周末，一场CTA到底是不是危机阿尔法的大辩论，把各个量化管理人、各个量化资管号裹挟其中，算是蛰伏了很久的量化行业一个罕见的热点。
关注度从来不是空穴来风。今年这个行情让只买了股票多头的投资者们只想做鸵鸟，但稍有市场敏锐度的投顾老师们其实早在今年年初就开始给客户算过卦——股弱债强买固收，震荡行情干中性，危机事件CTA。
这里我们暂时对CTA按下不表。其实不论是固收策略、中性产品还是CTA，本质都是寻找一些低波动的稳健配置，而从长周期来看，还有一类策略产品同样展现出了类似甚至更优的结果——套利策略。
“套利”这个词无论你是否做投资，都会非常熟悉。古有苏浙徽商运茶入川高价出售，西域商人贩卖胡椒香料价若珍宝；今有金融掮客跨国买卖套取汇差，贸易巨鳄全球运油牟取价差。虽然古老但生生不息，几乎是刻在了人类做生意的基因里。
知乎上一则关于套利的问答
具体到投资中的套利，简单来说指的是通过在不同的时间、地点、品种等维度上投资从而获取利差、价差或汇差的一种方式。而随着金融市场的不断进化，各式各样套利方法的出现使得套利这个词，不再局限于一类产品而逐步内化成了更广泛的一种理念。
对于同时拥有数据和算力优势的量化机构而言，力求稳定的统计套利既是基本功，也是心头好——通过大量统计历史数据，得到某种大概率的趋势，然后从中获利：我知道价格终将趋同，错误定被纠正，只消下好单开好仓，等时间来我做朋友。
不过，套利的空间终究有限，不像成长的故事可以无限憧憬。在这个挤满了聪明人的赛场上，所有人都在没有尽头地比拼谁的速度更快、谁的想法更多。而当国内的套利策略或许还是个青春少年的时候，太平洋另一岸的对冲基金们则早已卷完了一个轮回。
01、恩怨纠葛的套利史
上世纪80年代，华尔街的知名投行摩根士丹利中曾出现一个神秘的APT小组（ Automated Proprietary Trading Group），即便是公司同事都不知道他们每天在忙点什么，只知道的他们确实在赚钱，而且赚了很多钱。这种景象恰似极难被破译的Enigma，局外没人知道原理究竟是什么，只能又好奇又嫉妒地称之为——“黑箱（Black Box）”。
多年后，随着初创人员陆续出走，这个APT小组的工作内容才逐渐被大众知悉——说到底就是四个字，统计套利。
1980年，努兹奥·塔塔里亚（Nunzio Tartaglia）在摩根士丹利组建了以物理学家、数学家、计算机教授等为核心的的APT小组。这么一个“奇怪”小组在当时的华尔街看来无疑是个怪胎，他们并不怎么研究公司基本面、管理层治理，每天就对着市场数据翻来覆去地做数学题。
1982年，组内的犹太天才盖里·班贝格（Gerry Bamberger）在经过大量的统计测算后偶然发现，无论是上升、下降还是横盘的行情中，他们总能找到两只拥有长期走势相似的证券组成的配对，因此只要押注两者之间的“价差”终将收敛趋同，便可实现获利，并且因为在交易过程中，一个做多一个做空的方式使得整体趋于中性，因此没有太大的下行风险。其实，正是这一特性使得套利策略日后备受“聪明钱”追捧。
彼时这个叫配对交易的策略运行的短短几年时间里，摩根士丹利赚的是盆满钵满。据估算，仅一年的创收便超过5000万美金，相当于同时期可口可乐一年销售额的两倍以上。
在名利双收后，友谊的小船是最容易翻的。高傲的盖里·班贝格与跟其老板努兹奥·塔塔里亚闹了点矛盾，前者说这是自己的天才创造，后者则说这是团队共同的智慧。盖里·班贝格想着为公司赚了这么多钱，没有升职还不让虚荣，遂愤而辞职。
英雄还得英雄惜。曾研究类似策略但开发受阻的“量化鼻祖”爱德华·索普趁机接触上了盖里·班贝格，不仅给钱做合资公司，还直接让班贝格做负责人，*的要求只是不要在办公室里抽烟。投桃报李的盖里·班贝格毕竟是掌握了 know-how 的人，他很快就细化了自己的研究，手操3000-6000万美金的基金，为爱德华·索普贡献了年化超过20%的业绩。
另一边送走核心员工的努兹奥·塔塔里亚也没闲着，摩根士丹利怎么还是名声在外的大机构，他转头就把数学家、未来德劭基金的创始人大卫·肖（David Shaw）招入麾下，继续巩固公司在统计套利领域的*地位。
当年那个略带实验性质的小团队核心成员们先后出走，或是自立门户，或是强强联合，反正散作了华尔街的满天星，统计套利策略也慢慢在各家对冲基金之间普及开来。
回到开头说的，统计套利看似美好，但玩家越多，赚钱的空间就消失得越快。策略普及的B面则是，当APT这个小组已经不再神秘，甚至自己人都慢慢变成了对手后，老牌*的地位终究会被动摇。1993年，29岁的Peter Muller临危受命重新组建了PDT（Process Driven Trading）小组，接棒APT继续为公司寻找“金蛋”。
Peter Muller 看着一脸理工男，其实造就了2018年*钱的对冲基金，Forbes
说到底，无论是子策略配对交易，还是母策略统计套利，核心都是统计模型。当涌入者越来越多时，市场越来越有效的时候，依靠价值发现赚取超额就只会越来越难。
21世纪初，随着协整检验技术逐步从研究报告进入业界，对冲基金套利的频率逐渐从中低频到高频，传统统计套利模型的业绩空间被挤占，开始出现下滑趋势，而到了金融危机前的06年，传统的统计套利策略在美国全面亏损。
