总结与展望
本次研究以协整模型为基础，利用计算机能够快速循环运算的特点对传统模型进行改进，给出配对交易中具有一般性的统计套利模型.该模型具有很强的普适性：
第一，在任何数据频率下，能够对任意种类的资产进行模型检验，并迅速地找到能够进行配对交易的品种.
第二，克服依靠经验选择建仓阈值的缺点，利用计算机循环运算的功能，快速找出使样本内收益最大的交易阈值.
第三，以样本内与样本外总数据区间内的收益率最大为标准，选取最优配对交易组合，并且自动剔除掉样本内收益率或样本外收益率小于等于零的配对交易组合，以此增强模型的稳健性.
为简单介绍模型功能，本文以在大连商品交易所上市的8个期货品种为例，将8个期货品种的价格时间序列作为输入变量，经过计算机运算，首先发现14个组合长期上存在协整关系，然后比较出其中最优配对交易组合为豆油和棕榈油，其最优K值为0.06；最后，通过计算机指令将所有结果进行输出.在研究中，由于样本外数据区间较短，且样本外数据的波动性与样本内数据不同，最终结果中有7个配对交易组合在样本外测试期间不存在任何交易机会.因此，在实际使用模型进行配对交易时，还需要对模型进行进一步的调整，如优化数据区间的选择，计算交易费用对收益的影响，建立完善的风险控制机制，设置合理的止损水平等.
参考文献
[1]G MONTANA， K TRIANTAFYLLOPOULOS，T TSAGARIS. Flexible least squares for temporal data mining and statistical arbitrage[J]. Expert Systems with Applications. 2009， 36：2819-2830.
[2]R J ELLIOTT， JOHN， V D HOEK，et al. Pairs trading[J].Quantitative Finance. 2005，3： 271-276.
[3]C L DUNIS， J LAWS， B EVANS. Trading futures spreads： An application of correlation and threshold filters[J].Applied Financial Economics. 2006. 16： 903-914.
[4]P B GIRMA， A S PAULSON. Risk arbitrage opportunities in petroleum futures spreads[J].The Journal of Futures Markets，1999，8：931-955.
[5]CHRISTOS， ALEXAKIS. Longrun relations among equity indices under different market conditions：Implications on the implementation of statistical arbitrage strategies[J].Journal of International Financial Markets， Institutions & Money.2010，20： 389-403.
[6]吴栩，宋光辉，董艳.沪深股市夏普比率的多重分形相关性分析[J].经济数学，2014，31（2）：13-18.
[7]雷井生，林莎.基于高频数据的统计套利策略及实证研究[J].科研管理，2013，34（6）：138-145.
[8]丁秀玲，华仁海.大连商品交易所大豆与与豆粕期货价格之间的套利研究[J].统计研究.2007，24（2）：55-59.
[9]扈文秀，牛静，李芳，等.基于统计套利模型的商品指数期货双跨套利方案研究[J].管理评论，2013，25（9）：100-107.
[10]贾尚晖，江令.股指期货和股票指数的关联性分析[J].数学的实践与认识.2013，43（2）：90-94.
[11]何树红，张月秋，张文.基于GARCH模型的股指期货协整跨期套利实证研究[J].数学的实践与认识，2013，43（20）：274-279.
[12]贺正楚，周贤军，文先明.基于SVAR模型的期锌市场及其现货市场的价格发现功能实证研究[J].湖南大学学报：自然科学版，2011，38（7）： 92-97.
[13]丁涛.配对交易策略在A股市场的应用与改进[J].中国商贸.2013，（2）：24-27.