党的十九大以来,对资本市场的发展提出了更高的要求。2018年金融工作会议上强调坚持新的发展理念,要以保护投资者合法权益为根本使命,抓好服务实体经济、防范风险和深化改革三大任务。在此背景下,论文将对基于Mixture-Copula方法在统计套利中的应用进行研究。Copula基础理论已经有了长足进步,使得其在金融风险方面的研究成为可能。Copula理论能很好的捕捉变量间的弱相关性,弱相关性体现了金融市场的风险,能有效对风险提出警示。统计套利作为一种量化策略,使得资本市场交易更加理性化,对投资者是一种保护。所以论文的选题有应用价值。论文首先梳理了Copula方法的一般理论,详细研究了Copula函数的特性。从理论上为Copula函数研究金融市场做了必要准备。论文在此基础上,深入研究Mixture-Copula函数。在此过程中,论文引入新的算法对Mixture-Copula模型的参数估计方法进行了优化。在Mixture-Copula不同的成分函数构成环境下完成了模拟实验,实验结果说明新的算法有效提高参数估计的准确性。然后,论文对统计套利理论及常用的套利策略进行了分析,了解传统套利方法没有对非线性非对称性的变量关系捕捉,而连接函数方法能在此方面进行改进。为了解决风险测度的问题,论文基于Mixture-Copula函数构建统计套利模型,从而得到相应交易策略。结合银行板块股票的实际数据,对套利模型及其导出的单边套利模型实证分析,结果表明策略具有可行性。论文的创新点体现在下面几个方面:首先,基于Mixture-Copula构建的统计套利单边模型。对基于Mixture-Copula函数模型的极大似然估计方法进行了改进,引入EM算法并结合有限内存BFGS算法对参数估计方法优化,降低参数估计的复杂度。其次,对传统统计套利的策略进行了改进,更准确地捕捉到尾部的弱相关性,这一研究结果提高了收益区间。此外,单边模型的应用为股票市场多数不具备融资融券资格的交易者提供新的思路,对创新套利策略的研究有一定应用价值。