第三章 研究方法
第五節 結構性改變與共整合動態校準
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
運用共整合關係與 DF 檢定確定了判斷模型可否建構的依據，即為殘差𝑒𝑡是否為 定態序列。
第五節 結構性改變與共整合動態校準
本章節會先介紹傳統使用的兩個模型建構方法的優點與缺點，接著會結合此 二方法的優點嘗試新的模型建構方法。傳統的統計套利通常對資料做一次切割，
將樣本區分為樣本內與樣本外資料，並在樣本內建立迴歸方程式，藉以算出𝛽̂1(對 沖比率)與共整合結果，而進行統計套利，如下圖 4:
圖 4:共整合狀態崩解圖
若我們取樣本內為 2016/10 以前(紅線左邊)，則很有可能這段時間兩個時間 序列呈現共整合關係，且其對沖比率約會在 1(兩個資產價格糾纏在一起)上下，
但如果我們把這個結果直接應用在樣本外會發現完全不符合實際情況。這種方法
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
隱含的假設是市場不會發生結構性改變，兩資產的關係在未來會不斷重演。這個 假設的好處在於兩資產的關係沒有被打破，那它們的價格關係將永遠不會改變，
也就是我們所設計的量化模型會永遠有效果，但是很明顯如上圖來看，絕大多數 資產的共整合關係都會發生結構性改變，使得這種建模方式在統計套利上來說太 過於僵硬，沒辦法隨著市場結構性的改變去做應對。
另一種常用的方法為純粹移動窗格的方式，也就是每過一段時間，自動重 新建構量化模型，如下圖 5:
圖 5:移動窗格建模示意圖
這種方法改善了將樣本分為內與外的僵硬方式，進而做到了靈活的效果，但同時，
這種方式也存在一個問題，那就是我們要如何決定我們的時間間隔參數?時間本 身對於在盤中的交易行為本身並不具任何意義，舉個比方，假設我們的時間參數 是一小時，也就是說我們每過一小時會重製我們的量化模型，但是市場的結構性 改變並不會如你所願剛好每次都在一小時那刻發生，它有可能在三十分發生，又 或是甚至二十分，更甚至五分…在這種固定時間重製模型的方式，基本上就是假 設市場會在固定時間有結構性改變，但從歷史的角度來看，這項假設並不合理。
我們改善了上述兩種方式的缺點並保留其優點，運用的方式為以共整合持續 的關係作為整個模型的存亡依據，也就是說我們模型會先以目前的時間點往回蒐
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Status6：同上。
Status7：取 N 個單位的資料確認是否具有共整合關係，共整合檢定通過，建製 量化模型。
圖 6:共整合動態校準示意圖
至此，我們依據動態校準與共整合關係確定了模型能否使用的準則。