本文以大陸A股市場的銀行股為對象，通過進行相關性與共整合關係篩選後，把符合條件的配對股進行模擬交易，進而探究股票的配對交易策略績效以及行業內的規模效應，最終為投資者提供在不同市場行情下的投資建議。
首先，通過本文的研究發現，在目前的中國大陸A股市場中，選擇銀行股進行配對交易並不存在優勢，存在兩個可能的原因：其一是大陸A股市場發展不夠成熟，其二是市場的高頻交易導致這種基於統計套利的交易策略的可套利空間越來越小。
其次，本文發現存在較大的相關性是兩檔股票可以進行配對交易的前提條件，但配對的效果與相關性之間卻並不存在直接的聯繫。
最後，本文發現在股市大跌的情況下，所有配對股的策略績效均優於大盤，說明本研究中的配對交易策略是一種防禦性策略而不是進取型策略，適宜用來在熊市中抵擋大盤暴跌風險。從分組情況來看，相較於中規模銀行股與小規模銀行股，大規模銀行股在任何市場行情下下均能獲得正的報酬率，更具備套利的優勢。

This paper takes the banking shares in the mainland China A-share market as the object, through the screening of the correlation and the co-integration relationship, and then simulates the matched stocks to explore the pairs-trading performance and the scale effect in the bank industry. Finally, provides the investor investment advice in the different market conditions.
First of all, there is no advantage in choosing bank stocks for pairwise trading in the A-share market of mainland China. There are two possible reasons for this: firstly, the development of mainland A-share market is not mature enough and secondly  high-frequency trading led to this based on statistical arbitrage trading strategy arbitrage space getting smaller and smaller.
Secondly, there is a large correlation between the two stocks is a prerequisite for pairs trading transactions, but there is no direct correlation between the strategy effect and relevance.
Finally, in the case of the stock market crash, all the stock pairs performed better than the market, indicating that the pairs trading strategy in this study is a defensive strategy rather than an aggressive strategy, suitable for the bear market to withstand the slump risk .Compared to the medium-scale banking stocks and small-scale banking stocks, large-scale banking stocks can get positive return under any market conditions.

目錄
表目錄	III
圖目錄	V
第一章 緒論	1
第一節 研究背景	1
第二節 研究動機與目的	4
第三節 研究架構	4
第二章 文獻回顧	6
第一節 配對方法研究	6
第二節 交易信號研究	11
第三節 股市規模效應	14
第四節 文獻回顧小結	18
第三章 配對模型建立	20
第一節 數據來源與說明	20
第二節 銀行股分類	23
第三節 相關關係檢測	26
第四節 共整合檢測	29
第四章 回測與結果分析	35
第一節 交易設計	35
第二節 回測與結果分析	37
第三節 報酬與風險分析	41
第四節 規模效應分析	45
第五章 結論	49
第一節 本文發現	49
第二節 本文後續改進	51
參考文獻	52


表目錄
表2-1 NYSE中的規模效應	16
表3-1所有銀行股列表	23
表3-2樣本銀行股列表	23
表3-3銀行股總市值排名	24
表3-4 股票配對組合	25
表3-5 配對股票相關係數	27
表3-6 相關係數大於0.75之配對股票組合	28
表3-7 農業銀行零階股價序列ADF檢定	31
表3-8 農業銀行一階股價序列ADF檢定	31
表3-9 建設銀行零階股價序列ADF檢定	31
表3-10 建設銀行一階股價序列ADF檢定	32
表3-11 所有股票樣本ADF檢定結果	32
表3-12 農業銀行+建設銀行之殘差序列ADF檢定結果	33
表3-13 最終配對股票組合	34
表4-1 交易流程說明	36
表4-2 回測區間建設銀行與農業銀行交易記錄	37
表4-3 建農配對組合回測績效	38
表4-4 配對組合收益與基準收益比較	41
表4-5 配對組合的風險指標	44
表4-6 滬深300指數在不同行情下的報酬率	45
表4-7 上升期配對組合之報酬	46
表4-8 下跌期配對組合之報酬	47
表4-9 平整期配對組合之報酬	48
表5-1 配對組合平均績效	49
表5-2 不同階段配對績效之比較	50



圖目錄
圖1-1建設銀行與農業銀行股價走勢	2
圖1-2研究思路	5
圖2-1不同交易信號下累積收益率	12
圖3-1滬深300走勢圖	21
圖3-2 交易區間劃分	21
圖4-1 策略收益與基準收益比較	39
圖4-2 相關係數與回測報酬率	42

