着眼于短期目标。Lakonishok等（1991）研究发现，基金经理为了使得其短期业绩更能吸引基金发起人，会在每个季度末（特别是第四季度末）对基金持有组合业绩进行粉饰，其粉饰行为主要是为了短期业绩更具吸引力而非为追求长期业绩。另外，Chevalier等（1997）也得出了类似的结论。
综上所述，现有文献表明，基金经理的套利交易存在诸多限制条件，会面临较高的风险与成本；从基金业绩角度看，基金经理的投资行为并不像基金投资者期望的那样长期化，由于基金经理的更替、排名、竞争等，导致基金经理更倾向追求短期业绩。但现有文献没有从有限套利的角度，对长、短期基金经理的投资行为和投资业绩进行分析。本文的贡献在于，从噪音交易和有限套利角度出发，利用3期模型框架，对市场中的噪音交易者、基金投资者、短期套利基金和长期套利基金的投资行为进行理论分析，并对长、短期套利基金的投资业绩进行分析和比较，从而为市场监管当局和基金投资者提供参考。
二、不同类型基金行为的投资行为分析
（一）噪音交易和有限套利条件下不同类型套利基金资产需求分析
本文假设市场有4种类型参与者：噪音交易者、长期套利基金、短期套利基金、基金投资者。长、短期套利基金对未来市场收益分布具有完全理性的预期；噪音交易者对未来市场收益分布的预期则存在系统性偏差，存在乐观或悲观情绪；基金投资者则将其资金全部投资于套利基金，并依据套利基金历史业绩进行选择。
为考察噪音交易风险对基金行为的影响，将市场分3期。假设资产的实际价值为V，长、短期套利基金知道资产的实际价值，但噪音交易者只有第3期才知道资产的实际价值，而基金投资者不知道资产的实际价值，因此第3期资产的价格确定等于V。
笔者基于Shleifer等（1997）的三期模型框架构建不同类型套利基金的投资行为模型。不失一般性，假定市场无风险利率为0。假定对于第1期和第2期，即t=1,2，资产价格为pt。具体来说，本文仅考虑悲观的噪音交易者，对于t=1,2，噪音交易者的悲观情绪的悲观情绪扰动为St。长、短期套利基金在第1期知道S1，但是不知道S2。
对于噪音交易者而言，其在第t期对资产的总需求为
Qt(noise)=V－Stpt（1）
对于套利基金而言，假定其在第t期管理的资产总额（即从基金投资者借入资金的规模）为Ft，则其在第t期对资产的总需求为
Qt(arbitrage)=Ftpt(2)
由于资产是单位供给的，即Qt(arbitrage)+Qt(noise)=1，则有
pt=V－St+Ft(3)
（二）不同类型套利基金的投资行为模型
由于不同市场参与者基于各自的特质进行投资，各自有着不同的投资策略。本文对不同类型投资者的投资策略分析如下。
1.噪音交易者的投资行为分析
噪音交易者不基于任何信息做出投资决策，其投资行为受到非理性市场情绪的影响。但是，De Long等和Waldmann（1990）认为，在非理性市场中，噪音交易者可以长期存在，并可以获得正的收益。
2.基金投资者的投资行为模型
由于基金投资者与基金经理之间是委托关系，存在着信息不对称，因此基金投资者无法识别基金经理的投资策略。这主要有以下3个原因：第一，对于众多基金投资者而言，其自身并不能理解基金经理的投资行为；第二，基金经理为防止其投资策略被复制，会对其投资策略保密；第三，基金经理一般每季度才会报告基金业绩，基金投资者也无法即时获得基金经理投资行为包含的信息。
因此，基金投资者仅能依据基金经理过去的业绩来评价其能力，将基金经理过去的收益作为其未来的期望收益。如基金经理过去具有较好业绩，则基金投资者倾向于进入该基金；反之，则赎回该基金。
