基于強化學習算法的自適應配對交易模型

作者：胡文偉,胡建強,李湛,周劍峰

摘要：配對交易是統計套利中最主要的交易策略，但隨著市場有效性的逐漸提高，該策略的獲利機會正變得越來越有限，傳統的固定參數交易模型已難以保證配對交易一直獲得最大利潤，交易模型的參數不僅需要優化，而且還需要動態地、自動地調整優化值，因此有必要研究開發具有人工智能屬性的參數動態優化交易模型，這對于提升交易模型的盈利能力和執行效率具有重要意義。自適應配對交易模型是對傳統的協整配對交易策略進行改進，推出一種基于強化學習模式的新型統計套利交易模型；將Sarsa強化學習算法和8-greedy策略與新模型相結合，把模型參數的確定方法由傳統的主觀經驗法和固定參數法改進為自適應模式的動態參數優化法；編制的計算機程序仿真實現了基于新模型的套利交易全過程，涵蓋模型參數的動態優化、套利交易的模擬操作以及交易績效的測量評估；以中國債市交易量最大的5種債券為樣本，構建4組配對組合，采用Johansen協整檢驗法、T檢驗和Robust穩健性檢驗等方法對交易模型和測試結果進行實證分析。研究結果表明，新模型的運行效果全面優于傳統模型。新模型顯著提升了交易系統的獲利能力，收益率和索提諾比率大幅提高；同時降低了投資風險，最大回撤出現明顯下降；還提高了套利交易的執行效率，交易次數明顯減少，套利成本下降；具有持續學習的能力，能促進累計收益率不斷上升并最后收斂于最大值。研究結果還表明，協整配對交易在中國債券市場同樣具有有效性，能夠獲得顯著正收益。將強化學習思想與協整配對交易策略相結合，設計開發出一種新型配對交易模型，實現了模型參數的自適應動態調整。這種改進型交易模型有助于應對傳統配對交易策略獲利能力的下降，進一步提高配對交易策略的效?

發文機構：上海工程技術大學管理學院 復旦大學管理學院 上海社會科學院應用經濟研究所 國泰君安證券公司固定收益部

關鍵詞：協整配對交易Sarsa強化學習算法自適應動態參數優化仿真統計套利cointegration pairs tradingSarsa reinforcement learning algorithmself-adaptiondynamic parametersoptimizationsimulationstatistical arbitrage

分類號： F830.9[經濟管理—金融學]