前言：中文期刊網精心挑選了短期交易策略范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
短期交易策略范文1
摘要在義務教育階段教師均衡流動制度的創建過程中，有許多的阻力因素。其中新舊制度之間的沖突就形成了制度阻礙。本文從人事管理制度、教師編制制度、教師工資制度和非正式制度這幾個方面對制度阻力進行了分析并嘗試提出化解制度阻礙的策略。
關鍵詞教師；均衡流動；制度阻礙
多年來我國教師流動大多是在市場經濟下的自由流動，在流動趨勢上表現為“單向上流動”。這樣的流動使農村教師資源短缺、師資隊伍素質下降，造成了地區、城鄉之間教師資源配置的不均衡，加劇了義務教育發展的不均衡。近年來國家政府認識到了在市場經濟下教師自由流動的危害后，開始嘗試通過教育行政手段來干預教師的不合理流動。
一、我國義務教育階段教師均衡流動的制度阻礙分析
近幾年，全國各地政府紛紛出臺了各種有關教師流動的教育法規，在一定程度上緩解了義務教育階段教師資源配置不均衡的情況。但是目前教師流動制度卻出現失真現象，教師流動的實效性不佳，許多地方的教師流動制度處于進退不得的狀態。出現這樣的情況主要是由于其他相關制度對教師流動制度的阻礙。
1.教師人事制度對教師流動制度的阻礙
我國《教育法》規定“學校和其他教育機構應當遵循雙方地位平等的原則，由學校和教師簽訂聘任合同，明確規定雙方的權利、義務和責任。”這種教師聘任制的人事制度使得學?？梢宰灾鞴芾?，其中包括了對教師的任用、續聘或解聘等。因此許多學校把教師當作學校的私有產品，當作與別校競爭的砝碼，禁止優秀教師向外流動。這種情況導致了處于優勢地位的學校只派出資歷淺、年齡偏大的教師進行流動，而被流動的教師也產生對教學的消極抵觸的情緒。
2.教師編制制度與教師流動制度的沖突
目前，我國中小學教師編制是按師生比進行核定的。這樣教師從由超編的學校向缺編的學校流動比較好解決。而對于缺編學校來說，就可能派不出教師。另外由于農村教師的編制比較緊張，致使在農村教學的教師不得不承擔多門課程的教學任務。這種狀況致使許多來農村流動的教師超負荷工作，壓力加大，精神、體力不足。進而嚴重影響了城市教師流向農村學校的積極性。這樣就不可避免地會對教師流動制度形成很大的阻力。而且教師從缺編學校向超編學校流動也經常會出現超編學校不需要教師，流動教師任教的不是本學科的課程的現象，這種情況是對教師資源的浪費，對教師流動沒有任何積極的作用。
3.教師工資制度與教師流動制度的矛盾
長期以來，我國城鄉二元結構體制形成了一種“城市中心”的價值取向，這種傾向使我國教育資源配置政策存在錯位現象。具體表現為教育財政和教師人事制度向城市學校傾斜。雖然城鄉教師的基本工資實行的是國家統一標準的崗位工資和薪級工資，基本工資差距不大，但是與城市教師相比，農村教師的津貼補助金額偏低。這種“同工不同酬”的現象也存在于校際之間。重點學校的教師總工資比普通學校的要高很多。這種“同工不同酬”的工資制度已成為我國教師均衡流動制度的首要制約因素。
4.非正式制度對教師流動制度的阻礙作用
首先，在響應各級政府的教師流動制度時，有一大部分的教師是本著流動有助于評職稱而參加教師流動計劃的。持有這樣的功利化價值取向的教師在流動學校只會得過且過，混完流動的日子。這種態度導致了社會對教師流動制度的不認同，對教師流動制度產生了極大的消極作用。其次，教師流動制度還會受到社會大眾心理的影響。目前，社會公眾對教師流動制度還持著懷疑態度。有的甚至還對教師流動教師存在錯誤認識，若教師流動制度得不到社會大眾的支持，那么教師流動制度是不可能全國范圍內執行起來的。
二、義務教育階段教師均衡流動制度創建過程中制度阻力的化解策略
1.改革當前的人事管理體制
首先，提倡教師的“無校級管理”，即將中小學教師的管理權限收回到地方教育行政部門，由地方教育行政部門統一配置師資。這樣就解決了學校不愿讓教師流動而地方教育行政部門又要實行教師流動管理的兩難困境。其次，教育部門應取消“教師選考制度”，取消教師從鄉村到城市的單向上的不合理流動。將農村教師向城市教師流動納入到教師流動制度中。通過這樣改革教師認識管理體制來完善教師全員聘任制度，消除教師流動的人事管理體制的約束。
2.重建教師編制制度
首先，應該按照教育公平的原則來核定教師編制。應切實綜合地考量師生比、認可門數與教職工比、周課時與教職工比、年級數與教師比、專業教師和后勤人員比例，必須秉持公平平等原則，落實教師編制，從而全面地統籌調配教師。其次，根據實際情況設置“專業編制”。由于我國農村學校普遍缺少體育、音樂、美術、英語、信息技術教育等學科專業教師，所以有關教育行政機關應針對這種情況在農村教師的編制安排中設立一定比例的“專業編制”，以此來緩解在農村任教的教師的任課壓力。
3.優化教師工資制度
首先應明確教師工資制度模式。即在實行基本工資同工同酬制度的政策下，規范教師工資的額外收入（獎金、福利性補助等等）。這樣的做法不僅消除了城鄉教師的工資差別，還平衡了重點學校和非重點學校教師收入的差別。其次，對進行流動的教師應進行各種津貼補償，尤其是流動到農村和邊遠地區的教師。津貼補償的金額應按市、縣、鎮、村逐級遞增。津貼還要保證有足夠的額度和力度。
短期交易策略范文2
論文提要：近期，由于受國際金融危機的影響，我國棉花產業陷入了十分困難的境地，企業的短期競爭行為頻繁發生。本文運用博弈論相關知識，分析了企業短期競爭行為的發生機理，進而指出了與棉花直接相關的棉花種植、收購、加工企業所組成的棉花產業的短期競爭行為發生的主要原因，并提出相應治理對策，以減少棉花產業的短期競爭行為。
一、引言
我國棉花產業經過多年的發展，已成為國民經濟發展中的支柱產業。然而，進入2008年以來，受到國際金融危機的影響，我國棉花產業陷入了十分困難的境地。目前，我國在棉花收購過程中頻繁交替出現惜購、惜售現象。在棉花需求大于供給的情況下，企業為了加大收購數量，憑經驗定等級，與棉農協商收購，存在混等混級以及收購含水量超標籽棉的現象。對于競爭激烈的棉花產業，大量棉花加工企業甚至“龍頭”企業身處極其惡劣的環境，不得不降低質量要求，提高價格，甚至以給客戶回扣乃至欺詐等手段以求一時之利。這種短期競爭行為有可能給行為的“始作俑者”帶來暫時的好處，但由此產生的后果則使絕大部分企業經營陷入更加艱難的窘境。倒閉、停產、半停產的紡織企業數量增加；棉花加工企業開工嚴重不足，審慎收購；棉農在種植成本大幅增加的情況下，籽棉價格不如預期，處在虧損之中。持續下滑的棉市給各相關企業和棉農造成較大的打擊。我國棉花產業外部環境的惡化以及產業內的不確定因素的持續增加，其形勢相當嚴峻。由此，棉花產業的短期競爭行為也頻繁發生，這又進一步危害了產業的良性發展。棉花企業的短期競爭行為放大了棉價波動的幅度，危害了棉花的生產和消費的穩定，不利于實現最佳經濟規模和產業的長期均衡發展。為此，本文針對與棉花直接相關的棉花種植、收購、加工企業所組成的棉花產業的短期競爭行為發生的機理及其主要原因進行簡要的討論，并提出相應的治理對策，以減少棉花產業的短期競爭行為。
二、我國棉花產業短期競爭行為的原因分析
(一)企業短期競爭行為的發生機理
所謂短期競爭行為是指組織(特別是企業)在交易過程中，利用自身的市場力量優勢所采取的短期的、趨利的機會主義行為。這種行為短期內可能給優勢方帶來暫時的利益，但從長期來看則損害了交易雙方的長遠利益。
企業短期競爭行為的發生機理可以用博弈論加以分析。在由兩個或兩個以上博弈方構成的博弈過程中，各博弈方都是在個體理性的基礎上選擇策略。這里所謂個體理性是指個體的行為始終都是以實現自身的最大利益為惟一目標，除非為了實現自身最大利益的需要，否則不會考慮其他個體或社會的利益這一決策原則。因而，在個體理性指導下，得到的博弈均衡經常是博弈各方效用并非最優的策略組合，即博弈往往產生非合作的結果。這就是囚徒困境，它反映了個體理性和集體理性的矛盾。在一次性博弈的囚徒困境中，博弈方都存在較大的機會主義傾向。然而，當博弈次數由一次變成無限次時，參與者可以采用“以牙還牙”策略，懲罰短期競爭行為者。在某一方有一次選擇不合作行為策略時，其他各方以后也將永遠選擇不合作策略，使前者永遠受到懲罰，從而使前者被迫選擇合作策略，那么，也就避免了企業短期競爭行為的發生。