中文文獻

丁濤（2013）， 「配對交易策略在 A 股市場的應用與改進」， 中國商貿，第5期，頁 24－26，28。

王丹（2013），「配對交易系列報告之一：基於融資融券標的證券的配對交易策略」，國海證券。

伍娟（2010 ），「基於高頻數據的成對交易統計套利策略實證研究」， 碩士論文， 中南大學。

刑恩泉、尹濤（2015），「協整模型的配對交易策略優化」，經濟數學，第32卷第01期，頁65-69。

朱寶憲、何治國（2001），「中國股市小公司效應的實證研究」，經濟管理，第10期，頁55-60。

汪煒、周宇（2002），「中國股市“規模效應”與“時間效應”的實證分析——以上海股票市場為例」，經濟研究，頁16-21，30。

何樹紅、張月秋、張文（2013），「基於GARCH模型的股指期貨共整合跨期套利實證研究，數學的實踐與認識」，第20期，頁274－279。

林奇生（2006），「配對交易策略應用於臺灣股票市場之實證研究」，碩士論文，淡江大學。

金愷（2013），「基於協整方法的滬深300成分股配對交易研究」，碩士論文，杭州：浙江大學。

胡文偉、胡建強、李湛、周劍峰（2017），「基於強化學習演算法的自適應配對交易模型」，管理科學，第30卷第2期，頁148-160。

胡倫超、餘樂安、湯 鈴（2016），「融資融券背景下證券配對交易策略研究——
基於協整和距離的兩階段方法」，中國管理科學，第24卷第4期，頁1-9。

郭永琦（2006），「上海股票市場規模效應研究」，碩士論文，上海大學。

陳君寧、馬治天（2000），「股票市場規模效應的實證研究」，華中科技大學學報（社會科學版），第14卷第04期，頁73-77。

徐旻君（2014），「配對交易報酬率評估－以寶來卓越五十成分股為例」，碩士論文，國立臺灣大學。

崔方達、吳亮（2011），「配對交易的投資策略」，統計與決策，第23期，頁156-159。

張家銘（2014），「基於程式化交易的統計套利研究」，碩士論文， 濟南: 山東大學。

章曉霞、吳衝鋒（2005），「中美股票市場“規模效應”的比較與啟示」，價格理論與實踐，第11期，頁47-48。

張璐（2016），「基於銀行股的配對交易策略回測」，碩士論文，山東大學。

賀娉婷（2012），「基於銀行股的配對交易策略及其實證研究」，碩士論文，浙江大學。

彭舒怡（2013），「基於GARCH模型銀行股配對交易研究」，金融經濟，第10期，頁61-63。

楊慶豪（2007），「臺灣股票市場投資策略分析之研究——價值投資與成長投資之比較」，碩士論文，國立中山大學。

鄭迎迎、何婉（2007），「中國股市的“規模效應”研究的三階段分析——基於醫藥板塊面板數據的實證分析」，第四屆中國金融學年會論文，北京。

蔡立耑，「量化投資——以Python 為語言」，電子工業出版社，北京。

劉麗瑜（1991），「臺灣股市之一月效果與其形成因素之探討」，碩士論文，國立臺灣大學。

韓延齡（2007），「中國股票市場“規模效應”實證研究」，時代金融，第7期，頁28-30。







英文文獻

Banz, R. (1981), “The Relationship between Return and Market Value of Common Stocks”, Journal of Financial Economics 9, 3-18.

Brown, P. , Kleidon, A. W., Marsh, T. A. (1983), “New Evidence on the Nature of Size-related Anomalies in Stock Prices ”, Journal of Financial Economics, 12(1), 33-56.

Elliott, R. J., Van Der Hoek, J., Malcolm, W. P. (2005), “Pairs Trading”, Quantitative Finance , 5(3), 271－276.

Engle,R. F., Granger, C. W. J. (1987), “Cointegration and Error Correction: Representation, Estimation and Testing”,  Econometrica, 55, 251-276.

Gatev, E. G. ,Goetzmann, W. N., Rouwenhorst, K. G. (2006), “Pairs Trading: Performance of a Relative-Value Arbitrage Rule”, Review of  Financial Studies,  19(3), 797－827.

Farrell, J. L. Jr., Reinhart, W. J. (1997), “Portfolio Management: Theory and Application ”,  McGraw-Hill Companies Inc.: 308.

Keim, D. B. (1983), “Size Related Anomalies and Stock Return Seasonality: Further Empirical Evidence”,  Journal of Financial Economics 28, 67-83.

Lee, J. W., Park J., Jangmin, O. (2007), “A Multi-agent Approach to Q-learning for Daily Stock Trading”, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and  Humans, 37( 6) , 864－877.

Miao, G. J. (2014), “High Frequency and Dynamic Pairs Trading Based on Statistical Arbitrage Using a Two Stage Correlation and Co-integration Approach ”, International  Economics and Finance, 6(3), 96－110.

Reinganum, M. R. (1983), “The Anomalous Stock Market Behavior of Small Firms in January: Empirical Tests for Tax-Loss Effects”, Journal of Financial Economics 12, 89-104.

Vidyamurthy, G. (2004), “Pairs trading : Quantitative Methods and Analysis ”, New York：John Wiley & Sons Inc.