综上，本文假定基金投资者都基于基金经理过去业绩来判断基金经理的能力，将基金过去收益作为其投资的期望收益。
本文为描述基金投资者的投资行为，根据Shleifer等（1997）的三期框架，将基金投资者基于过去业绩的未来投资行为定义为函数G。但与之不同，本文不限定函数G为线性函数。因此，在第2期有
F2=F1gG(D1F1gp2p1+F1-D1F1)(4)
其中，G(1)=1，G′≥1，且G″≤0。
特别地，当第1期套利基金经理将所有管理资金F1全部购买资产时，有
F2=F1gG(p2p1)（5）
3.短期套利基金的投资行为模型
短期套利基金不追求其管理的资金在第3期收益的最大化，而是将三期投资分割成两个短期投资，即在第1期，短期套利基金仅追求资产收益在第2期的最大化；在第2期，仅追求其在第3期资金收益的最大化。因此，其投资策略如下：
第1期，由于短期套利基金不知道第2期噪音交易者的悲观扰动S2，所以短期套利基金无法确定资产在第2期的市场价值p2。但是，短期套利基金知道该项交易无长期基础风险，所以可以确定第1期投资在第2期的期望收益，为
E(R~12)=Vp1＞0（6）
其中，R~12代表第1期至第2期收益，为随机变量。
可以知道，当第1期该短期套利基金将其所管理的全部资产F1全部投资时，期望收益最大，为E(R~12)。所以，第1期，以价格p1将F1全部购买资产，共买入F1p1股。这种行为会导致第1期的风险增大， Brown等（1996）认为由于基金行业存在着竞争结构，基金经理为追求短期更高的相对业绩，会主动增加基金的风险。
第2期，由于噪音交易者的悲观扰动S2，因此第2期的投资没有基础风险，所以第2期短期套利基金应将其在第2期新获得的基金投资者投入的资金全部买入，假定第2期短期套利基金管理的资产规模为Fs2，则第2期短期套利基金买入的资金规模（即第2期新获得基金投资者的投资规模）为Fs2-F1。因此，第2期，短期套利基金以价格p2将Fs2-F1全部购买资产，共买入Fs2-F1p2股。
第3期，以价格p3=V将所有资产卖出。
4.长期套利基金的投资行为模型
在三期模型下，长期套利基金追求其管理的资金在第3期收益最大化。因此，对于长期套利基金而言，可以通过跨期统筹安排资金进行投资，达到第3期收益最大化的目的。具体来说，在第1期，由于长期套利基金无法预测第2期噪音交易者的情绪，而悲观情绪在第2期存在着进一步恶化的可能性，所以，虽然第1期至第2期的市场期望收益为正，但是长期套利基金的最优选择是将其第1期的初始资产F1的一部分D1购买资产，剩余部分F1-D1可以在第2期如果悲观情绪进一步恶化时追加投入。所以，第1期，以价格p1将F1的一部分D1购买资产，共买入D1p1单位资产。
第2期，由于噪音交易者的悲观扰动S2，因此第2期的投资没有基础风险，所以第2期长期套利基金应将其在第2期新获得的基金投资者的投入资金以及第1期未使用的资金全部买入，假定第2期长期套利基金管理的资产规模为Fl2，则第2期长期套利基金买入的资金规模为Fl2-D1。因此，第2期，短期套利基金以价格p2将Fl2-D1全部购买资产，共买入Fl2-D1p2股。
第3期，以价格p3=V将所有资产卖出。
（三）不同类型套利基金的投资业绩分析
在悲观噪音交易情绪下，即St＞0，市场共存在两种可能情绪，即p1＜p2＜V（S1＞S2）和p2＜p1＜V（S2＞S1）。在p1＜p2＜V下，第2期悲观噪音交易者的悲观情绪有所缓和；而在p2＜p1＜V下，第2期悲观噪音交易者的悲观情绪更加严重。现分别对这两种情况下的不同类型套利基金的投资业绩进行分析。
1.在p1＜p2＜V（S1＞S2）情形下