無論是一次性博弈的囚徒困境，還是無限重復的動態博弈，博弈雙方都是在完全信息的狀態下進行。但是，現實市場廣泛存在的是信息不對稱的市場。在進行市場交易前，交易雙方的信息通常是不對等的，信息占優的一方傾向于獲取更多利益，而信息劣勢一方則盡量避免信息不對稱帶來的風險損失，結果就會形成“檸檬市場”?！皺幟适袌觥睂е赂哔|量商品遭受淘汰，優秀的企業處境困難，良性的競合關系難以維系；而次品逐漸占領市場，劣等的企業卻得以發展，損人利己的短期競爭行為頻頻發生。這就是信息經濟學中的逆向選擇問題。此外，在市場交易過程中，企業也會通過隱藏信息或隱藏行動，以最大限度地增進自身效用的同時做出不利于他人的行動，這就是道德風險。
(二)我國棉花產業短期競爭行為的主要原因分析
1．棉花產業集中度低，企業數量多而規模小。根據海通期貨(2008年3月)的研究報告，我國擁有資質的加工收購企業不到9000家，實際參與收購的企業大約18000多家，加工能力已達3000萬噸，超過我國棉花產量的三倍。在我國棉花產業加工生產能力嚴重過剩的同時，棉花加工企業的平均生產能力不足萬噸，生產規模普遍偏小，市場集中度低。這是由于我國近年來出臺了一系列鼓勵發展棉花生產的產業政策，在強調拓寬棉花經營渠道的同時，降低了棉花收購企業的進入壁壘，使得涉棉企業數量迅速擴張。大量的生產能力過剩的企業不僅導致產業陷入過度競爭的窘境，而且還增加了企業采取短期競爭行為的機會主義傾向。過多的企業數量使優勢企業能夠通過不斷更換交易對象，以多次獲取短期競爭行為帶來的好處成為可能。此外，當短期競爭行為帶來的好處大于退出市場的成本時，小企業就具有較大的采取短期競爭行為的機會主義傾向。因此，我國棉花產業集中度低，企業數量多而規模小是短期競爭行為頻繁發生的重要原因之一。
2．棉花組織間信息不能共享，缺乏信任與合作。棉花產業合作博弈的實現有賴于組織成員在采取行動之前進行有效的信息溝通。正如邁爾森的論述：博弈中的參與者能有效合作，一種可能的解釋是它們可以利用局前通信。把他們的期待協調到一個對某些或全部人都有較好福利性質的焦點均衡。在傳統的上下游企業的交易中，交易雙方存在利用信息不對稱獲利的機會主義傾向，交易雙方都希望掌握信息優勢。然而，這種個體的理性選擇導致了產業整體效益的下降，出現了典型的“囚徒困境”。例如，在我國棉花主產區的新疆，植棉企業和農戶不斷投資引進棉花新品種以提高生產收益。在新疆種植面積萬畝以上的棉花品種數量多達35種，而且品種變更速度很快，結果導致棉花純度下降，降低了棉花質量的一致性和符合性，限制了產業績效的提高。棉花企業各自為戰，信息不能共享，缺乏信任與合作，導致企業競爭行為的短期化，這嚴重影響了產業組織間的協調運作。
3．產業政策指導不力、調控失度。我國棉花產業政策指導不力、調控失度是造成棉花產業結構失調、重復建設和大量的短期競爭行為的重要原因。主要表現在：(1)產業政策未能涵蓋產業整體，只重視個別環節的發展和競爭力的培育，而忽視了產業環節之間的有機聯系和銜接，阻礙了產業整體競爭力的提升。在產業進入壁壘方面，產業政策未設置明確的進入門檻，造成棉花加工企業重復建設，加工能力嚴重過剩。(2)產業政策缺乏預見力，不能有效地指導企業生產，甚至誤導企業的決策。例如，對我國加入世貿組織帶來的巨大市場未能做出正確引導。(3)產業政策缺乏穩定性和延續性。例如，在對進口棉的管理上產業政策沒有發揮有效的調節作用，在不合適的時機向用棉企業增加外棉配額數量，造成了國內新棉上市銷售困難，給國內棉農帶來巨大損失。
由于我國產業政策指導不力、調控失度，導致企業對未來缺乏穩定預期。根據伯川德競爭模型，企業進行短期競爭行為的條件為ⅱ／n(1—〥)<ⅱ，即〥<(n—1)／n。ii為所有企業合作得到的最大總利潤，n為行業中的企業數量，〥為企業下一期收益對當期收益的貼現率。由于缺乏穩定預期，企業對未來收益的貼現因子預期較小，企業競爭行為的短期化也就不可避免。
三、棉花產業短期競爭行為的治理分析
通過上述對中國棉花產業短期競爭行為主要原因的分析可以得出，治理短期競爭行為不僅需要將企業間的博弈擴展為無限次重復博弈，抑制博弈各方的機會主義傾向，還要盡可能減少交易各方之間的信息不對稱以及加強市場行為的監管。
(一)提高進入壁壘，減少企業數量
建立無限重復博弈結構是棉花產業組織實現由非合作博弈轉向合作博弈的必要條件。重復博弈中的“無名氏定理”說明，在企業間的多次博弈過程中可能實現合作解。只要博弈次數足夠大并非一定無限次，就可以形成合作博弈。當市場中可交易的對象數量有限，也就是說存在重復交易，我國棉花企業未來不合作的威脅就成為可置信威脅。因此，我國棉花產業需要提高涉棉企業的進人壁壘，以減少現有企業的數量，從而減少企業的短期競爭行為，建立和保持棉花產業組織間長期穩定的合作關系。
(二)完善我國棉花產業的信息交流機制
棉花產業各組織間高效的信息溝通與交流，不僅讓組織成員更多地了解對方，而且會讓更多的第三方起“監督”合作過程的作用，從而增強成員間的信任，穩定組織成員的合作關系?，F代信息技術的應用為棉花產業建立信息共享機制，實現組織成員通過彼此有利的行為或策略組合達成有約束力的承諾提供了可能性。建立和完善我國棉花產業的信息交流機制，不僅需要進一步加強對棉農合作組織的建設和指導，還需建立和完善棉花交易與信息平臺，利用網絡注冊實名制等實現實時信息，并開展現貨與遠期交易。通過期貨市場匯集各類信息有助于解決棉農和棉花加工企業間的嚴重信息不對稱，形成棉花的公允價格，以此來指導棉花的生產、加工和銷售。
(三)建立企業家個人與企業法人共同的“聲譽”激勵機制
在交易者存在有限理性和交易具有不確定性的條件下，交易雙方都期望建立完備的交易契約。要在交易契約中窮盡所有的偶發事件是非常困難的，即使可能。其代價也十分高昂。因此，棉花產業的合作博弈不應也不可能通過設計完備的契約來實現，而應通過設計有效的激勵機制來實現。好的聲譽增加了個人和法人未來的收益，而壞的聲譽則增加未來的成本。這種“聲譽”激勵機制增加了企業短期競爭行為的機會成本。因此，建立企業家個人與法人共同的“聲譽”激勵機制可有效減少棉花產業中的短期競爭行為。
短期交易策略范文3
關鍵詞：噪音交易；有限套利；短期套利基金；長期套利基金；基金經理
基金項目：國家自然科學基金資助項目（70972101）。
作者簡介：陸江川（1983-）,男，陜西西安人，西安交通大學管理學院博士研究生，主要從事證券投資與資本市場研究；陳軍（1963-），女，安徽五河人，西安交通大學管理學院副教授，博士,主要從事證券投資與資本市場研究。
中圖分類號：F830.91 文獻標識碼：A 文章編號：1006-1096（2012）03-0162-05收稿日期：2011-07-20
投資基金是一種投資的模式，在市場有效假說（efficient market hypothesis, EMH）下，這種制度安排確實可以起到規模效應和專家理財的好處，從而為基金投資者帶來更高收益和更低風險；對于市場而言，由于基金經理具有信息優勢和專業優勢，噪音交易造成的價格偏離都會立刻得到矯正，從而使市場更有效。因此，投資基金不失為一個有效的制度安排。
但現實中投資基金并未完全矯正市場價格的背離。如De Bondt等（1985）發現，長期（3~5年）的股票收益存在著過度反應現象，即過去輸家的未來收益顯著高于過去贏家的未來收益。Black（1986）認為，噪音交易者對市場的沖擊可以累積，并不會立即由于套利者的存在而消失。隨后，De Long等（1990）認為，噪音交易者預期均值和方差的偏差對資產價格有系統性影響。在封閉式基金市場（Lee ，1991）、IPO市場（Ritter,1991）等均發現了非理性市場異象。
