基于强化学习算法的自适应配对交易模型

摘要：

配对交易是统计套利中最主要的交易策略,但随着市场有效性的逐渐提高,该策略的获利机会正变得越来越有限,传统的固定参数交易模型已难以保证配对交易一直获得最大利润,交易模型的参数不仅需要优化,而且还需要动态地、自动地调整优化值,因此有必要研究开发具有人工智能属性的参数动态优化交易模型,这对于提升交易模型的盈利能力和执行效率具有重要意义.自适应配对交易模型是对传统的协整配对交易策略进行改进,推出一种基于强化学习模式的新型统计套利交易模型;将Sarsa强化学习算法和ε-greedy策略与新模型相结合,把模型参数的确定方法由传统的主观经验法和固定参数法改进为自适应模式的动态参数优化法;编制的计算机程序仿真实现了基于新模型的套利交易全过程,涵盖模型参数的动态优化、套利交易的模拟操作以及交易绩效的测量评估;以中国债市交易量最大的5种债券为样本,构建4组配对组合,采用Johansen协整检验法、T检验和Robust稳健性检验等方法对交易模型和测试结果进行实证分析.研究结果表明,新模型的运行效果全面优于传统模型.新模型显著提升了交易系统的获利能力,收益率和索提诺比率大幅提高;同时降低了投资风险,最大回撤出现明显下降;还提高了套利交易的执行效率,交易次数明显减少,套利成本下降;具有持续学习的能力,能促进累计收益率不断上升并最后收敛于最大值.研究结果还表明,协整配对交易在中国债券市场同样具有有效性,能够获得显著正收益.将强化学习思想与协整配对交易策略相结合,设计开发出一种新型配对交易模型,实现了模型参数的自适应动态调整.这种改进型交易模型有助于应对传统配对交易策略获利能力的下降,进一步提高配对交易策略的效率和绩效.在中国融资融券和股指期货等做空机制开闸的市场环境下,新模型可为投资者提供一种有效的套利手段和风控工具.

关键词：协整配对交易、Sarsa强化学习算法、自适应、动态参数、优化、仿真、统计套利

所属期刊栏目：30

分类号：F830.9(金融、银行)

资助基金：国家自然科学基金71571048 Supported by the National Natural Science Foundation of China71571048

在线出版日期：2017-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：148-160