一、套利基础：A股市场套利机会概述、套利策略分类、套利与投机的区别
各位同学，欢迎来到《A股套利策略实战系统开发》的第一章。
说实话，做量化交易这些年，我见过太多人把套利和投机混为一谈。有人觉得套利就是低买高卖，有人觉得套利就是做高频。嗯，这些理解都有点偏。今天咱们先把地基打牢，搞清楚套利到底是什么，它和投机有什么本质区别。
1.1 A股市场套利机会概述
先问大家一个问题：A股市场有没有套利机会？
答案是肯定的。而且机会比很多人想象的多。我个人习惯把套利机会分成三类：
- 价格偏差型：同一资产在不同市场或不同时间出现价格差异。比如ETF和成分股之间的价差。
- 事件驱动型：公司并购、分红、配股等事件引发的定价偏差。我在项目中遇到过某公司分红公告后，权证价格明显偏离理论值的情况。
- 统计套利型：利用历史统计规律，捕捉相关资产之间的短期偏离。说白了就是赌均值回归。
你想想看，A股有几千只股票，还有ETF、期货、期权、可转债……这么多品种，价格之间怎么可能永远保持合理关系？
核心观点：套利的本质是「纠错」。市场犯错时，我们赚取纠错带来的收益。
1.2 套利策略分类
套利策略的分类方式很多。我按自己的实战经验，给大家梳理一个实用的分类框架：
| 策略类型 | 典型场景 | 风险等级 | 资金门槛 |
|---|---|---|---|
| 期现套利 | 股指期货与现货指数之间的价差 | 低 | 高 |
| 跨期套利 | 同一品种不同月份合约的价差 | 中低 | 中 |
| ETF套利 | ETF净值与二级市场价格的偏差 | 低 | 中 |
| 可转债套利 | 可转债与正股之间的转换套利 | 中 | 低 |
| 统计套利 | 配对交易、多因子模型等 | 中高 | 低 |
这里我要特别提醒一点：不要以为套利就是无风险的。我曾经在ETF套利上栽过跟头——你以为锁定了价差，结果流动性突然枯竭，平仓都平不掉。嗯，这就是所谓的「执行风险」。
避坑指南：我曾经因为忽略了交易成本，导致一个看似稳赚的套利策略实际亏损。记住，印花税、佣金、冲击成本，这些都要算进去。
1.3 套利与投机的区别
这个问题，我每次讲课都会强调。很多人觉得套利就是「高级投机」，其实完全不是一回事。
咱们用一张图来理解：
说白了，套利和投机的核心区别就三点：
- 收益来源不同：套利赚的是价差回归，投机赚的是方向判断。你想想看，做套利的人根本不在乎市场涨跌，只在乎价差是否合理。
- 风险特征不同：套利风险相对可控，因为价差通常有上下限。投机就不一样了，方向判断错了，可能血本无归。
- 持仓周期不同：套利持仓时间短，几分钟到几天。投机可能持仓几周甚至几个月。
个人经验：我刚开始做量化时，也分不清套利和投机。后来发现一个简单判断方法——如果你的策略需要预测市场方向，那就是投机；如果只是捕捉价差偏离，那就是套利。
1.4 套利策略的核心要素
一个完整的套利策略，至少需要具备以下要素：
- 定价模型：知道「合理价格」是多少。没有这个，你根本不知道价差是否偏离。
- 交易执行：能快速同时买入和卖出。延迟几秒钟，价差可能就没了。
- 风险控制：设置止损、控制仓位。别以为套利就不会亏。
- 成本核算：把所有交易成本算清楚。我见过太多人忽略这个，结果白忙活。
这里我给大家一个简单的套利策略伪代码，感受一下：
# 套利策略伪代码示例
def arbitrage_strategy():
# 1. 获取实时价格
price_a = get_price(asset_a)
price_b = get_price(asset_b)
# 2. 计算价差
spread = price_a - price_b
# 3. 判断是否偏离
if spread > upper_threshold:
# 卖出A，买入B
execute_sell(asset_a)
execute_buy(asset_b)
elif spread < lower_threshold:
# 买入A，卖出B
execute_buy(asset_a)
execute_sell(asset_b)
else:
# 等待
pass
# 4. 监控价差回归
while position_open:
current_spread = get_spread()
if current_spread < exit_threshold:
# 平仓
close_positions()
嗯，代码很简单，但实际做起来坑很多。比如：你同时下单，结果一个成交了另一个没成交，怎么办？这就是所谓的「单边风险」。
本章小结：套利不是无风险，而是风险可控。它的核心是「定价」和「执行」。搞懂这两点，你才算入门。
好了，第一章就到这里。记住我今天说的：套利赚的是市场纠错的钱，不是预测市场的钱。这个认知，会贯穿我们整个课程。