外匯統計套利是否可能？
您是否知道任何考慮外匯配對交易（或統計套利）的論文？
我找不到任何東西。我在幾個論壇上問過這個問題，但沒有得到答复。因此，我認為由於貨幣市場的屬性或其他基本原因，這種交易策略是不適用的。但是，這些原因對我來說並不明顯。
Fatih Yilmaz，前美國銀行（現為 BlueGold），有一篇名為“Imaginal Spreads and Pairs Trading”的文章正是關於這個主題的，如果你能找到它（我在公共網際網路上找不到副本），最初發表2009 年 4 月 17 日。他寫道：
學術界和行業從業者通常專注於貨幣市場的時間序列方面。這主要是交易貨幣數量有限的結果。新興貨幣的大多數市場遠不是可以忽略的摩擦。因此，如果僅限於 G10 貨幣市場，考慮到對美元的衝擊通常佔 G10 變化的 50% 以上（參見圖 1），則沒有多少空間可供橫向選擇技巧或市場中性策略使用。配對交易是一種市場中性（或美元中性）策略，可以從統計角度捕捉 G10 貨幣市場中的不同機會。此外，鑑於該策略賣出贏家並買入輸家，它可能與大多數傳統方向模型（如動量策略）的相關性較低或呈負相關。
我們在本報告中的重點是測試 G10 貨幣市場中的配對交易策略。我們的貨幣數據集是每月的（從路透社和 DataStream 獲得的月末數據），我們使用短期貨幣市場匯率進行套利計算（從 DataStream 獲得）。我們的數據集來自 1973-2009 年。我們將美元作為計價貨幣，並使用所有 9 美元的交叉盤形成 36 對可能的貨幣對。我們的配對算法和交易策略描述如下：
他找：
超額收益、夏普比率和方向準確度統計數據通常表明有希望的結果。特別是，隨著我們提高交易信號的門檻值錯位水平，所有性能統計數據都趨於改善。一般來說，1.5-2.0 標準差左右的偏差水平往往會產生始終如一的良好結果。
他提到的夏普比率在 3M 持有期間約為 0.7-0.8。
本說明中呈現的結果應視為探索性的。然而，出於幾個原因，第一組結果似乎令人鼓舞。對於積極的 G10 戰略而言，績效統計數據相對有吸引力且穩健。特別是考慮到該策略是美元中性且預測期限超過 25 年。此外，該策略是逆向的，專注於相對價值交易。因此，可能對傳統的定向貨幣模型產生低相關回報。如果我們從表面上看本說明中呈現的結果，那麼我們應該問一個重要的問題：我們的報酬是什麼？鑑於我們使用月度數據，本研究中的交易成本不相關。對於 G10 貨幣市場，破產和流動性風險以及賣空限制通常可以忽略不計。分析配對策略收益與宏觀經濟和相關資產市場週期（即周期的時變風險溢價）的相關性會很有趣。在他們的研究中，Goetzmann 等人。人。(2006) 認為，配對策略可能是有益的，因為（隱藏或潛在的）共同因素是他們分析的股票的主要驅動力。總是有被套利的風險；然而，即使在過去十年左右（當對沖基金活動顯著增加時），該策略似乎也產生了相對穩健的結果。其他可能性可能是，該策略可以通過套利交易推動市場走向均衡而獲得回報。鑑於該策略是市場中性的並且依賴於相對價值交易，從模型分配的角度來看，這種策略也存在錯過強勁市場走勢的風險。在任何情況下，我們認為，了解這種策略的基本風險回報特徵很重要，需要在此背景下進一步分析。
免責聲明：我對外匯交易一無所知，除了我聽說過“外匯交易的第一條規則是你不交易外匯。第二條規則……”你知道它是怎麼回事。
我不是宏觀經濟學，但我覺得外匯模型的基準是隨機遊走。也就是說，在短期內，基本面對外匯沒什麼可說的，我認為這被認為是四年。我認為讓這裡的很多研究變得複雜的是浮動匯率制度、小規模政策干預和罕見的大規模政策干預方面的有限數據。
我認為 Stock 和 Watson 擁有最近最好的匯率模型。這些論文不會討論交易，但可能會在您如何看待問題時發人深省
JASA 2002 , Journal of Business & Economic Statistics 2002（抱歉，找不到連結）。
HTH（具有實踐知識的人將不得不加入如何實施:)）