利用美国存托凭证（ADRs）进行价差交易

“该策略涉及两个ETF：SPY（标准普尔500指数）和FXI（中国ADR）。当它们之间的价差达到-0.4%时，投资者开设FXI的多头头寸和SPY的空头头寸。”

资产类别: ETF | 地区: 美国 | 周期: 每日 | 市场: 股票 | 关键词: 价差、ADR

I. 策略概要

投资范围包括两个ETF：代表美国市场的SPY（标准普尔500指数ETF）和代表中国ADR的FXI（iShares中国大盘ETF）。投资者为ADR和SPY之间的每日价差设定-0.4%的阈值。当价差跌至该值以下时，投资者开仓，做多FXI，做空SPY。持仓一天，并在收盘时平仓。投资组合等权重，策略每日重新平衡。

II. 策略合理性

该策略利用了ADR的时间不一致行为，特别是来自日本、香港、中国、台湾、印度和韩国等亚洲国家的ADR。这些ADR受到美国和其本国市场情绪的影响。随着美国市场收盘，这些国家的市场开盘，导致异步的价格波动。这导致ADR价格及其基础股票出现波动，经常在ADR价格和标准普尔500指数（SPY）之间产生价差。该策略假设该价差将回归均值，通过基于阈值开仓并持有至收盘，从而利用这些差异获利。

III. 来源论文

Asynchronous ADRs: Overnight vs Intraday Returns and Trading Strategies [点击查看论文]

• Tim Leung 和 Jamie Kang，华盛顿大学 – 应用数学系，哥伦比亚大学；斯坦福大学

<摘要>

美国存托凭证（ADR）是代表非美国公司证券的交易所交易凭证。它们是投资外国公司的主要金融工具。在异步市场背景下，我们重点关注亚洲ADR，并介绍其回报的实证分析方法和结果。特别是，我们根据美国市场交易时间，将其回报分解为日内和隔夜部分。我们发现，通过SPDR标准普尔500指数ETF（SPY）交易的标准普尔500指数与每个ADR之间的回报差异是一个均值回复时间序列，并通过最大似然估计（MLE）拟合到Ornstein-Uhlenbeck过程。我们的实证观察还促使我们开发和回测配对交易策略，以利用均值回复的ADR-SPY价差。我们发现，在选定的进出场水平同时执行ADR多头头寸和SPY空头头寸时，能获得持续的正收益。

IV. 回测表现

年化回报	14%
波动率	16.35%
β值	0.025
夏普比率	0.61
索提诺比率	-0.369
最大回撤	N/A
胜率	46%

V. 完整的 Python 代码

from AlgorithmImports import *
class SpreadTradingADRs(QCAlgorithm):
    def Initialize(self):
        self.SetStartDate(2000, 1, 1)
        self.SetCash(100000)
        self.symbols = ['SPY', 'FXI']
        
        self.k = -0.004
        
        for symbol in self.symbols:
            self.AddEquity(symbol, Resolution.Minute)
        
        self.spy_open_price = 0
        self.fxi_open_price = 0
        
        self.Schedule.On(self.DateRules.EveryDay(self.symbols[0]), self.TimeRules.AfterMarketOpen(self.symbols[0], 1), self.MarketOpen)
        self.Schedule.On(self.DateRules.EveryDay(self.symbols[0]), self.TimeRules.BeforeMarketClose(self.symbols[0], 1), self.Rebalance)
    
    def MarketOpen(self):
        if self.Securities.ContainsKey(self.symbols[0]) and self.Securities.ContainsKey(self.symbols[1]):
            spy_price = self.Securities[self.symbols[0]].Open
            fxi_price = self.Securities[self.symbols[1]].Open
            if spy_price != 0 and fxi_price != 0:
                self.spy_open_price = spy_price
                self.fxi_open_price = fxi_price
                        
    def Rebalance(self):
        self.Liquidate()
        
        if self.Securities.ContainsKey(self.symbols[0]) and self.Securities.ContainsKey(self.symbols[1]):
            spy_price = self.Securities[self.symbols[0]].Close
            fxi_price = self.Securities[self.symbols[1]].Close
            
            if spy_price != 0 and fxi_price != 0 and self.spy_open_price != 0 and self.fxi_open_price != 0:
                spy_ret = spy_price / self.spy_open_price - 1
                fxi_ret = fxi_price / self.fxi_open_price - 1
                
                if fxi_ret - spy_ret < self.k:
                    self.SetHoldings('FXI', 1/2)
                    self.SetHoldings('SPY', -1/2)
    
                self.spy_open_price = 0
                self.fxi_open_price = 0