市場非有效說明有兩種可能：①基金經理本身非完全理性；②基金經理套利能力的有限性。如果這兩種可能同時存在，則意味著投資基金的投資模式失效。本文假設基金經理完全理性，但存在套利的有限性。因此，我們的問題是，既然市場確實存在著非理性波動，而完全理性的基金經理消除這一波動的能力又存在限制，那么，作為市場中高度專業化和高度理性的基金經理，能給基金投資者帶來怎樣的回報？噪音交易和有限套利對基金經理的投資行為和投資業績有怎樣的影響？作為基金投資者，應該怎樣選擇投資基金（及背后的基金經理）？本文基于Shleifer等（1997）三期模型框架，在噪音交易和有限套利兩大約束條件下，考察所有市場參與者，包括個人投資者（噪音交易者和基金投資者）和基金經理（長、短期套利基金）的投資行為，以回答上述問題。
一、文獻綜述
基金經理作為套利者，通過結合其自身的專業知識和基金投資者的資金，可以分散投資風險并帶來高額回報。但是，市場并非完全有效，套利行為也并非毫無成本和毫無風險?；鸾浝磉M行套利存在一定的限制。Shleifer等（1990）利用三期模型框架，對噪音交易條件下不同預期時間跨度的套利成本進行了比較分析，發現長期資產（即不確定因素消失時間較長）的套利成本較高，因此其較短期資產具有更高的折價率（即更高的未來期望收益）。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場行為，他們認為，套利并不像之前認為的不需要資本投入和承擔風險，實際上，套利行為是一種具有成本和風險的行為。Pontiff（2006）對套利成本和異質風險的關系進行了分析，他認為異質風險對套利者的套利成本具有重要作用。
由于封閉式基金本身的特點，其資產凈值（net asset value，NAV）可以看做資產的內在價值，因此，封閉式基金的折扣率可以對市場中的套利行為做出闡釋。Pontiff（1996）利用封閉式基金的NAV作為其內在價值，對其套利成本進行了識別。通過實證研究，Pontiff認為四個因素影響資產的套利獲利性：(1)與其他證券風險無關的基礎風險；(2)資產的紅利發放；(3)交易費用；(4)市場利率。Gemmill等（2002）對158個封閉式基金進行研究，發現投資者情緒是封閉式基金折扣率波動的原因，封閉式基金折扣率越大，套利難度也越大。
還有文獻對基金經理的實際業績表現進行了考察和研究。Bollen等（2005）基于股票與市場時機選擇標準模型，利用共同基金的日和季度收益實證研究發現，基金短期的優異業績只是一種暫時現象，該現象會在基金經理每年被考評的時候出現幾次。Khorana（1996）對基金經理過去業績與基金經理被替換之間的關系進行了研究，實證結果發現基金經理被替換的概率與其過去業績之間存在負相關。Brown等（1996）認為基金行業的競爭結構會對基金經理產生負向激勵，使其行為不追求長期目標而更著眼于短期目標。Lakonishok等（1991）研究發現，基金經理為了使得其短期業績更能吸引基金發起人，會在每個季度末（特別是第四季度末）對基金持有組合業績進行粉飾，其粉飾行為主要是為了短期業績更具吸引力而非為追求長期業績。另外，Chevalier等（1997）也得出了類似的結論。
綜上所述，現有文獻表明，基金經理的套利交易存在諸多限制條件，會面臨較高的風險與成本；從基金業績角度看，基金經理的投資行為并不像基金投資者期望的那樣長期化，由于基金經理的更替、排名、競爭等，導致基金經理更傾向追求短期業績。但現有文獻沒有從有限套利的角度，對長、短期基金經理的投資行為和投資業績進行分析。本文的貢獻在于，從噪音交易和有限套利角度出發，利用3期模型框架，對市場中的噪音交易者、基金投資者、短期套利基金和長期套利基金的投資行為進行理論分析，并對長、短期套利基金的投資業績進行分析和比較，從而為市場監管當局和基金投資者提供參考。
二、不同類型基金行為的投資行為分析
（一）噪音交易和有限套利條件下不同類型套利基金資產需求分析
本文假設市場有4種類型參與者：噪音交易者、長期套利基金、短期套利基金、基金投資者。長、短期套利基金對未來市場收益分布具有完全理性的預期；噪音交易者對未來市場收益分布的預期則存在系統性偏差，存在樂觀或悲觀情緒；基金投資者則將其資金全部投資于套利基金，并依據套利基金歷史業績進行選擇。
為考察噪音交易風險對基金行為的影響，將市場分3期。假設資產的實際價值為V，長、短期套利基金知道資產的實際價值，但噪音交易者只有第3期才知道資產的實際價值，而基金投資者不知道資產的實際價值，因此第3期資產的價格確定等于V。
筆者基于Shleifer等（1997）的三期模型框架構建不同類型套利基金的投資行為模型。不失一般性，假定市場無風險利率為0。假定對于第1期和第2期，即t=1,2，資產價格為pt。具體來說，本文僅考慮悲觀的噪音交易者，對于t=1,2，噪音交易者的悲觀情緒的悲觀情緒擾動為St。長、短期套利基金在第1期知道S1，但是不知道S2。
對于噪音交易者而言，其在第t期對資產的總需求為
Qt(noise)=V－Stpt（1）
對于套利基金而言，假定其在第t期管理的資產總額（即從基金投資者借入資金的規模）為Ft，則其在第t期對資產的總需求為
Qt(arbitrage)=Ftpt(2)
由于資產是單位供給的，即Qt(arbitrage)+Qt(noise)=1，則有
pt=V－St+Ft(3)
（二）不同類型套利基金的投資行為模型
由于不同市場參與者基于各自的特質進行投資，各自有著不同的投資策略。本文對不同類型投資者的投資策略分析如下。
1.噪音交易者的投資行為分析
噪音交易者不基于任何信息做出投資決策，其投資行為受到非理性市場情緒的影響。但是，De Long等和Waldmann（1990）認為，在非理性市場中，噪音交易者可以長期存在，并可以獲得正的收益。
2.基金投資者的投資行為模型
由于基金投資者與基金經理之間是委托關系，存在著信息不對稱，因此基金投資者無法識別基金經理的投資策略。這主要有以下3個原因：第一，對于眾多基金投資者而言，其自身并不能理解基金經理的投資行為；第二，基金經理為防止其投資策略被復制，會對其投資策略保密；第三，基金經理一般每季度才會報告基金業績，基金投資者也無法即時獲得基金經理投資行為包含的信息。
因此，基金投資者僅能依據基金經理過去的業績來評價其能力，將基金經理過去的收益作為其未來的期望收益。如基金經理過去具有較好業績，則基金投資者傾向于進入該基金；反之，則贖回該基金。
綜上，本文假定基金投資者都基于基金經理過去業績來判斷基金經理的能力，將基金過去收益作為其投資的期望收益。
本文為描述基金投資者的投資行為，根據Shleifer等（1997）的三期框架，將基金投資者基于過去業績的未來投資行為定義為函數G。但與之不同，本文不限定函數G為線性函數。因此，在第2期有
F2=F1gG(D1F1gp2p1+F1-D1F1)(4)
其中，G(1)=1，G′≥1，且G″≤0。
特別地，當第1期套利基金經理將所有管理資金F1全部購買資產時，有
F2=F1gG(p2p1)（5）
3.短期套利基金的投資行為模型
短期套利基金不追求其管理的資金在第3期收益的最大化，而是將三期投資分割成兩個短期投資，即在第1期，短期套利基金僅追求資產收益在第2期的最大化；在第2期，僅追求其在第3期資金收益的最大化。因此，其投資策略如下：
第1期，由于短期套利基金不知道第2期噪音交易者的悲觀擾動S2，所以短期套利基金無法確定資產在第2期的市場價值p2。但是，短期套利基金知道該項交易無長期基礎風險，所以可以確定第1期投資在第2期的期望收益，為
E(R~12)=Vp1＞0（6）
其中，R~12代表第1期至第2期收益，為隨機變量。