第2期短期套利基金的资产管理规模为
Fs2=F1gG(p2p1)(7)
第2期长期套利基金的资产管理规模为
Fl2=F1gG(D1F1 p2p1+F1-D1F1)(8)
由于G(1)=1，G′≥0，G″≤0，故可知Fs2≥Fl2。
因此，第2期资产价格高于第1期资产价格的情况下，短期套利基金的融资能力强于长期套利基金。
第2期短期套利基金的融资规模为
Fs2-F1=F1g［G(p2p1)-1］(9)
长期套利基金的融资规模为
Fl2－F1=F1g［G(D1F1 p2p1+F1-D1F1)-1］（10）
故可以得到：
Fs2－F1＞Fl2－F1(11)
即短期套利基金比长期套利基金融资规模更大。
此时，短期套利基金第2期的购买价格为
ps2=V－S2+Fs2(12)
长期套利基金第2期的购买价格为
pl2=V－S2+Fl2(13)
因此，可以得到
ps2＞pl2(14)
在此情形下，短期套利基金通过在第1期承担更大风险的投资行为，取得更好的业绩，从而在第2期融入更多资金，但是，融入的资金却购买了价格更高的资产，并在第3期出售，因此损害了投资者的利益。
2.在p2＜p1＜V（S2＞S1）情形下
第2期短期套利基金的资产管理规模为
Fs2=F1gG(p2p1)(15)
第2期长期套利基金的资产管理规模为
Fl2=F1gG(D1F1 p2p1+F1－D1F1)(16)
故有Fs2＜Fl2。
由于G(p2p1)＜1， 即在此情况下，基金投资者对其资产进行了赎回，赎回规模分别为
短期套利基金
F1－Fs2=F1g［1－G(p2p1)］(17)
长期套利基金
F1－Fl2=F1g［1－G(D1F1 p2p1+F1－D1F1)］(18)
故可以得到
F1－Fs2＞F1－Fl2(19)
即在价格下跌情形下，短期套利基金管理的基金此时赎回规模更大。此时，短期套利基金第2期的购买价格为
ps2=V－S2+Fs2(20)
长期套利基金第2期的购买价格为
pl2=V－S2+Fl2(21)
所以有
ps2＜pl2(22)
由于在第2期至第3期，已经不存在基本风险，因此若此时能以更低价格买入资产将会获得更高的期望收益。但是，由于短期套利基金存在着赎回压力，因此，此时必须以更低的价格ps2将资产卖出，将其资产规模从F1降低至Fs2，因此损害了投资者的利益。
三、结论
本文基于Shleifer等（1997）的三期模型框架，构建了个人投资者和基金经理的投资行为模型，在此基础上，分别对长、短期套利基金的投资业绩进行了分析。由于基金投资者仅能知道基金过去业绩，短期套利基金不会追求长期收益最大化，他们会在第1期至第 2期的投资中通过承担噪音交易风险提高短期投资收益，其后如果第2期悲观情绪有所减缓，他们会将前期高收益吸引来的大量资金继续投入，但实际第2期至第3期的期望收益并不高；如果第2期悲观情绪进一步加重，即使第2期至第3期的期望收益较高，也迫使短期套利基金在较低价格卖出股票，以满足基金投资者的赎回要求。因此，短期基金的投资行为对基金投资者是有害的；而长期基金的投资行为则是有益的。并且，基金经理第1期的投资行为可作为识别长短期基金的信息：仓位越轻说明预期时间跨度越长。
参考文献：
BLACK F.1986.Noise［J］.The Journal of Finance,41(3):529-543.
BOLLEN N P B,BUSSE J A.2005.Short-term persistence in mutual fund performance［J］.The Review of Financial Studies,18(2):569-597.
