纽交所价格相关性在小时尺度上可套利且在年尺度上可预测

本研究以一分钟时间分辨率考察了约 1000 只纽约证券交易所上市股票在 2018–2022 连续五年期间的交易价格。对每只股票，在以美元成交量加权交易时间内，测量其在分钟至数天尺度上偏离布朗运动鞅的程度。结果可由赫斯特指数 0.465（即轻微均值回复）的幂律散粒噪声（或高斯）过程很好地拟合。作为检验，我们在模拟的赫斯特指数数据上执行套利策略，并在实际数据回测中采用可比策略，获得相似结果（若交易成本为零，年化收益约 60%）。接着考察约 1000 只股票的互相关结构，我们发现反直觉地，在所研究的时间滞后范围内相关性随时间滞后增加而上升。我们表明，若每只股票的均值回复赫斯特分量互不相关（即不与其他股票共享该股票的整体相关性），此行为可定量解释。总体而言，我们发现一只股票 1 小时收益方差的约 45% 可由其与其他股票的特定相关性解释，但其中大部分仅由所有股票的共同运动所解释。出乎意料地，所解释方差的比例在价格波动率高时最大，例如 2020 年 COVID-19 期间。含互相关的套利策略显著优于无互相关情形（若交易成本为零，年化收益约 100%）。2018–2022 任一年度测得的相关系数在预测其余所有年份时表现大致相当，表明整体相关结构在整个时期内具有持续性。