可以知道，當第1期該短期套利基金將其所管理的全部資產F1全部投資時，期望收益最大，為E(R~12)。所以，第1期，以價格p1將F1全部購買資產，共買入F1p1股。這種行為會導致第1期的風險增大， Brown等（1996）認為由于基金行業存在著競爭結構，基金經理為追求短期更高的相對業績，會主動增加基金的風險。
第2期，由于噪音交易者的悲觀擾動S2，因此第2期的投資沒有基礎風險，所以第2期短期套利基金應將其在第2期新獲得的基金投資者投入的資金全部買入，假定第2期短期套利基金管理的資產規模為Fs2，則第2期短期套利基金買入的資金規模（即第2期新獲得基金投資者的投資規模）為Fs2-F1。因此，第2期，短期套利基金以價格p2將Fs2-F1全部購買資產，共買入Fs2-F1p2股。
第3期，以價格p3=V將所有資產賣出。
4.長期套利基金的投資行為模型
在三期模型下，長期套利基金追求其管理的資金在第3期收益最大化。因此，對于長期套利基金而言，可以通過跨期統籌安排資金進行投資，達到第3期收益最大化的目的。具體來說，在第1期，由于長期套利基金無法預測第2期噪音交易者的情緒，而悲觀情緒在第2期存在著進一步惡化的可能性，所以，雖然第1期至第2期的市場期望收益為正，但是長期套利基金的最優選擇是將其第1期的初始資產F1的一部分D1購買資產，剩余部分F1-D1可以在第2期如果悲觀情緒進一步惡化時追加投入。所以，第1期，以價格p1將F1的一部分D1購買資產，共買入D1p1單位資產。
第2期，由于噪音交易者的悲觀擾動S2，因此第2期的投資沒有基礎風險，所以第2期長期套利基金應將其在第2期新獲得的基金投資者的投入資金以及第1期未使用的資金全部買入，假定第2期長期套利基金管理的資產規模為Fl2，則第2期長期套利基金買入的資金規模為Fl2-D1。因此，第2期，短期套利基金以價格p2將Fl2-D1全部購買資產，共買入Fl2-D1p2股。
第3期，以價格p3=V將所有資產賣出。
（三）不同類型套利基金的投資業績分析
在悲觀噪音交易情緒下，即St＞0，市場共存在兩種可能情緒，即p1＜p2＜V（S1＞S2）和p2＜p1＜V（S2＞S1）。在p1＜p2＜V下，第2期悲觀噪音交易者的悲觀情緒有所緩和；而在p2＜p1＜V下，第2期悲觀噪音交易者的悲觀情緒更加嚴重?，F分別對這兩種情況下的不同類型套利基金的投資業績進行分析。
1.在p1＜p2＜V（S1＞S2）情形下
第2期短期套利基金的資產管理規模為
Fs2=F1gG(p2p1)(7)
第2期長期套利基金的資產管理規模為
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期資產價格高于第1期資產價格的情況下，短期套利基金的融資能力強于長期套利基金。
第2期短期套利基金的融資規模為
Fs2-F1=F1g［G(p2p1)-1］(9)
長期套利基金的融資規模為
Fl2－F1=F1g［G(D1F1 p2p1+F1-D1F1)-1］（10）
故可以得到：
Fs2－F1＞Fl2－F1(11)
即短期套利基金比長期套利基金融資規模更大。
此時，短期套利基金第2期的購買價格為
ps2=V－S2+Fs2(12)
長期套利基金第2期的購買價格為
pl2=V－S2+Fl2(13)
因此，可以得到
ps2＞pl2(14)
在此情形下，短期套利基金通過在第1期承擔更大風險的投資行為，取得更好的業績，從而在第2期融入更多資金，但是，融入的資金卻購買了價格更高的資產，并在第3期出售，因此損害了投資者的利益。
2.在p2＜p1＜V（S2＞S1）情形下
第2期短期套利基金的資產管理規模為
Fs2=F1gG(p2p1)(15)
第2期長期套利基金的資產管理規模為
Fl2=F1gG(D1F1 p2p1+F1－D1F1)(16)
故有Fs2＜Fl2。
由于G(p2p1)＜1， 即在此情況下，基金投資者對其資產進行了贖回，贖回規模分別為
短期套利基金
F1－Fs2=F1g［1－G(p2p1)］(17)
長期套利基金
F1－Fl2=F1g［1－G(D1F1 p2p1+F1－D1F1)］(18)
故可以得到
F1－Fs2＞F1－Fl2(19)
即在價格下跌情形下，短期套利基金管理的基金此時贖回規模更大。此時，短期套利基金第2期的購買價格為
ps2=V－S2+Fs2(20)
長期套利基金第2期的購買價格為
pl2=V－S2+Fl2(21)
所以有
ps2＜pl2(22)
由于在第2期至第3期，已經不存在基本風險，因此若此時能以更低價格買入資產將會獲得更高的期望收益。但是，由于短期套利基金存在著贖回壓力，因此，此時必須以更低的價格ps2將資產賣出，將其資產規模從F1降低至Fs2，因此損害了投資者的利益。
三、結論
本文基于Shleifer等（1997）的三期模型框架，構建了個人投資者和基金經理的投資行為模型，在此基礎上，分別對長、短期套利基金的投資業績進行了分析。由于基金投資者僅能知道基金過去業績，短期套利基金不會追求長期收益最大化，他們會在第1期至第 2期的投資中通過承擔噪音交易風險提高短期投資收益，其后如果第2期悲觀情緒有所減緩，他們會將前期高收益吸引來的大量資金繼續投入，但實際第2期至第3期的期望收益并不高；如果第2期悲觀情緒進一步加重，即使第2期至第3期的期望收益較高，也迫使短期套利基金在較低價格賣出股票，以滿足基金投資者的贖回要求。因此，短期基金的投資行為對基金投資者是有害的；而長期基金的投資行為則是有益的。并且，基金經理第1期的投資行為可作為識別長短期基金的信息：倉位越輕說明預期時間跨度越長。
參考文獻：
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.(編輯：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
（暨南大學信息科學技術學院 廣東 廣州 510632）
摘 要：“金融改革”的提出，金融市場的逐步開放，將促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。通過分別建立兩個單指標擇時策略模型，運用MATLAB模式搜索算法在設定時段內搜索最優參數，并分別對兩個單指標策略進行交易仿真回驗。實證結果顯示，趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。實證顯示組合指標策略的效益明顯高于單指標策略。因此，采用組合指標策略進行個股量化擇時交易較單指標策略能獲得更優的投資收益。
關鍵詞 ：量化擇時；趨勢指標；組合指標策略；參數優化
中圖分類號：F8 文獻標識碼：A doi：10．3969／j．issn．1665－2272．2015．12．008
1 緒論
1．1 背景意義
“金融改革”的提出將為中國的量化投資帶來發展前景。金融市場的逐步開放將會促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。很多國外成熟的投資工具和投資方法將逐步進入中國市場，以期貨市場為代表的衍生品市場將迎來飛速增長，以量化投資為代表的投資方法也將得到投資者更大的關注。
在投資業，各種渠道提供的海量信息以及高頻金融交易數據都在深刻地影響這個行業的發展以及金融市場的有效性。金融創新給期待量化投資的投資者提供了豐富的投資工具。自20世紀50年代以來，金融市場出于規避監管，轉嫁風險和防范風險等需要，推出了很多創新性的金融產品，提供了越來越豐富的投資工具。金融衍生品在金融市場中占的比例越來越重要。
中國量化投資的前景廣闊。黨的十八屆三中全會提出了“健全多層次資本市場體系”的指示精神，為十二五期間的資本市場發展指明了方向。隨著金融投資工具的增加，量化投資將顯示出其更大的作用，幫助投資者在更好的風險管控中尋求最佳收益回報。
作為量化投資中的量化擇時，是指利用某種方法來判斷大勢的走勢情況以及時采取相應措施，它是收益率最高的一種交易方式。就股票投資者而言，擇股和擇時都是至關重要的，正確擇股是盈利的前提，而正確擇時則是盈利的最終實現。因此，從微觀角度入手，建立有效的個股量化擇時交易策略值得研究。
