关联交易通俗解释

关联交易通俗解释和配对交易密切相关的是关联交易。关联交易配对交易可以用在“事件驱动”的投资组合中关联交易，而关联交易是以两种股票价格之间的统计关系为基础。事件驱动型投资组合是指投资者希望从一些特殊事件中获利，关联交易比如收益报告发布、大合同签订、政治事件、企业合并事件等。当你确信一家公司会兼并另一家公司，并且前者会超额支付时，这便是典型的事件驱动型配对交易。你可以关联交易卖空投标公司的股票，然后投标公司的股价会下跌，而目标公司股票价格会上涨，这样你就成功地进行了事件驱动型配对交易。这种交易策略，就不一定需要用统计数据来解释股票价格之间的关系，但是这种关系之间有着根本的原因——某事件把股票价格联系起来。很明显，在你选择错误且没有任何收益公告时就会产生风险。

关联交易在同行业中的两个公司间表现最为典型，它们都受到相同产业和和宏观因素的影响。两个公司股关联交易票历史价格之间关联交易可能本来就有关系。如果现在的数据与历史关联有些偏差，我们可以假设这是暂时的，并且最终会回到平均值。测算股价之间关系时使用典型的相关系数，关联交易关联交易面临的问题是进行显著性检验比较难。为了判断两个变量之间的相关系数是否为非零数值，就要进行一个标准的t检验，而这个检验前提条件是两个变量都是正常分布的随机变量。关联交易介绍3种可替代此种检验的方法：（1）使用经验分布进行显著性检验；（2）把价格转换为可能“更接近”正常收益的指数；（3）关联交易进行非参数检验，关联交易比如斯皮尔曼（Spearman）等级相关检验。如果你有大量股票数据，那么利用经验分布进行显著性检验是有效的，同时你可以将这些数据划分为校对数据和测试数据。关联交易校对数据将用来测算股价间的关联交易关联系数，并发现直线函数下的残留数据（见后面讨论的线性回归方法）。残留数据反映相对频率，可以充当测试数据中的假设分布残余。