BROWN K C, HARLOW W V. 1996.Of tournaments and temptations: an analysis of managerial incentives in the mutual fund industry［J］.The Journal of Finance,51(1):85-110.
CHEVALIER J,ELLISON G.1997.Risk taking by mutual funds as a response to incentives［J］.The Journal of Political Economy,105(6):1167-1200.
DEBONDT W F M,THALER R.1985.Does the stock market Overreact?［J］.The Journal of Finance,40(3):793-805.
DEBONDT W F M,THALER R H.1987.Further evidence on investor overreaction and stock market seasonality［J］.The Journal of Finance,42(3):557-581.
DELONG J B, SHLEIFER A.1990.Noise trader risk in financial markets［J］.The Journal of Political Economy,98(4):703-738.
GEMMILL G, THOMAS D C.2002.Noise trading, costly arbitrage, and asset prices: evidence from closed-end funds［J］.The Journal of Finance,57(6):2571-2594.
KHORANA A.1996.Top management turn over an empirical investigation of mutual fund managers［J］.Journal of Financial Economics,40:403-427.
LAKONISHOK J, SHLEIFER A.1991.Window dressing by pension fund managers［J］.The American Economic Review,81(2):227-231.
LEE C M C, SHLEIFER A.1991.Investor sentiment and the closed-end puzzle［J］.The Journal of Finance,46(1):75-109.
PONTIFF J.1996.Costly arbitrage: evidence from closed-end funds［J］.The Quarterly Journal of Economics,111(1):1135-1151.
PONTIFF J.2006.Costly arbitrage and the myth of idiosyncratic risk［J］.Journal of Accounting and Economics,42:35-52.
RITTER J R.1991.The Long-run performance of initial public offerings［J］.The Journal of Finance,46(1):3-27.
SHLEIFER A,VISHNY R W.1990.Equilibrium short horizons of investors and firms［J］.The American Economic Review,80(2):148-153.
SHLEIFER A,VISHNY R W.1997.The limits of arbitrage［J］.The Journal of Finance,52(1):35-55.(编辑：少 卿)
An Analysis on Behavior of Fund Manager under Three Periods Model Based on Noise trade
and Limited Arbitrage
LU Jiang-chuan, CHEN Jun
(School of Management, Xian Jiaotong University, Xian 710049, China)
短期交易策略范文4
（暨南大学信息科学技术学院 广东 广州 510632）
摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。
关键词 ：量化择时；趋势指标；组合指标策略；参数优化
中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008
1 绪论
1．1 背景意义
“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。
在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。
中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。
作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。
1．2 文献综述
关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。
股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。
温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。
1．3 研究框架
传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。
所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。
1．4 术语说明
（1）累计收益率：
（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。
（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
夏普比率=
（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。
2 理论概述
2．1 量化投资理论
量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。