1．2 文獻綜述
關于量化投資的研究，國內外更多的研究主要以策略構建和實證為主。易海波、楊向陽、羅業華、曾敏通過將量化指標按照股票屬性進行分類排序，以自下而上的選股方式，構建出價值、成長、質量三個基本模型，并在此基礎上衍生得到四個疊加模型和GARP模型。利用八個選股模型以不同的參數進行選股，構建出十個量化選股組合，歷史回測結果顯示這些組合風格各異，適合不同風險偏好的投資者。張登明通過對技術指標的分析，構建了完整的及時指標組合投資策略框架。他從量化的角度，通過樣本統計給出了適合中國股市的優化指標組合及參數設置，對提高投資決策有積極意義。路來政通過研究量化基金的績效及管理能力來研究量化投資策略的應用效果，采用T－M模型、H－M模型和C－L模型對其中9只量化基金的管理能力進行了研究，以評價量化基金使用量化投資策略的擇股效果和擇時效果，結果表明量化基金采用量化策略進行投資是有意義的。
股票擇時屬于量化投資的一個分域。劉瀾飚、李貢敏研究了市場擇時理論在中國的適用性，表明中國上市公司不僅存股票市場的市場擇時行為，而且存在債務擇時行為，即股票市場高漲時，上市公司傾向于債務融資。林正龍基于效用無差別定價原理，運用實物期權定價理論，研究項目投資收益不可完全復制的不確定性投資機會定價與擇時問題，得出不同于指數效用，對具有常值相對風險回避系數效用函數的投資者而言，不確定性投資機會的定價與擇時與投資者當前財富數量有關。卓琳玲、胡志強通過對樣本公司的研究，發現樣本公司股票行為、債券發行和內部融資均呈下降趨勢，其中股票不是特別明顯，當市值杠桿比率上升時期，股票發行出現顯著地下降趨勢，此時市場時機選擇比較明顯，說明我國股市存在明顯的市場時機選擇行為。劉陽、劉強通過研究我國從上世紀90年代初-2010年1月的上證綜指和深證成指，分析異常收益率對整個期間收益的影響及擇時的可能，發現極少數具有超常收益的交易日對股票市場的長期收益具有顯著的影響，認為理性的投資者應該放棄擇時而選擇長期投資。王俊杰在擇時模型方面分析了行業指數存在的持續性和行業輪動特征，并以時間序列模型為基礎，構建動量模型、MS－GARCH行業擇時模型等量化擇時策略，回測結果MS－GARCH擇時模型戰勝行業動量模型和指數，表現較好。
溫婧茹對移動平均線理論進行改進，構造了最適參數，參考設計了觸線交易策略和過濾器交易策略，構建了家電板板塊靜態與動態相結合的股票池，實證得出，不同股票對應的最適參數不同，用個性化的參數進行決策能獲得更好的收益；應用收益率確定最適參數以擇股，結合觸線交易策略以擇時，能夠跑贏大盤，取得超額收益。曹力自適應均線更適合于組合類的標的，如指數或者封閉式基金，因為這些標的的走勢經過了平均的平滑，沒有突然的大起大落，更容易用均線來跟蹤趨勢的變化。而對于個股，波動形態和指數類表的不同，所以需要使用不同的參數，在大多數個股上能夠獲得超額收益，特別對強周期性行業的股票自適應均線有很強的擇時能力。但是自適應均線也不是萬能的，對于某些個股，因為波動形態的復雜，用自適應均線也無法獲得超額收益。曹力、徐彪從實證效果來看，利用可交易組合的均線模式識別找出的買入機會成功率較高，能抓住一些市場主要的反彈機會，因此累積收益非常出色。可交易組合的均線模式識別方法是擇時交易，特別是熊市中擇時的有效方法。
1．3 研究框架
傳統的趨勢指標擇時策略往往是單指標的，并且策略參數通常是約定俗成的。單指標策略局限性和偶然性大，不能有效及時獲取收益和及時止損；約定俗成的常用參數值在面對各種波動幅度不同、周期性不同、價格彈性等不同的個股時也有失客觀性和靈動性。
所以，在探究一種改進針對個股的傳統趨勢指標量化擇時的策略。首先建立基于各傳統趨勢指標的單指標擇時策略，通過參數優化確定各單指標策略的最適參數；并在單指標的基礎上，創新性地通過指標的組合，構建一個綜合性且參數最優的組合指標擇時策略，以增強策略的穩定性和魯棒性，獲得更優的投資收益。
1．4 術語說明
（1）累計收益率：
（2）年化收益率：年化收益率是把當前收益率（日收益率、周收益率、月收益率）換算成年收益率來計算的，是一種理論收益率，并不是真正的已取得的收益率。
（3）夏普比率：夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。
夏普比率=
（5）最大回撤率：在選定周期內任一歷史時點往后推，產品凈值走到最低點時的收益率回撤幅度的最大值。最大回撤率用來描述買入產品后可能出現的最糟糕的情況，是一個重要的風險指標。
2 理論概述
2．1 量化投資理論
量化投資是運用現代統計學和數學的方法，從大量的歷史數據中尋找并獲得超額收益的一種投資策略，投資者通過計算機程序，建立可以重復使用并反復優化的投資策略，嚴格按照這些策略所構建的數量化模型進行投資并形成回報。
量化投資的內容主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、算法交易、ETF／LOF套利、高頻交易等。量化投資在國外已有30多年的發展歷史，但在國內還是近年出現的新鮮事物。相比其他投資策略，量化投資在國外的運用已取得了更佳的業績。
與海外成熟市場相比，中國A股市場的發展歷史較短，投資理念還不夠成熟，相應的留給主動型投資發掘市場的潛力和空間也更大。國內很多實證文獻討論國內A股市場也尚未達到半強勢有效市場，因此量化投資理論引入國內證券市場是非常有意義的，它以正確的投資理念為根本，通過各種因素的分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應用將更顯其優勢。
2．2 擇時理論
量化擇時是量化投資的一種，它利用數量化的方法，通過對各種宏觀微觀指標的量化分析，試圖通過回溯歷史數據，找到影響大盤走勢的關鍵信息，并且對未來走勢進行預測。如果判斷是上漲則買入持有；如果判斷是下跌則賣出清倉；如果判斷是震蕩則進行高拋低吸，這樣就可以獲得遠遠超越簡單買入持有策略的收益率。所以擇時交易是收益率最高的交易方式之一。
股票的量化擇時是預測市場以后的走勢，并由此來判斷調整投資組合的風險水平，從而獲取更大的收益，具體表現是現金流進出證券市場和在證券間比例變換的時機選擇。
2．3 趨勢追蹤理論
趨勢擇時的基本思想來自于技術分析，技術分析認為趨勢存在延續性，因此只要找到趨勢方向，跟隨操作即可。
技術指標是技術分析中使用最多的一種方法，通過考慮市場行為的多個方面建立一個數學模型，并給出完整的數學計算公式，從而得到一個體現證券市場的某個方面內在實質的數字，即所謂的技術指標值。指標值的具體數值和相互間關系直接反映證券市場所處的狀態，為操作行為提供指導作用。目前證券市場上的技術指標可分為“趨勢型指標”、“反趨勢型指標”、“能量指標”、“大盤指標”、“壓力支撐指標”等類別。
移動平均線（MA）是一種常用的趨勢型指標，由Joseph E．Granville于20世紀中期提出來。它是當今運用最普遍的技術指標之一，幫助交易者確認現有趨勢、判斷將出現的趨勢、發現過度延伸而即將發轉的趨勢。后來又逐漸衍生出其他類型的均線，如平滑異同移動平均線（MACD）、三重指數平滑平均線（TRIX）等。 這些均線理論常用兩根線的交叉作為交易信號，并以此作為買賣時點的判斷。
均線理論提供了一種簡單有效的使價格序列平滑并且使趨勢更易于辨認的方法。
因此綜合以上理論的優點，在此基礎上改進傳統趨勢指標的量化擇時策略，并創新性地開發更優的組合指標量化擇時策略，以達到及時獲取收益和及時止損的目的。
3 擇時策略模型建立
3．1 MA單指標策略模型的建立
MA移動平均是指連續若干交易日收盤價的算術平均，用來顯示股價的歷史波動情況，進而反映股價指數未來的發展趨勢。
其中
利用MA指標進行量化擇時，在短期移動均線與長期移動均線的交叉處進行買入或賣出擇時交易。以下分別建立買入和賣出法則的模型。
