Black-Litterman 贝叶斯方法在统计套利中的应用
Application of Black-Litterman Bayesian in Statistical Arbitrage
AI总结：
本文将配对交易统计套利策略整合进 Black-Litterman 模型，构建均值-方差优化投资组合，在正常与极端市场条件下均跑赢 S&P 500 指数，并提出了可扩展、系统化的策略融合框架。
摘要：
在本文中，我们将统计套利策略——配对交易（pairs trading）——整合到 Black-Litterman 模型中，并构建了有效的均值-方差投资组合。通常，配对交易在波动或承压的市场条件下表现不佳，因为所选资产对未能在投资期限内回归均衡。通过利用 Black-Litterman 投资组合优化增强该策略，我们在正常和极端市场条件下均取得了优于 S&P 500 市场指数的表现。此外，本研究提出了一种创新思路，即以可扩展和系统化的方式将传统配对交易策略纳入投资组合优化框架。
英文摘要：
\begin{abstract} In this paper, we integrated the statistical arbitrage strategy, pairs trading, into the Black-Litterman model and constructed efficient mean-variance portfolios. Typically, pairs trading underperforms under volatile or distressed market condition because the selected asset pairs fail to revert to equilibrium within the investment horizon. By enhancing this strategy with the Black-Litterman portfolio optimization, we achieved superior performance compared to the S\&P 500 market index under both normal and extreme market conditions. Furthermore, this research presents an innovative idea of incorporating traditional pairs trading strategies into the portfolio optimization framework in a scalable and systematic manner.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