量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。
与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。
2．2 择时理论
量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。
股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。
2．3 趋势追踪理论
趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。
技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。
移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。
均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。
因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。
3 择时策略模型建立
3．1 MA单指标策略模型的建立
MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。
其中
利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。
在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：
mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）
其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。
在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：
mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他
其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。
3．2 MACD单指标策略模型的建立
MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。
MACD的计算如下：
（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。
（2）计算离差值DIF＝EMA1－EMA2。
（3）计算DIF的M日指数移动平均线，即DEA。
（4）计算MACD＝2（DIF－DEA）。
利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。
当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：
macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）
其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。
当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：
macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）
其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。
3．3 MA－MACD组合指标策略模型的建立
组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。
买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。
即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：
buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）
卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。
即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：
sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）
3．4 模型最优参数的选择
就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。
夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
4 个股实证分析
4．1 数据选择
为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。
4．2 MA单指标择时策略仿真回验
首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。
如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。
确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。
回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。
4．3 MACD单指标择时策略仿真回验
对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。
对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：
如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。
组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。
对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。
如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。
5 结论
从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。
综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。
参考文献
1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012
2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）
3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）
4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．
5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010
6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012
7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012
8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）
9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006
10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）
11 王俊杰．量化交易在中国股市的应用［D］．南京：南京大学，2013
短期交易策略范文5
【关键词】统计套利；动态计量模型；最新研究综述
一、统计套利前提假设
S.Hogan，R.Jarrow和M.Warachka（2004）给出了统计套利的精确定义，认为统计套利必须满足4个假设条件：（1）自融资交易策略的初始投资成本为0；（2）经无风险利率贴现后具有正的预期收益；（3）可以通过重新调整投资组合的头寸使得长期来看资产发生亏损的概率为0；（4）如果在任意有限的时间内所持有头寸发生亏损的概率大于0，那么随着时间的推移，亏损的概率将趋于0。Robert Jarrow，Melvyn Teo，Yiu Kuse Tse和Mitch Warachka（2005）改变了假设条件（4），认为投资者关心的是潜在损失波动，只要收益的折现增量值是非负的，那么其波动情况就不受限制。
目前，以S.Hogan，R.Jarrow和M.Warachka（2004）在无风险套利基础上发展的套利定义应用最为广泛。
二、国内外相关理论研究
1.基于协整模型的研究
Burgess（1999），Alexander，Dimitriu（2004），仇中群、程希骏（2008）等众多学者实证研究后发现基于协整的统计套利效果显著优于其它的跟踪误差方差（Tracking Error Variance）方法：套利机会增多且风险可控，说明了基于协整模型的套利策略具有时效性和高效率优点。
2.基于GARCH族时变波动模型的研究
徐光梅（2008），康瑞强（2009），刘丛瑜（2011）等利用GARCH模型对不同交易对象进行实证研究，使用了不同的阈值参数确定方法—VAR思想方法、非参数化方法、Lasso算法、敏感性分析以及Monte Carlo模拟等，以样本内价差数据建立的统计套利模型为基础设计样本外套利策略，实证发现基于时变波动率的方法比基于历史波动率的策略具有更好的稳定性且有望获得更高的风险调整收益。
实际上，GARCH模型是以传统的线性理论为基础且忽略了价差序列分布有偏性特征，为了更精确的描述统计套利价差运动规律，可以进一步考虑使用其它非线性或非对称的修正GARCH类模型，如：QGARCH模型（二次GARCH模型）、GJR模型、GARCH-M模型、TGARCH模型、EGARCH模型等。
3.基于O-U（Ornstein-Uhlenbeck）随机波动交易模型的研究
Elliot，VannerHoek，Maleolm（2004）提出，只要价差序列具有均值回复性，就可以应用具有均值回复特征的O-U过程描述其运动过程。William K.Bertram（2010）给出了交易周期的均值、方差表达式，并分别以期望收益最大化和夏普比率最大化为目标函数推导出了最优交易信号的理论表达式，得出了股票价差服从O-U过程时交易信号的最优解，但作者没有对策略的收益率进行详细的实证研究。任吉卫（2012）运用上述主要思想，以收益率和夏普比率为基础衡量套利绩效，认为O-U模型要优于非参数化方法；作者建议采用多种套利模型相结合的方式进行统计套利研究以期获得更高的收益率，最后建议及时更新包括交易信号、止损信号等在内的数据，并且可尝试采用窗口滚动法、记忆周期等理论扩展模型。
颜涵（2012）分别采用OLS、GARCH以及O-U过程三种模型刻画高频数据价差序列的波动性特征，最后用K-Ratio指标、夏普比率、年化累计收益率进行综合绩效评价，认为O-U过程表现要优于其他两种模型。但文章仍存在协整突变、样本数据长度偏小及采用线性协整技术建模等问题。
4.基于Kalman滤波模型的研究
Giovanni Montana，Kostas Triantafyllopoulos，Theodoros Tsagaris（2009）针对S&P500股票指数期货合约设计了一个基于灵活最小二乘法（flexible least squares，FLS）的算法交易系统并论证了FLS与卡尔曼滤波方程之间的对应关系。对数据的增量奇异值（SVD）进行降维分解，并对带有SVD的FLS系统、不带有SVD的FLS系统以及买入-持有交易策略绩效进行了比较，指出前两种算法的收益要明显优于后者，最后得出：具有时变系数的FLS算法是非常实用的时态数据挖掘工具。
Christian L.Dunis，Gianluigi Giorgioni（2010）对欧元区斯托克50指数成分股交易数据使用协整模型（Cointegration model）、滚动OLS波动模型（Rolling OLS）、双指数平滑预测模型（Double exponential-smoothing prediction model）以及卡尔曼滤波模型（Time-varying parameter models with Kalman filter）进行实证分析发现在协整关系的基础上成对交易的分钟高频数据模型表现要优于以日收盘价为研究对象的模型，但作者最终仅给出了较优的时变系数估计模型—卡尔曼滤波模型的实证结果。
杨怀东，潘珺（2012）将协整模型和卡尔曼率波模型组合作为新的统计套利策略，实证表明该策略优于其中任何单一模型的套利策略结果且具有收益率波动更小、更稳定的特点，能够较好的免疫市场风险。
5.基于神经网络的模型研究