在短期移動均線下穿長期移動均線的黃金交叉處買入，故建立如下數學模型：
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，表示滿足買進，mabuy=0表示不滿足買進。
在短期移動均線上穿長期移動均線的死亡交叉處賣出，故建立以下數學模型：
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，表示滿足賣出，mabuy=0表示不滿足賣出。
3．2 MACD單指標策略模型的建立
MACD即指數平滑異同移動平均線，是根據均線的構造原理，通過分析短期指數移動平均線與長期指數移動平均線之間的聚合與分離狀況，對買進、賣出時機做出判斷的趨勢型技術指標。
MACD的計算如下：
（1）計算短期（ms）指數移動平均線EMA1和長期（ml）指數移動平均線EMA2。
（2）計算離差值DIF＝EMA1－EMA2。
（3）計算DIF的M日指數移動平均線，即DEA。
（4）計算MACD＝2（DIF－DEA）。
利用MA指標進行量化擇時，在DIF與DEA的交叉處進行買入或賣出，分別建立買入和賣出法則的模型。
當DIF、DEA均為正值，DIF向上突破DEA時，為買入信號，建立如下數學模型：
macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）
其中，macdbuy=1表示滿足買進，macdbuy=0表示不滿足買進。
當DIF、DEA均為負值，DIF向下跌破DEA時，為賣出信號，建立如下數學模型：
macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）
其中macdsell=1，macdsell=0表示滿足賣出，表示不滿足賣出。
3．3 MA－MACD組合指標策略模型的建立
組合模型構建兩個新的信號變量：買入信號個數閾值“buy”（1≤buy≤2，整數）和賣出信號個數閾值“sell”（1≤sell≤2，整數）。
買入信號個數閾值“buy”表示：當MA策略中的“mabuy＝1”的買入信號個數與MACD策略指標中的“macdbuy＝1”的買入信號個數之和至少達到閾值“buy”（1≤buy≤2)數量個時才進行買入交易。
即“buy”閾值取不同值時，買入信號組合滿足買入條件的情況如下：
buy=1時，滿足買入情況：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12時，滿足買入情況：mabuy=1&macdbuy=1（10）
賣出信號個數閾值“sell”表示：當MA策略中的“mabsell＝1”的賣出信號個數與MACD策略指標中的“macdsell＝1”的賣出信號個數之和至少達到閾值“sell”數量個時才進行賣出交易。
即“buy”閾值取不同值時，買入信號組合滿足賣出條件的情況如下：
sell=1時，滿足賣出情況：masell=1||macdsell=1||mabsell=1&macdsell=12時，滿足買入情況：masell=1&macdsell=1（11）
3．4 模型最優參數的選擇
就個股而言，不同的計算參數，將導致不同的擇時效果。面對各種波動幅度不同、周期性不同、價格彈性等不同的股票，如果盲目套用經典參數可能會有失客觀性和靈動性。因此， 在進行量化擇時策略構建時，需要針對個股進行策略的參數優化，檢驗指標不同參數的測試效果，并最終選擇一個最優的參數組合。
夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。
4 個股實證分析
4．1 數據選擇
為驗證上述模型的有效性，個股實證以深圳證券交易所的華誼兄弟300027為交易標的，選取來源于國泰安2011．1．1－2014．6．30的基本面數據庫，包括個股開盤價、收盤價等。
4．2 MA單指標擇時策略仿真回驗
首先對該股策略進行參數優化：本策略中對于參數，在測試期間內，以2天為間隔，測試范圍從2天到20天；以5天為間隔，測試范圍從20天到120天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表1）。
如表1所示，最優組合（s，l）＝（2，20），當以2日為短期均線，20日為長期均線，在參數優化測試期間進行交叉擇時時效果較好，在回驗測試期間內夏普比率達2．4234。
確定最優后，運用國泰安量化交易平臺QIA進行策略交易仿真回驗。設定合約保證金為1，合約乘數為1，市場參與度為0．5，買方手續費為0．05‰，賣方手續費為0．05‰，交易賬戶為股票賬戶并設定初始資金為1 000 000元，以一年期國債利率為無風險利率，并以滬深300為業績比較基準，以數據庫所給時間2011年1月1日-2014年6月30日為策略回驗時間區間進行回驗。最終結果（見圖1、表2）。
回驗結果顯示，此單指標策略在2011年1月1日-2014年6月30日間的累計收益率達42．26％，年化收益率達11．10％，高出同期的滬深300指數比較基準，并且勝率達60．80％。由此我們可以得出結論，采用MA單指標策略進行個股量化擇時交易也能獲得較優的投資回報。
4．3 MACD單指標擇時策略仿真回驗
對該股策略進行參數優化：該策略需要優化確定的參數主要包括短期指數移動平均線的計算天數ms、長期指數移動平均線的計算天數ml，以及DEA的計算天數M。本策略的參數優化依然以最大化夏普比率為最優化目標函數，并使用Matlab的模式搜索算法在設定的回驗時段內搜索最優參數組合（ms，ml，M）。
對于參數ms，在測試期間內，以2天為間隔，測試范圍從2天到20天；參數ml以5天為間隔，測試范圍從20天到120天；參數M以5天為間隔，測試范圍從5天到60天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果如下：
如表3所示，最優組合（ms，ml，M）＝（2，25，10），當以2日為短期指數移動平均線計算天數，25日為長期指數移動平均線計算天數，10日為DEA計算天數，進行交叉擇時時效果較好，在回驗測試期間夏普比率達3．0682。
組合指標擇時策略仿真回驗。由于組合指標策略是建立在單指標策略基礎上的，所以該策略中的參數（s，l）、（ms，ml，M）即為模型一和模型二參數優化后確定的值，而參數（buy，sell）的組合情況有（2，2）、（2，1）、（1，2）和（1，1）四種，閾值組合選取哪個使得策略最優則需要進一步的參數優化。
對于參數buy，初始值設為2，測試最小值為1，最大值為2，步長設為1；參數sell，初始值設為2，測試最小值為1，最大值為2，步長設為1；搜索精度設為1；測試回驗90天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表4）。
如表4所示，最優組合（buy， sell）＝（1，1），即當買入信號個數至少有一個時就進行買入交易，賣出信號個數至少有一個時就進行賣出交易，以此進行組合指標擇時效果最好，在參數優化回驗測試期間夏普比率達2．490 3。
5 結論
從價格沿趨勢移動和歷史會重演的角度出發，運用傳統趨勢指標MA和MACD，分別建立MA、MACD的單指標擇時策略模型并通過模式搜索算法分別求出兩個策略的最優參數，從實證結果看趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。在此基礎上再創新性的運用通過設置買入和賣出信號個數閾值的方法構建二者的最優組合指標模型，增強了擇時的穩定性和魯棒性，在有效降低風險的同時提高了收益率。
