量化专题报告：国债期货和国债ETF的统计套利策略（下篇）

统计套利策略研究

本文延续上篇，围绕国债期货与国债ETF的统计套利策略展开研究，重点改进异常捕捉与策略执行环节。通过小波变换、数据驱动的新息波动率预测（DDIVF）和隐马尔可夫模型（HMM）等方法，构建更适应市场变化的套利策略，并在两只30年期国债ETF（511130.SH和511090.SH）上进行回测验证。

异常捕捉与策略改进

1. 小波变换：将新息序列𝐀𝐀分解为低频和高频部分，聚焦短期均值回复机会，提升信号质量。
2. DDIVF：替代传统标准差估计新息波动率，增强模型对非正态分布的适应性。
3. HMM市场状态识别：识别市场状态（平稳或动荡），并根据不同状态设定差异化阈值，提升策略稳健性。

回测设置

• 数据：511130.SH和511090.SH上市至2025/10/31的数据，30分钟频率K线数据。
• 合约：TL主力合约。
• 资金分配：90%用于国债ETF，10%用于国债期货保证金。
• 交易成本：ETF滑点3跳，手续费万0.85；TL滑点1跳，手续费3元/手。

回测表现

• 511130.SH：
  • 费后年化收益率2.28%，夏普比率1.98，最大回撤-0.64%。
  • 2024年8月和2025年7月策略空仓，验证信号筛选有效性。
  • 交易成本显著影响策略表现，滑点支出甚至超过总盈利。
• 511090.SH：
  • 费后年化收益率3.68%，夏普比率2.53，最大回撤-0.81%。
  • 2024年贡献较多收益，2025年下半年波动减小。
  • 不同交易成本设置下策略表现差异明显。

研究结论

• 改进后的策略在两只ETF上均表现优异，验证了方法的有效性和适用性。
• 交易成本对策略净收益影响显著，需重点关注流动性管理与交易成本控制。
• 通过流动性因子、卡尔曼滤波、小波变换、DDIVF与HMM的结合，构建了适应性强的统计套利策略，为国债期货与ETF之间的精细化套利提供了可行路径。