Nikos S.Thomaidis，Nick Kondakis and George D.Dounias（2006）将神经网络算法（Neural network algorithm）和金融计量模型结合设计了智能统计套利模型算法，有效地解决了配对股票之间错误定价的动态相关性问题，最后使用累计净收益率和平均盈利衡量了该交易系统的表现。崔建福、李兴绪（2004），陶庆梅（2005），张虹（2007）将人工神经网络和GARCH模型相结合（NN-GARCH模型）对股票及股指价格进行预测，发现该模型与其它传统线性模型相比可获得更加精确的预测结果。
6.基于贝叶斯方法的研究
K.TrianktafyllopoulosG.Montana（2009）基于贝叶斯方法和时变状态空间模型建立了贝叶斯时变自回归模型（基于遗忘和折现因子的递归算法）并动态模拟了价差的均值回复过程，实证结果表明该策略能有效地监测均值回复的变化过程。
唐琳（2010）对具体的模型找出似然函数后使用贝叶斯方法算出对应参数的后验分布密度形式，根据蒙特卡洛-马尔科夫（MCMC）原理计算参数和隐含变量后验分布，通过模型对比发现该策略的随机波动模型比GARCH族模型能更好地描述金融数据的特性且拟合程度相对较好。
7.基于遗传算法的研究
Philip Saks and Dietmar Maringer（2008）使用遗传编程算法设计了统计套利交易策略，考虑了传统的单树结构和双树结构两种不同形式的交易规则，发现这两种方法都可以发现统计套利机会，但若想在实际市场中产生正的回报，还需做进一步的实证研究。
Janice How，Martin Ling，Peter Verhoeven（2010）给出了遗传编程算法（GP）的理论框架并进行了实证研究，认为大多数情况下该策略优于买入—卖出持有策略，且样本内外的数据模拟都取得了正的收益，并对该策略的进一步研究提出了建议。
来升强（2009）提出了基于3类不同动机的交易策略：①基于遗传算法的交易策略。将技术分析指标重新整合，利用遗传算法的强大求解能力，提出了进化交易策略，并对指标的效率进行了实证分析。②基于协整关系的交易策略。发现协整关系过滤得到的配对资产的表现更为突出，在分析过程中还发现微观交易策略的获利主要是来自于价格波动，特别是剧烈的价格波动。③基于卡尔曼滤波的微观交易模型。通过相对风险的概念将配对交易模型纳入了无套利定价理论的框架下。在组合构建方面，按照状态空间模型所估计的参数显著性来筛选配对资产。在估计方法上，采用了滑动估计，逐日推进的方式，以求得到尽可能接近详细的收益率分布状况，有效地避免了数据选择问题。最后，作者从市场收益率构成的角度重新考量了微观交易策略的本质，构建了一个基本的数量分析模型，并利用前文微观交易策略得到的收益率和市场收益率进行了实证研究。
8.基于主成分分析方法的研究
Marco Avellaneda and Jeong-Hyun Lee（2008）运用主成分分析方法和部分ETFs研究模型驱动型统计套利策略，对这两种方法进行回溯测试及比较，发现在考虑交易成本的情况下，基于主成分分析的统计套利策略获得的年化夏普比率要高于同期基于ETFs的统计套利策略。
9.基于Copula模型的研究
Cathy Ning（2010）利用Copula方法研究了外汇市场和股票市场间的相关结构，选择可以较好刻画具有尖峰、肥尾、偏斜、波动聚集、时变波动性等特征的ARCH类或SV类模型描述变量的条件边缘分布取得了较好的效果。Copula模型和ARCH、SV类模型有机结合的相关性研究将Copula方法应用带入到了一个崭新的阶段。
张戈（2011）首次使用Coupla函数对期货的高频交易数据进行套利研究，刻画了金融资产间的非线性相关性，并用期望的成功概率作为门限构造交易信号最终建立了基于Coupla函数的程序化交易策略。实证结果表明，采用上述方法可获得较高的收益并且模型具有较强的稳定性和实施操作性。
李璁（2011）将Copula和SV-t（SV，随机波动模型；t分布）模型相结合建立Copula-SV-t模型进行研究对沪深300股指期货进行期现套利研究发现利用Copula混合套利函数可以获得较好的投资收益。但是文章并没有考虑套利成本对套利结果的影响。
10.基于其他模型的研究
（1）Andrew Pole（2007）在其著作中追溯了统计套利策略的起源—配对交易（pairs trading）的基本原理并阐述了其主要特性；在假设模型有效性的前提下，论述了包括自回归协整关系模型、动态线性模型、波动性模型等在内的复杂动态因子时间序列模型，介绍了爆米花理论、反转理论、突变理论等，并对统计套利陷入困境、复兴的原因进行了理性分析。
（2）Brian Jacobsen（2008）基于日内高频交易数据的协整关系将误差修正模型应用到统计策略，交易方法简单而且取得了不错的投资收益，便于一般投资者实施套利。
（3）Robert Jarrow，Melvyn Teo，Yiu Kuen Tse，Mitch Warachka（2011）发现在控制了市场摩擦和检测了统计套利的收敛速度后，采用动量和价值策略能够获得最理想的交易机会。
（4）李栋、严高剑（2010）构建了短期均值回归模型、短期交易活性模型和分析师盈利预测模型对统计套利策略在我国A股市场的应用进行了探讨。三个模型是基于相同的基本原理但交易对象的选择思路不同：均值回归模型—做多近期表现弱的股票同时做空近期表现强的股票；短期交易活性模型—做多近期换手率低的股票同时做空近期选手率高的股票；分析师盈利预测模型—做多分析师调高盈利预测的股票同时做空分析师调低盈利预测的股票。实证结果表明以上统计套利策略都可以获得持续稳定的收益，但是该文并未对这三种模型进行绩效评价。
（5）张连华，朱平芳，韩清，杜才鸣（2011）使用在线支持向量回归的快速算法改变了传统的基于协整的统计套利，减少了亏损的交易次数，增加了收益。
（6）柳慰颖，陈以增，毛亚莉（2012）采用基于协整的跨期套利EWMA模型对期货合约进行了实证研究，将历史和最新数据联系起来并赋予最新数据最大的权重来保证模型的时效性，结果证明该模型套利成功且能获取较高的实际收益。
三、国内外文献总结
综上所述，我们可以发现国内外学者对统计套利的研究成果比较丰富（以上述相同或类似模型为基础进行讨论的许多其他文章本文没有列出），刻画价差序列的模型逐渐多样化且精确化。其中对以高频数据为基础的期货市场统计套利研究逐渐增多，而且以多种模型组合研究为发展趋势。研究中的不足之处：首先，国内并不是十分重视对交易绩效的评价，使用的评价方法也相对缺乏严谨性，传统简单指标之间往往缺乏可比性；其次，众多研究方法多都停留在理论阶段，缺乏向现实自动化在线交易转化的过程研究，所以将各模型应用到实际投资中还需进一步的探讨。
参考文献
[1]Christian L.Dunis，Gianluigi Giorgioni，Jason Laws，et al.Statistic Arbitrage and High-Frequency Data with an Application to Eurostoxx 50 Equities.Working Paper，2010.