綜上所述，基于以上的不足之處，以后將沿著組合指標擇時的思路繼續深入研究以對目前的研究進行改進。未來的工作主要是：對于用于組合的單指標要進行更為全面的擴展，引進其他經典趨勢型指標DMA平均線差指標、TRIX三重指數平滑移動平均指標等，同時把指標類型拓展至其他類型，如反趨勢型指標ACCER幅度漲速指標等，量價指標APBP人氣意愿指標等，大盤指標OBOS超買超賣指標等，壓力支撐指標ENE軌道線指標等。通過增加組合趨勢型數量和組合指標類型，以使組合指標策略更全面、更切合實際市場。
參考文獻
1 丁鵬．量化投資——策略與技術［M］．北京：電子工業出版社，2012
2 方浩文．量化投資發展趨勢及其對中國的啟示［J］．宏觀管理，2012（5）
3 郭建．論證券投資技術分析中歷史會重演的根本原因［J］．商業時代，2007（28）
4 李向科．證券投資技術分析［M］．北京：中國人民大學出版社，2012．
5 張登明．技術指標投資策略的優化及其在量化交易中的應用［D］．武漢：華中科技大學，2010
6 方智．基于多技術指標模型的滬深300指數走勢預測［D］．南昌：江西財經大學，2012
7 路來政．量化投資策略的應用效果研究［D］．廣州：暨南大學，2012
8 劉瀾飚，李貢敏．市場擇時理論的中國適用性［J］．財經研究，2005（11）
9 林正龍．項目投資定價與擇時理論研究［D］．長沙：湖南大學，2006
10 胡志強，卓琳玲．IPO市場時機選擇與資本結構關系研究［J］．金融研究，2008（10）
11 王俊杰．量化交易在中國股市的應用［D］．南京：南京大學，2013
短期交易策略范文5
【關鍵詞】統計套利；動態計量模型；最新研究綜述
一、統計套利前提假設
S.Hogan，R.Jarrow和M.Warachka（2004）給出了統計套利的精確定義，認為統計套利必須滿足4個假設條件：（1）自融資交易策略的初始投資成本為0；（2）經無風險利率貼現后具有正的預期收益；（3）可以通過重新調整投資組合的頭寸使得長期來看資產發生虧損的概率為0；（4）如果在任意有限的時間內所持有頭寸發生虧損的概率大于0，那么隨著時間的推移，虧損的概率將趨于0。Robert Jarrow，Melvyn Teo，Yiu Kuse Tse和Mitch Warachka（2005）改變了假設條件（4），認為投資者關心的是潛在損失波動，只要收益的折現增量值是非負的，那么其波動情況就不受限制。
目前，以S.Hogan，R.Jarrow和M.Warachka（2004）在無風險套利基礎上發展的套利定義應用最為廣泛。
二、國內外相關理論研究
1.基于協整模型的研究
Burgess（1999），Alexander，Dimitriu（2004），仇中群、程希駿（2008）等眾多學者實證研究后發現基于協整的統計套利效果顯著優于其它的跟蹤誤差方差（Tracking Error Variance）方法：套利機會增多且風險可控，說明了基于協整模型的套利策略具有時效性和高效率優點。
2.基于GARCH族時變波動模型的研究
徐光梅（2008），康瑞強（2009），劉叢瑜（2011）等利用GARCH模型對不同交易對象進行實證研究，使用了不同的閾值參數確定方法—VAR思想方法、非參數化方法、Lasso算法、敏感性分析以及Monte Carlo模擬等，以樣本內價差數據建立的統計套利模型為基礎設計樣本外套利策略，實證發現基于時變波動率的方法比基于歷史波動率的策略具有更好的穩定性且有望獲得更高的風險調整收益。
實際上，GARCH模型是以傳統的線性理論為基礎且忽略了價差序列分布有偏性特征，為了更精確的描述統計套利價差運動規律，可以進一步考慮使用其它非線性或非對稱的修正GARCH類模型，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）隨機波動交易模型的研究
Elliot，VannerHoek，Maleolm（2004）提出，只要價差序列具有均值回復性，就可以應用具有均值回復特征的O-U過程描述其運動過程。William K.Bertram（2010）給出了交易周期的均值、方差表達式，并分別以期望收益最大化和夏普比率最大化為目標函數推導出了最優交易信號的理論表達式，得出了股票價差服從O-U過程時交易信號的最優解，但作者沒有對策略的收益率進行詳細的實證研究。任吉衛（2012）運用上述主要思想，以收益率和夏普比率為基礎衡量套利績效，認為O-U模型要優于非參數化方法；作者建議采用多種套利模型相結合的方式進行統計套利研究以期獲得更高的收益率，最后建議及時更新包括交易信號、止損信號等在內的數據，并且可嘗試采用窗口滾動法、記憶周期等理論擴展模型。
顏涵（2012）分別采用OLS、GARCH以及O-U過程三種模型刻畫高頻數據價差序列的波動性特征，最后用K-Ratio指標、夏普比率、年化累計收益率進行綜合績效評價，認為O-U過程表現要優于其他兩種模型。但文章仍存在協整突變、樣本數據長度偏小及采用線性協整技術建模等問題。
4.基于Kalman濾波模型的研究
Giovanni Montana，Kostas Triantafyllopoulos，Theodoros Tsagaris（2009）針對S&P500股票指數期貨合約設計了一個基于靈活最小二乘法（flexible least squares，FLS）的算法交易系統并論證了FLS與卡爾曼濾波方程之間的對應關系。對數據的增量奇異值（SVD）進行降維分解，并對帶有SVD的FLS系統、不帶有SVD的FLS系統以及買入-持有交易策略績效進行了比較，指出前兩種算法的收益要明顯優于后者，最后得出：具有時變系數的FLS算法是非常實用的時態數據挖掘工具。
Christian L.Dunis，Gianluigi Giorgioni（2010）對歐元區斯托克50指數成分股交易數據使用協整模型（Cointegration model）、滾動OLS波動模型（Rolling OLS）、雙指數平滑預測模型（Double exponential-smoothing prediction model）以及卡爾曼濾波模型（Time-varying parameter models with Kalman filter）進行實證分析發現在協整關系的基礎上成對交易的分鐘高頻數據模型表現要優于以日收盤價為研究對象的模型，但作者最終僅給出了較優的時變系數估計模型—卡爾曼濾波模型的實證結果。
楊懷東，潘珺（2012）將協整模型和卡爾曼率波模型組合作為新的統計套利策略，實證表明該策略優于其中任何單一模型的套利策略結果且具有收益率波動更小、更穩定的特點，能夠較好的免疫市場風險。
5.基于神經網絡的模型研究
Nikos S.Thomaidis，Nick Kondakis and George D.Dounias（2006）將神經網絡算法（Neural network algorithm）和金融計量模型結合設計了智能統計套利模型算法，有效地解決了配對股票之間錯誤定價的動態相關性問題，最后使用累計凈收益率和平均盈利衡量了該交易系統的表現。崔建福、李興緒（2004），陶慶梅（2005），張虹（2007）將人工神經網絡和GARCH模型相結合（NN-GARCH模型）對股票及股指價格進行預測，發現該模型與其它傳統線性模型相比可獲得更加精確的預測結果。
6.基于貝葉斯方法的研究
K.TrianktafyllopoulosG.Montana（2009）基于貝葉斯方法和時變狀態空間模型建立了貝葉斯時變自回歸模型（基于遺忘和折現因子的遞歸算法）并動態模擬了價差的均值回復過程，實證結果表明該策略能有效地監測均值回復的變化過程。
唐琳（2010）對具體的模型找出似然函數后使用貝葉斯方法算出對應參數的后驗分布密度形式，根據蒙特卡洛-馬爾科夫（MCMC）原理計算參數和隱含變量后驗分布，通過模型對比發現該策略的隨機波動模型比GARCH族模型能更好地描述金融數據的特性且擬合程度相對較好。
7.基于遺傳算法的研究
