有效的市場假設（EMH）指出金融市場是“信息化的效率”，因為交易資產的價格在任何特定時間內反映了所有已知信息。但如果這是真的，那麼為什麼價格在日常工作中的價格不等，儘管沒有新的基本信息？答案涉及一個方面，在個人交易商之間通常被遺忘：流動性。

全天許多大型機構交易與信息和流動性有關的任何關係。感到過度曝光的投資者將積極地對沖或清算職位，這將最終影響價格。這些流動性要求往往願意支付價格退出其職位，這可能導致流動資金提供者的利潤。這種利潤信息的能力似乎與高效的市場假設相矛盾，但構成了統計套刑的基礎。

統計套利旨在利用根據統計模型所產生的資產的預期價值，利用價格和流動性之間的基本關係資本。

什麼是統計套利？

統計套利，或“統計階級”起源於20世紀80年代，超出了MorganStanley股票交易台運營所產生的對沖需求。摩根士丹利能夠避免通過購買股票而不是密切相關的股票作為對沖抵御其大職位的對沖的價格處罰。

例如，如果交易台在可口可樂中購買了大量股票，那麼它將在短期內縮寫百事可歸的百事可歸，例如百事可歸到市場上的任何重大衰退。這有效地消除了一些市場風險，而該公司試圖將其購買股票交易所購買的股票。

貿易商很快就開始考慮這些“對”而不是作為孤立的塊被執行及其對沖，而是作為同一交易策略的雙方，這裡可以製造利潤而不是簡單地作為對沖工具。這些對交易最終進化成了旨在利用由於流動性，波動，風險或其他基本或技術因素的安全價格統計差異的幾種更複雜的策略。我們現在將這些策略分類為統計套利。

統計仲裁類型

創建了許多類型的統計仲裁，以利用幾種不同類型的機會。雖然某些類型的競技市場已經逐步淘汰，但是有幾個其他機會才能取得他們的位置。這只是初級統計策略中的一些。

風險仲裁

風險仲裁是一種統計套利的形式，旨在從合併情況下獲利。投資者在目標中購買股票（如果是股票交易）同時縮短收購方的庫存。結果是從買斷價格和市場價格之間的差異實現的利潤。

與傳統統計套利不同，風險套利涉及承擔一些風險。最大的風險是，合併將落後，目標的股票將降至其預先摻雜水平。另一個風險涉及投資的資金的時間價值。需要很長時間才能經歷的並可進食投資者的年度回報。

風險仲裁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買斷優惠之間的價格差異進行比較。一些風險套利者已經開始推測收購目標，這可能導致具有同樣更大的風險的基本更大的利潤。

揮發性仲裁

波動性套利是一種流行的統計套件，專注於利用選項的隱含波動性和預測在三角體投資組合中的未來實現波動之間的差異。基本上，波動率套利家正在藉鑑潛在的安全性的波動，而不是對安全性的價格進行定向賭注。

該策略的關鍵是準確地預測未來波動率，這可以出於各種原因流失，包括：

• 專利糾紛
• 臨床試驗結果
• 不確定收益
• m＆a炒作

一旦波動率Arbitrigryur估計未來的實現波動率，他們就可以開始尋找隱含波動性明顯低於或高於潛在安全性的預測實現波動的選項。如果隱含的波動率較低，則交易者可以使用潛在的安全性購買選項和對沖，以製作三角洲中性組合。同樣，如果隱含的波動率較高，交易者可以將選項和對沖以潛在的安全性銷售，以製作三角洲中立組合。

當潛在的安全性的實現波動性更接近他們的預測時，交易者將實現貿易的利潤，而不是市場預測（或隱含波動）。通過持續重新羈絆，從貿易中實現貿易，以防止投資組合Δ中立。

神經網絡

由於能夠找到對人眼看似不可見的複雜數學關係，神經網絡在統計仲裁競技場中越來越受歡迎。這些網絡是基於生物神經網絡的數學或計算模型。它們由一組互連的人工神經元組成，該互連的人工神經元使用連接師方法來計算信息-這意味著它們根據在學習階段期間基於流過網絡的外部或內部信息來改變它們的結構。

基本上，神經網絡是非線性統計數據模型，用於建模輸入和輸出之間的複雜關係，以查找數據中的模式。顯然，可以利用證券價格變動中的任何模式進行利潤。

高頻交易

高頻交易（HFT）是一個相對較新的發展，旨在利用計算機快速執行交易的能力。在貿易部門的支出多年來一直在顯著增長，因此有許多能夠每秒執行數千筆交易的程序。現在，由於競爭，大多數統計套利機會受到限制的限制，迅速執行交易的能力是擴展利潤的唯一方法。

越來越複雜的神經網絡和統計模型與能夠縮寫的計算機和執行交易的計算機相結合，是Arbitrigrages未來利潤的關鍵。

統計仲裁如何影響市場

統計套利在提供市場的大部分日常流動性方面發揮了至關重要的作用。最初，它有助於使大型塊交易員能夠在沒有大量影響市場價格的情況下放置交易，同時還通過與母體股票更密切地與美國存放收據（ADRS）等問題降低波動性。

實際上，統計arb策略，因為它們變得更廣泛使用和自動化，傾向於將市場推向更高的效率。由於資產之間的套利機會出現，它們通過使用這些策略很快消除。結果，統計架可以導致更液體更穩定的市場。

但是，統計套利逐漸得到造成一些重大問題。長期資本管理（LTCM）在1998年崩潰幾乎將市場遺址遺址。為了從如此小的價格偏差中獲利，有必要採取大量槓桿作用。

此外，由於這些交易是自動化的，因此有內置的安全措施。在LTCM的情況下，這意味著它會在向下移動時清算;問題是，LTCM的清算訂單只會在一個可怕的循環中引發更多賣出訂單，最終將以政府乾預結束。

請記住，大多數股市崩潰來自流動性和槓桿的問題-統計仲裁員運作的競技場。STATARB算法也被歸咎於市場已經開始在過去十年中經歷的“閃存崩潰”。閃存崩潰是電子證券市場中的事件，其中證券快速拋售導致負面反饋迴路，這可能導致幾分鐘內落下的戲劇性價格。

底線

儘管自20世紀90年代以來，儘管在自20世紀90年代以來，儘管人們普及略有下降，但統計套利是最具影響力的交易策略之一。如今，大多數統計套件是通過使用神經網絡和統計模型的組合來通過高頻交易進行的。這些策略不僅提供流動性，而且它們在過去的一些最大的崩潰中也一直負責我們在LTCM等公司中看到的一些最大的崩潰。只要流動資金和槓桿問題所在，這可能會繼續使戰略成為普通投資者甚至值得認識的戰略。