统计套利是一种可以脱离市场走势获得稳定收益的成对交易策略,不仅在对冲基金中应用普遍,在具有做空机制的市场中,例如基金、股指期货等市场中亦有较为广泛的应用。随着股指期货的推出,我国大规模推行做空机制已是大势所趋,因此对我国的金融数据进行基于做空机制的统计套利策略研究具有很强的现实意义。统计套利策略是基于成对交易组合的投资策略,首先要选择价格走势一致性较高的成对交易组合,买入价格相对低估证券的同时卖空价格相对高估的证券,在两者价格回归至正常水平时进行相反操作以获得两者的价差收益。该策略的实现有两个重点：一是选择合适的股票对,二是确定合适的买入卖出的交易时间点,即交易信号。在以往的研究中,交易组合的选取方法相对简单。第一种做法为目测法,即简单的目测股价走势图,选择股价相近的为交易组合；第二种做法是根据交易组合的股价序列,计算两者的价差平方和,选取价差平方和最小的一对为交易组合；第三种做法是根据交易组合的股价序列,计算相关系数矩阵,确立相关性最大的为交易组合；。笔者认为这些确定交易组合的方法都过于表面化,只注重交易组合外在表现,即股价的关联性,而并没有就支撑股价的因素进行分析讨论,本文以此为突破点,对影响股价的因素进行分析、归类,以期能得到不同股票表现的影响因素,并选取具有相似影响因素的股票对作为交易组合。来自于不同行业的股票的价格表现的影响因素不尽相同,而限于篇幅,对各个行业分别进行讨论又略显多余,本文选择了具有代表性也是最具有可操作性的银行类股票。首先利用逐步回归的方法得出了银行股价的显著影响因素,再从中选取具有相似影响因素的银行股票作为统计套利的交易组合,而没有相似影响因素但走势相同的另两支股票作为对比组合,以期得到利用逐步回归所进行的多因素分析能显著提高交易组合的收益率的结论。本文选取了工商银行、建设银行、交通银行和招商银行的股票进行分析,结果显示四支银行股票的走势均相似,其中建设银行和交通银行的相关性系数最大,逐步回归的结果亦显示建设银行和交通银行的股价具有相似的影响因素,可以进行统计套利,而工商银行和招商银行股票作为对比组合。交易信号的确定方面,一种方法是简单股价标准差方法,这种方法认为股价的标准差是不变的,只要交易组合的价格差异达到某一特定程度,就可以交易,这种方法简单,易于操作,有时也可以获得较高的收益率,但是收益波动率很大；另有大量的文献把股价标准差看做是随着时间而变动的,并以此为出发点构造交易信号实施套利,这一方法的基本程序是先构架统计套利交易组合的价差序列,这一价差序列往往服从AR(1)模型,对此AR(1)模型的残差运用时间序列模型来拟合,如假设价差序列服从O-U过程等。由于GARCH模型在处理金融时间序列数据时可以充分挖掘残差的可解释部分,本文利用GARCH模型的这一优点,采用GARCH模型处理交易组合的价差序列,以期得到较为精确的交易信号。实证结果显示利用GARCH模型处理价差序列的方法能使统计套利策略获得更高更稳定的收益。本文首先从基本面相关的同一行业中选取了四支股票,分别进行逐步回归,利用逐步回归分别确定支撑该四支股价的因素,选取出具有相似影响因素的两支组成交易组合,而剩下的两支股票作为对比组合,然后利用协整性检验和误差修正模型确定交易组合的长期稳定性关系,并利用这一稳定性关系的系数作为比例构建投资组合。利用GARCH模型拟合这一投资组合的残差序列以构建时变标准差序列,再利用这一时变标准差序列来构建交易信号和止损信号。实证结果显示股价具有相似支撑因素的股票对能获得更高更稳定的收益,而不具有相似支撑因素的股票对仅有两次有效的统计套利机会,说明利用逐步回归能显著提高统计套利成功的效率。