Philip Saks and Dietmar Maringer（2008）使用遺傳編程算法設計了統計套利交易策略，考慮了傳統的單樹結構和雙樹結構兩種不同形式的交易規則，發現這兩種方法都可以發現統計套利機會，但若想在實際市場中產生正的回報，還需做進一步的實證研究。
Janice How，Martin Ling，Peter Verhoeven（2010）給出了遺傳編程算法（GP）的理論框架并進行了實證研究，認為大多數情況下該策略優于買入—賣出持有策略，且樣本內外的數據模擬都取得了正的收益，并對該策略的進一步研究提出了建議。
來升強（2009）提出了基于3類不同動機的交易策略：①基于遺傳算法的交易策略。將技術分析指標重新整合，利用遺傳算法的強大求解能力，提出了進化交易策略，并對指標的效率進行了實證分析。②基于協整關系的交易策略。發現協整關系過濾得到的配對資產的表現更為突出，在分析過程中還發現微觀交易策略的獲利主要是來自于價格波動，特別是劇烈的價格波動。③基于卡爾曼濾波的微觀交易模型。通過相對風險的概念將配對交易模型納入了無套利定價理論的框架下。在組合構建方面，按照狀態空間模型所估計的參數顯著性來篩選配對資產。在估計方法上，采用了滑動估計，逐日推進的方式，以求得到盡可能接近詳細的收益率分布狀況，有效地避免了數據選擇問題。最后，作者從市場收益率構成的角度重新考量了微觀交易策略的本質，構建了一個基本的數量分析模型，并利用前文微觀交易策略得到的收益率和市場收益率進行了實證研究。
8.基于主成分分析方法的研究
Marco Avellaneda and Jeong-Hyun Lee（2008）運用主成分分析方法和部分ETFs研究模型驅動型統計套利策略，對這兩種方法進行回溯測試及比較，發現在考慮交易成本的情況下，基于主成分分析的統計套利策略獲得的年化夏普比率要高于同期基于ETFs的統計套利策略。
9.基于Copula模型的研究
Cathy Ning（2010）利用Copula方法研究了外匯市場和股票市場間的相關結構，選擇可以較好刻畫具有尖峰、肥尾、偏斜、波動聚集、時變波動性等特征的ARCH類或SV類模型描述變量的條件邊緣分布取得了較好的效果。Copula模型和ARCH、SV類模型有機結合的相關性研究將Copula方法應用帶入到了一個嶄新的階段。
張戈（2011）首次使用Coupla函數對期貨的高頻交易數據進行套利研究，刻畫了金融資產間的非線性相關性，并用期望的成功概率作為門限構造交易信號最終建立了基于Coupla函數的程序化交易策略。實證結果表明，采用上述方法可獲得較高的收益并且模型具有較強的穩定性和實施操作性。
李璁（2011）將Copula和SV-t（SV，隨機波動模型；t分布）模型相結合建立Copula-SV-t模型進行研究對滬深300股指期貨進行期現套利研究發現利用Copula混合套利函數可以獲得較好的投資收益。但是文章并沒有考慮套利成本對套利結果的影響。
10.基于其他模型的研究
（1）Andrew Pole（2007）在其著作中追溯了統計套利策略的起源—配對交易（pairs trading）的基本原理并闡述了其主要特性；在假設模型有效性的前提下，論述了包括自回歸協整關系模型、動態線性模型、波動性模型等在內的復雜動態因子時間序列模型，介紹了爆米花理論、反轉理論、突變理論等，并對統計套利陷入困境、復興的原因進行了理性分析。
（2）Brian Jacobsen（2008）基于日內高頻交易數據的協整關系將誤差修正模型應用到統計策略，交易方法簡單而且取得了不錯的投資收益，便于一般投資者實施套利。
（3）Robert Jarrow，Melvyn Teo，Yiu Kuen Tse，Mitch Warachka（2011）發現在控制了市場摩擦和檢測了統計套利的收斂速度后，采用動量和價值策略能夠獲得最理想的交易機會。
（4）李棟、嚴高劍（2010）構建了短期均值回歸模型、短期交易活性模型和分析師盈利預測模型對統計套利策略在我國A股市場的應用進行了探討。三個模型是基于相同的基本原理但交易對象的選擇思路不同：均值回歸模型—做多近期表現弱的股票同時做空近期表現強的股票；短期交易活性模型—做多近期換手率低的股票同時做空近期選手率高的股票；分析師盈利預測模型—做多分析師調高盈利預測的股票同時做空分析師調低盈利預測的股票。實證結果表明以上統計套利策略都可以獲得持續穩定的收益，但是該文并未對這三種模型進行績效評價。
（5）張連華，朱平芳，韓清，杜才鳴（2011）使用在線支持向量回歸的快速算法改變了傳統的基于協整的統計套利，減少了虧損的交易次數，增加了收益。
（6）柳慰穎，陳以增，毛亞莉（2012）采用基于協整的跨期套利EWMA模型對期貨合約進行了實證研究，將歷史和最新數據聯系起來并賦予最新數據最大的權重來保證模型的時效性，結果證明該模型套利成功且能獲取較高的實際收益。
三、國內外文獻總結
綜上所述，我們可以發現國內外學者對統計套利的研究成果比較豐富（以上述相同或類似模型為基礎進行討論的許多其他文章本文沒有列出），刻畫價差序列的模型逐漸多樣化且精確化。其中對以高頻數據為基礎的期貨市場統計套利研究逐漸增多，而且以多種模型組合研究為發展趨勢。研究中的不足之處：首先，國內并不是十分重視對交易績效的評價，使用的評價方法也相對缺乏嚴謹性，傳統簡單指標之間往往缺乏可比性；其次，眾多研究方法多都停留在理論階段，缺乏向現實自動化在線交易轉化的過程研究，所以將各模型應用到實際投資中還需進一步的探討。
參考文獻
[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]來升強.高頻數據交易策略與波動性分析[D].廈門大學博士學位論文，2009.
短期交易策略范文6
當系統性風險來臨的時候，市場的交易機會將遠遠小于風險，本周的下跌再次詮釋了研判大勢和系統性趨勢的重要性。其實很多投資者都明白研究大盤的重要性，但當市場出現層出不窮的個股機會時，往往又將大盤的走勢放之腦后，于是“重個股輕大盤”的思路占據主流，不停的在市場中交易。筆者不否認你的一些交易會來盈利，但筆者請你自己捫心自問下：7月25日之前的交易成果能否鎖定？8月2日前的交易成果能否鎖定？本周五大跌前的交易成果能否鎖定？如果不能的話，你必然會重復前三次交易的利潤往往在第四次被徹底回吐的規律，這就是投資者對系統性風險把控不夠而導致的。也正因為如此，筆者在經歷無數次的交易之后，逐漸形成了“在系統性風險可控的前提下，把握確定性中的高概率機會”的投資理念。
當下跌趨勢形成時，你無法進行完美的交易，或者你無法獲得你預期的收益。如果遵循右則交易，將會陷入追高就被套的尷尬境地；如果你遵循左側交易，將會落入越抄底越被套、地下還有地下室的俗套。所以，我們唯有敬畏市場，尊重趨勢，順勢而為?；氐疆斍笆袌觯覀儽仨毲逍训恼J識到以下幾個問題：
其一，本周暴跌直接影響因素當屬股市變動，歐債和美債都成為問題。美債提高上限，美聯儲認購還是其他國家認購？如果美聯儲認購則美元確定再度貶值，美元貶值必然又會帶來輸入型通脹；如果其他國家認購，中國是否繼續增持？如果中國繼續增持，對內必然繼續貶值，通脹能壓下來嗎？
其二，即使七月的CPI數據沒有此前預期的高，但絕對不會比六月的低太多，且PMI數據的下滑似乎能解釋上市公司業績可能繼續下滑的趨勢；如果七月的CPI高于六月呢？是不是也反映通脹壓力大增？
其三，無論是發債還是IPO、增發等，融資好像是無底洞、各企業樂此不疲，此外，據某媒體統計，7月份辭職的上市公司高管多達87名，意欲為套現做準備。而且，地方政府債務高筑，地方國資委套現的呼聲此起彼伏，可見到處都缺錢，股市難道不缺錢？
可見，第二輪金融風暴可能再度襲來，全球經濟放緩成為大概率事件，打擊所有貨幣，美元可能是所有弱勢貨幣中最具吸引力的貨幣，讓美元回流美國，這可能是美國的貨幣戰略方向。中國經濟由高通脹高增長向高通脹低增長轉變這將成為必然趨勢，這就是我們所處的系統性風險環境，這就是做空的動力，股市重心仍將繼續下移，所以，每次反彈之后，都將引發一波頗具殺傷力的下跌。