至此，传统套利的美好年代也就结束了，对冲基金们进入了高频量价和smart beta时代。
02、套来的利是有限的
或许看到这里，有些读者还是很疑惑，套利套利，套的到底是什么利？套利又该怎样实现？说起来其实很简单，就是高抛低吸。
UCI教授威廉唐纳修对爱德华索普如是说，图源：Statistical Arbitrage
统计套利的基础是假定配对的资产会在长期呈现出相似的走势，因此短期出现价格价差会因为均衡修复而逐渐趋同，这才形成了套利空间，也就是说套利套的是价差的修复。
"时间维度上的价格扭曲，带来期现套利和跨期套利机会；空间维度上的价格扭曲，带来跨市场套利机会；物与物之间的价格扭曲，带来跨品种套利机会[7]。"
而无论是跨期套利、跨市场套利、还是跨品种套利，首要的都是要寻找到合适的资产/品种/公司，哪怕两者看似毫无关系，例如渣打银行和哈雷摩托。其次，针对寻找到的配对寻找底层的套利逻辑；然后根据不同的资产种类制定套利策略，并选择使用何种交易频率最终执行交易并跟踪。
如此一来，最终就得到了大家眼中的回撤低、波动小、收益稳的统计套利策略产品了。
不同的资产有着不同的*套利方式，但对于国内机构来说，受限于金融工具的限制，有部分策略只能存在于教科书中而无法上手使用。不过话说回来，工具的不完善又导致了市场的有效性不足，这才使得套利策略有施展的空间，正所谓鱼和熊掌不可兼得。
那么，风险中性、收益稳定的套利策略产品真的就是360度无死角的*产品吗？
既然是通过计算机来处理数据并执行交易的，模型风险也是一个逃不开的话题，2013年的光大乌龙指事件便是血证，始作俑者正是光大证券的统计套利系统。由于交易员发现在对180ETF套利下单的过程中，有24个个股申报不成功，程序员就指导其使用了一个没有经过实盘验证的“重下”功能，然后24个个股被写成了24组180ETF成分股，错误地生成了巨额订单，导致上证指数一分钟内涨超5%。
不过，更本质的问题就像所有产品最后一页上都会写的风险提示：历史数据仅代表过去，过去表现不代表将来表现。一旦碰上了价格偏差持续扩大抑或是市场逐步有效套利机会稀缺，一直玩的转的香饽饽就会瞬间被机构丢下转而追逐其他“珍馐”策略。
由此也可见，纵使策略历经岁月考验，到最后时间可能只会忘记这个朋友，使得策略最终失效，就更别妄想买进便可高枕无忧了。
03、套利策略在国内
世上套路千千万，唯有真诚得人心。在国内的投资机构江湖中，套利策略使用最多的还是发展最为成熟的CTA套利和套利对冲。技术成熟是一方面，收益稳定更是让众人追捧的核心原因，毕竟你再难找一个近十年都能保持正收益的策略了。
技术成熟、收益稳定是果，那因是什么？是有效性。
从定义来看越是有效性不足的市场，套利的机会出现的频率就越高，可套利的空间也越大，那扣除掉七七八八的成本获得收益的概率才能越高。而统计套利的意义便在于利用统计的方式实现“常胜”而非主动权益的“必胜”。
以近期爆火的CTA套利产品为例，无论跨期、跨品种还是期现，每一个子策略都是直指核心。跨期套利中，通过期货与现货间的基差进行正向套利或反向套利，核心便在于市场的有效性对于基差的影响。而跨品种套利中可使用的则是波动率套利和价差套利。
先说前一种，在跨品种套利中，我们选择的是两种不一样的配对的目标资产，在比对历史波动率并计算其差值后，我们套利逻辑是波动率差的均值应当接近于0。依靠的是市场对于波动率的影响，背后是市场有效性。
而后一种的价差套利，则是更为传统更为经典的配对交易。在A股中，上证50指数和沪深300因成分股部分充分，长期以来一直保持着相对稳定的趋同走势。因此在利用业绩增速作为参考指标，我们很容易便可依靠强弱程度判断目前的价格是否有偏差，从而交易实现盈利。背后的核心，还是市场有效性。
基于此，我们也可以显而易见的发现，只要市场有效性不足，那么套利策略就可以长期有效。这样长期可行且上手便捷的策略，自然是值得机构们深入研究，长期研究的。而伴随着金融市场的创新，机构们可用的趁手工具也越来越多，策略也必将快速的走向成熟期。
未来市场中的格局或会更加百花齐放，那些尚不常见的基金套利、期权套利们也能真正的从书本中走到现实中。
04、尾声
每每到如今年这般主动权益大溃败的年份，大家才会格外珍视套利策略、中性策略这样*收益型产品。但投资从来都是“预则立，不预则废”的事。
没有时间的沉淀、体系的规划、工具的完善，收益率就像是积沙成塔，风一吹也就散了。
参考资料
[1]Statistical Arbitrage，Andrew Pole
[2]A Mathematician On Wall Street – Statistical Arbitrage，Edward Thrope
[3]Nerds on Wall Street: Math, Machines and Wired Markets，David J. Leinweber，Theodore R. Aronson
[4]Risk Arbitrage，Guy P.Wyser-Pratte
[5]当下是套利策略配置*时机，国泰君安证券
[6]基于“Beta-Leverage spread”的周期行业套利策略，国泰君安证券
[7]套利对冲，姜昌武、陶暘
