摘要：本文基于贝叶斯统计方法，结合 Bayes 线性无偏估计，对 BSW 套利策略进行分析和实证检验。详细地展示了 BSW套利策略在沪深 300 股指期货、沪铜和沪铝的套利。结果表明该套利策略的收益很高。BSW 套利策略在期指、沪铜、沪铝、上分别获得了218.26%、66.24%、268.04%的累积收益。且策略的风险较低，所有品种的最大回撤均不超过 3%，胜率则大多高于 90%。但是，BSW 套利策略的 SR较低，平均收益不高，实际投资中对于交易操作的要求较高，资金容量会有较大限制。32277
毕业论文关键词 贝叶斯公式 最小二乘估计 贝叶斯线性无偏估计 BSW 套利策略
Title Bayesian statistical methods and its application in thefinancial markets
Abstract This article is based on the Bayesian statistical method, combining with the Bayeslinear unbiased estimates,to analysis and empirical test the BSW arbitragestrategy .It shows in detail BSW arbitrage strategies in the Shanghai and Shenzhen300 stock index futures,Shanghai copper and Shanghai aluminum arbitrage.Theresults show that high income arbitrage strategy.BSW arbitrage strategies gained218.26%, 66.24%, 268.04% of the accumulated earnings in stock indexfutures,Shanghai copper and Shanghai aluminum arbitrage.And low risk strategy,the biggest of all varieties retracement of no more than 3 percent, winning ismostly above 90%.However, SR of the BSW arbitrage strategy is low, the averageincome is not high, the actual investment in higher requirements for tradingoperations, financial capacity will be more restricted.
Keywords Bayes formula，Least squares estimation，Bayes Linear Unbiased Estimation，BSW arbitrage strategies
目次
1绪论.1
1.1研究背景和意义1
1.2国内外研究现状1
1.2.1共轭先验分布族的研究.2
1.2.2先验分布选择方法研究2
1.3本文的主要内容3
2贝叶斯统计简介.5
2.1贝叶斯统计简介5
2.1.1贝叶斯统计方法的起源5
2.1.2统计决策的基本要素.5
2.1.3技术原理6
2.2贝叶斯公式6
3线性模型的参数估计..9
3.1线性模型..9
3.2最小二乘估计..9
3.3广义最小二乘估计..11
3.4Bayes线性无偏估计..12
3.5本章小结13
4贝叶斯统计方法在金融市场的应用..14
4.1BSW套利策略..14
4.1.1价差波动特点分析14
4.1.2贝叶斯统计在价差预测上的应用15
4.1.3BSW套利策略.16
4.2BSW应用实例.17
4.2.1BSW套利策略在沪深300股指期货的套利.17
4.2.2BSW套利策略在沪铜、沪铝上的套利20
结论.25
致谢.26
参考文献27
1 绪论
1.1 研究背景和意义对于统计推断的不同研究途径以及早期的对概率的定义其实并不是本质问题，他是一个概念问题。对于那些首先研究数理统计的像Laplace，Bayes，Bernoulli 等人来说，概率被推崇为不确定的度量，这说的是根据手中所掌握的所有证据，他们能够有多少把握可以确信这件事是真的。然而在 19 世纪，对于当时的统计学家来说，这就并不是那么客观，如果它作为一个数学理论的话。因此，概率被重新定义为在给定了 n 次试验后，该事件发生的长期相对频率。由于频率是可以测量的，概率是被用来处理随机现象的一个客观工具。经典统计学者根据重复的这一基本思想来分析那些来自于抽样调查、实验室试验等这些试验数据。然而，却有很多不重复的工作。在那里数据 ) , , ( 1 n x x x     和潜在的样本空间 X 并不相干；重要的是对于固定的x，定义在参数空间上的θ的似然函数 ) | ( • x p 。然而用贝叶斯方法的话，我们就可以不需要使用X，直接来处理似然函数。贝叶斯学派能够作出可以不基于数据的假定，这不同于经典学派；也就是说他们并没有清晰的限定他们观点的来源。他们认为这种观点很难反对，因为只要你接受的话，就可以打开一切思想上的禁锢，这个架构是适合所有的世界。然而，有些贝叶斯统计学者倾向于一种教条主义的倾向，声称“这是解决所有问题的方法，而且如果你不同意我，你就是错误的！”支持贝叶斯理论的认为，在评估和组合证据中，唯一合理的数学概率的方法就是他们所使用的。而一旦你得到后验分布就可以解决问题的观点缺不被一些统计学家所认可。一些人任然不清楚如何传达这些信息，采用什么行动。近年来，特别是在和政策相关的大型研究中，把概率看成“相信程度”的“个人概念”又被再一次强调。这导致了从贝叶斯定理得来的形式的应用；它是在因为时局的局限性而不得不使用传统经典方法时还能使用的数学方法。我们应该记住。我们所掌握的来自反思过程的个人观点是和从详细考察手中的数据所得的结论是同等重要的。引用一句L.J.Savage 的话。“认识了现在的人，只要有任何希望去看，将会注视着遥远的未来。” 贝叶斯统计方法及其在金融市场的应用:http://www.youerw.com/shuxue/lunwen_28783.html