基于比特币价差的统计套利策略

写了好几天的比特币行业的事情，想必只想挣钱的老哥们已经有点想看新轮子了。今天讲策略。

套利策略是量化交易中的常见策略，因其稳定、不受价格高低影响而备受量化交易者喜爱。特别是在数字资产市场，因其无涨跌幅度和24小时不间断交易的特性，各个交易平台经常会出现较大差价，非常适合程序化交易。传统套利是非常简单，相对风险很小的策略，下面分享一个有一定风险但是相对传统套利收益高一些的统计套利策略。

统计套利的基本思路是运用统计分析工具对一组相关联的价格之间的关系的历史数据进行研究分析，研究该关系在历史上的稳定性，并估计其概率分布，确定该分布中的极端区域，即否定域，当真实市场上的价格关系进入否定域时，则认为该种价格关系不可长久维持，套利者有较高成功概率进场套利。– mbalib
注意：统计套利是只针对有稳定性的价格关系进行的，那些没有稳定性的价格关系的套利风险是很大的。价格关系是否稳定直接决定着统计套利能否成立，因此在对价格关系的历史数据进行统计分析的时候，首先要检验价格关系在历史数据中是否稳定。一组价格关系如果是稳定的，那么必定是存在着某一种均衡关系维持机制，一旦价格关系偏离均衡水平，维持机制就会起作用，将价格关系或快或慢地拉回到均衡水平。所以，要分析一组价格关系是否稳定，需要先定性分析是否存在着这样的均衡关系维持机制，然后再对历史数据进行统计分析进行验证，以证实该通过定性分析得到的关系维持机制在历史上确实是在发挥作用。– mbalib

注意，统计套利是一种有风险的策略，跟我们通常理解的“无风险套利”是有区别的。

本文分析火币网现货人民币比特币价格和OKCoin现货人民币比特币价格之间的差值，分析该差值是不是维持一个稳定的均衡关系（即随机过程中提到稳态过程），然后得出了该差值是一个稳态过程的结论。在该结论的基础上，本文设计了一个对该差值进行统计套利的系统原型，并分析了该系统的源码实现，对想做比特币价差套利的朋友有一定的借鉴意义。

我们对火币的买一价格和okcoin的卖一价格进行协整分析，画出来的曲线如下：

我们对价差（火币买一减去okcoin卖一价格之差）进行统计，画出来如下曲线：

我们对价差（火币买一减去okcoin卖一价格之差）进行ADF检查，结果如下：

协整p值为非常小的数字，因此我们可以判定这两者之间有非常好的协整关系，统计套利策略可以用在这个价差上。具体思路是：当价差为正（且偏离平均值达到一定的幅度）的情况下，我们可以从okcoin上买比特币（价格为okcoin卖一价格），然后从火币上卖去同等数量的比特币（价格为火币买一价格）;当价差收缩到接近于零时，我们对刚才的操作进行反向平仓操作。

那么，如果该价差（火币买一减去okcoin卖一价格之差）为负数(且偏离平均值达到一定的幅度）的情况下，意味着火币的价格比okcoin低，这个时候，我们需要对火币的卖一价格和okcoin的买一价格进行协整分析，画出来的曲线如下：

我们对价差（okcoin买一减去火币卖一价格之差）进行统计，画出来如下曲线：

ADF检查的结果如下：

这个协整p值仍然为非常小的数字，因此我们可以判定这两者之间也有非常好的协整关系，统计套利策略也可以用在这个价差上。尤其是当价差为正（且偏离平均值达到一定的幅度）的情况下，我们可以从火币上买比特币（价格为火币卖一价格），然后从okcoin上卖去同等数量的比特币（价格为okcoin买一价格）;当价差收缩到接近于零时，我们对刚才的操作进行反向平仓操作。

由此，一个双向价差套利模型就出来了。

请参考WeQuant开源项目。（https://github.com/wequant-org/liveStrategyEngine）

（1）计算出现货平台的比特币总市值+期货平台的比特币保证金市值

注意，需要计入所有现货平台的比特币总市值，比如你在火币和okcoin上做搬砖，那就需要算出你在两个现货平台所持有的比特币总市值（按法币计算，比如人民币）

（2）选择期货平台的杠杆倍数，比如5倍

（3）对冲的结果必须是：期货平台的空头头寸（用法币计算） = 期货平台的保证金市值 * 开仓比例 * 杠杆倍数 = 现货平台的比特币总市值+期货平台的比特币保证金市值

以上就是统计套利的基本思路，不过仍然还是要强调任何投资都有风险，请一定要量力而行，多用科学的方法，控制风险。