[2]K.TrianktafyllopoulosG.Montana.Dynamic modeling of mean-reverting spreads for statistical arbitrage[J].In：Compute Management Sciences 2008，Berlin：Springer-Verlag，2009：23-49.
[3]来升强.高频数据交易策略与波动性分析[D].厦门大学博士学位论文，2009.
短期交易策略范文6
当系统性风险来临的时候，市场的交易机会将远远小于风险，本周的下跌再次诠释了研判大势和系统性趋势的重要性。其实很多投资者都明白研究大盘的重要性，但当市场出现层出不穷的个股机会时，往往又将大盘的走势放之脑后，于是“重个股轻大盘”的思路占据主流，不停的在市场中交易。笔者不否认你的一些交易会来盈利，但笔者请你自己扪心自问下：7月25日之前的交易成果能否锁定？8月2日前的交易成果能否锁定？本周五大跌前的交易成果能否锁定？如果不能的话，你必然会重复前三次交易的利润往往在第四次被彻底回吐的规律，这就是投资者对系统性风险把控不够而导致的。也正因为如此，笔者在经历无数次的交易之后，逐渐形成了“在系统性风险可控的前提下，把握确定性中的高概率机会”的投资理念。
当下跌趋势形成时，你无法进行完美的交易，或者你无法获得你预期的收益。如果遵循右则交易，将会陷入追高就被套的尴尬境地；如果你遵循左侧交易，将会落入越抄底越被套、地下还有地下室的俗套。所以，我们唯有敬畏市场，尊重趋势，顺势而为。回到当前市场，我们必须清醒的认识到以下几个问题：
其一，本周暴跌直接影响因素当属股市变动，欧债和美债都成为问题。美债提高上限，美联储认购还是其他国家认购？如果美联储认购则美元确定再度贬值，美元贬值必然又会带来输入型通胀；如果其他国家认购，中国是否继续增持？如果中国继续增持，对内必然继续贬值，通胀能压下来吗？
其二，即使七月的CPI数据没有此前预期的高，但绝对不会比六月的低太多，且PMI数据的下滑似乎能解释上市公司业绩可能继续下滑的趋势；如果七月的CPI高于六月呢？是不是也反映通胀压力大增？
其三，无论是发债还是IPO、增发等，融资好像是无底洞、各企业乐此不疲，此外，据某媒体统计，7月份辞职的上市公司高管多达87名，意欲为套现做准备。而且，地方政府债务高筑，地方国资委套现的呼声此起彼伏，可见到处都缺钱，股市难道不缺钱？
可见，第二轮金融风暴可能再度袭来，全球经济放缓成为大概率事件，打击所有货币，美元可能是所有弱势货币中最具吸引力的货币，让美元回流美国，这可能是美国的货币战略方向。中国经济由高通胀高增长向高通胀低增长转变这将成为必然趋势，这就是我们所处的系统性风险环境，这就是做空的动力，股市重心仍将继续下移，所以，每次反弹之后，都将引发一波颇具杀伤力的下跌。
