投资离不开市场，投资策略就是要利用市场规律谋求制胜之道。在资本市场中，资产价格与其内在价值往往存在偏离，而偏离程度和恢复均衡的速度通常用市场有效性来衡量。一般来说，新兴市场的有效性要明显弱于成熟市场，然而即使在成熟市场，资产的价格也有可能在短期偏离其内在价值，市场的失效为投资套利提供了机会，如能把握得当就会为投资带来较为可靠的回报。在利用市场有效性的套利策略中，运用数学模型捕捉市场短暂失效的统计套利策略(Statistical Arbitrage，简称StatArb)很具代表性，而且在成熟市场取得了成功。在本期专栏中，我们将同广大投资者一起分析和探讨统计套利策略的内涵和特征。
从投资周期角度来看，统计套利策略属于超短期投资策略，投资者用数理统计方法构建量化模型，捕捉可能是瞬间的市场失效带来的套利机会，获取投资回报。用统计方法发现规律，进而指导投资的策略，通常以市场有效为前提，统计套利策略也不例外。统计套利策略起源于成熟市场配对交易(Pairs Trade)，投资者通过研究确定两种资产的价格走势关系，一旦认定这种相互关系出现偏离，立即买入低估的资产，并同时卖出高估的资产，当市场价格的相互关系回归合理时，配对交易即可获益。举例来说，在有效市场，假如投资者认为股票A和股票B同处于一个行业，且公司的基本面情况和成长预期也大致相近，则两者的市场估值也应接近，如果此时发现股票A的市场估值显著高于股票B，则可以采用买入股票B同时卖空股票A的操作，在市场有效性的作用下，两只股票估值会迅速回归，投资因而获利，一次典型的配对交易大功告成。经过多年的发展，统计套利策略的复杂程度已经远远超越当初配对交易的范畴。就投资标的而言，不但包括股票，而且拓展到股票指数、债券、大宗商品、贵金属等。在构建策略方面，现代统计套利策略离不开前沿统计模型和算法，包括对投资标的的选择，交易信号的发出，买卖价格和数量的确认等等都是大规模计算的结果。可以说，统计套利是投资界“高精尖”的投资策略。
我们已经介绍了统计套利策略的起源和量化本质。在实际操作中，投资者需要特别注意统计套利策略的使用前提和特征。第一，市场整体有效，短暂的失效将回归有效。在有效的资本市场，资产价格已经完全反映了所有可以获得的信息，在这个前提下，资产价格即使有偏离也会被市场及时修正。统计套利策略正是在这一前提下通过数学模型发现规律，捕捉价格偏离的瞬间，实施套利交易。在中国这样有效性不强的新兴市场，统计套利策略实施的基础还比较薄弱。第二，不必百发百中，但要“常赢”。统计套利策略中的“统计”二字，精确表述了策略本身并不是完全意义上的无风险套利，也就是说，统计套利策略的成功实施需要基于历史数据的分析和量化模型的构建，策略的成功意味着套利得手的概率较高而非百发百中，投资者一定要分清“常赢”与“全胜”的差别，秉承“积跬步而致千里”的信念，运用统计套利策略通过数学概率上的“常赢”来累积收益。第三，模型风险和操作风险并存。对统计套利策略而言，其精髓在于如何构建和实施量化模型。面对跌宕起伏的资本市场，投资者对历史数据在模型中的使用可谓见仁见智，对模型参数的校验也是各有千秋，这些都对策略的成功起着至关重要的作用。此外，在统计套利策略的操作中，由于交易机会可能稍纵即逝，交易指令以微秒或更小时间单位为计也毫不夸张。所以，统计套利策略一般会通过程序化交易系统来实现，系统操作风险随之而来，2013年8月16日在中国股市发生的光大乌龙指事件便是一例。事件发生时，上证综指的多只权重股瞬间出现巨额买单，导致股指先飙涨，再暴跌，而事件的肇始正是光大证券的统计套利系统出现了问题。因此，模型风险和操作风险都是统计套利策略必须严控的风险因素。
综上所述，统计套利策略是利用有效市场中短暂的非有效性建立的投资策略。投资者运用数学模型，捕捉资产价格在偏离与回归间的投资机会。统计套利策略的实质是通过统计意义上的多赢少输、积小胜成大胜的方式收获回报。在中国这样的新兴资本市场，随着市场的发展和有效性的不断提高，统计套利策略会有越来越大的应用空间。