[发明专利]基于线性中位数回归的大宗商品期货套利方法、系统和存储介质

说明书

本发明提供一种基于线性中位数回归的大宗商品期货套利方法，包括以下步骤：获取多个大宗商品期货主力合约每天收盘价格数据；筛选出pearson相关系数高于设定阈值的品种对；对筛选出的高度相关的品种对的日收盘价格序列的n阶差分序列分别进行平稳性检验；对满足高相关性和n阶差分序列通过平稳性检验的品种对（A和B）的日收盘价格序列构建线性中位数回归模型，获取模型的回归系数ceof和模型的残差；对残差进行平稳性检验，若残差通过平稳性检验；将线性中位数回归模型的回归系数coef作为品种对的套利对冲系数；根据品种对的日收盘价格序列和回归系数coef计算价差d=A‑coef*B；根据价差d的分布制定套利交易策略。

技术领域

本发明涉及一种套利方法，具体涉及一种大宗商品期货统计套利方法。

背景技术

大宗商品：是指可进入流通领域，但非零售环节，具有商品属性并用于工农业生产与消费使用的大批量买卖的物质商品。在金融投资市场，大宗商品指同质化、可交易、被广泛作为工业基础原材料的商品，如原油、有色金属、钢铁、农产品、铁矿石、煤炭等。包括3个类别，即能源商品、基础原材料和农副产品。其特点主要表现在，一是价格波动大。只有商品的价格波动较大，有意回避价格风险的交易者才需要利用远期价格先把价格确定下来。比如，有些商品实行的是垄断价格或计划价格，价格基本不变，商品经营者就没有必要利用期货交易，来回避价格风险或锁定成本。二是供需量大。期货市场功能的发挥是以商品供需双方广泛参加交易为前提的，只有现货供需量大的商品才能在大范围进行充分竞争，形成权威价格。三是易于分级和标准化，期货合约事先规定了交割商品的质量标准，因此，期货品种必须是质量稳定的商品，否则，就难以进行标准化。四是易于储存、运输。商品期货一般都是远期交割的商品，这就要求这些商品易于储存，不易变质，便于运输，保证期货实物交割的顺利进行。

统计套利：统计套利就是指在不依赖于经济含义的情况下，运用数量手段构建资产组合，从而对市场风险度进行免疫，获取一个稳定的、无风险的超额收益。统计套利代表着投资机会：获取特定资产价格变化动态中的可以被预测部分，并且从统计意义上讲，该部分与市场整体变化或者其他一些市场风险因素无关。由于只基于特定资产相互的变动并不能被市场参与者所直接观察到，因此这种动态规律虽然存在，但并不容易被市场参与者直接观察到，因而这种套利机会被“套利掏空”的概率比较小。

pearson相关系数：又叫相关系数或线性相关系数。它是由两个变量的样本取值得到，它是一个描述线性相关强度的量，取值在-1和﹢1之间。当两个变量有很强的线性相关时，相关系数接近于1(正相关)或-1(负相关)，而当两个变量不那么线性相关时，相关系数就接近于0。

平稳性：一个时间序列，如果均值没有系统的变化(无趋势)、方差没有系统变化，且严格消除了周期性变化，就称之是平稳的。

中位数回归：传统的线性回归分析主要关注均值，即采用因变量条件均值的函数来描述自变量每一特定数值下的因变量均值，从而揭示自变量与因变量的关系，与传统线性回归不同的是，中位数回归是估计一组回归变量X与被解释变量Y的中位数之间线性关系的建模方法，强调条件中位数的变化，传统线性回归采用的是最小二乘法，而中位数回归是基于最小绝对值离差估计。

对于大宗商品期货而言，现有统计套利方法都是基于均值回归技术，也就是基于最小二乘法的统计套利。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种基于线性中位数回归的大宗商品期货套利方法，计算得到的套利对冲系数更加稳健可靠，使得在交易过程中的风险大大降低。

本发明的实施例提供一种基于线性中位数回归的大宗商品期货套利方法，包括以下步骤：

S1，获取多个大宗商品期货主力合约每天收盘价格数据；

S2，计算各个大宗商品期货每天收盘价格的pearson相关系数，并从中筛选出pearson相关系数高于设定阈值的品种对；