套利策略分类：空间套利、时间套利、统计套利、事件驱动套利
做跨交易所套利这些年，我最大的感受就是——策略分类不是学术上的条条框框，而是帮你快速定位「这钱能不能赚」的思维框架。你想想看，美股有十几个交易所，每个交易所的订单流、流动性、撮合规则都不一样，套利机会就藏在这些差异里。
我个人习惯把套利策略分成四大类：空间套利、时间套利、统计套利、事件驱动套利。下面我一个个拆开讲，每个都会带上我在实战中踩过的坑。
核心观点：这四类策略不是互斥的，很多时候一个机会同时属于多个类别。比如某只股票在NYSE和NASDAQ出现价差，这既是空间套利，也可能触发统计套利的入场信号。
一、空间套利：最直接的「搬砖」
空间套利，说白了就是同一只股票在不同交易所之间的价差。比如苹果(AAPL)在NYSE报价150.01，在NASDAQ报价150.05，你从NYSE买入，到NASDAQ卖出，每手赚4美分。
听起来简单？嗯，这里要注意几个关键点。
- 速度是命门：价差存在的时间通常只有几十到几百毫秒。我早期用Python写了个简单的轮询脚本，结果发现等程序反应过来，价差早就没了。后来我改用C++做底层撮合，Python只做监控和日志。
- 交易成本吃掉利润：美股每笔交易有SEC费、交易所费、清算费，加上你的券商佣金。4美分的价差，扣掉费用可能只剩1美分。我建议你先把费用算清楚，再决定要不要做。
- 订单类型要选对：市价单虽然快，但容易滑点。限价单安全，但可能成交不了。我个人的做法是：用限价单吃单边，同时用止损单保护另一头。
实战技巧：空间套利最怕的是「假价差」——某个交易所的报价已经过时了。我习惯在代码里加一个时间戳校验，如果报价超过50毫秒没更新，直接丢弃。
二、时间套利：吃「延迟」的饭
时间套利和空间套利有点像，但核心逻辑不同。空间套利是「不同地方价格不同」，时间套利是「同一个地方价格在不同时间点有规律」。举个例子：某只股票在盘前交易时段波动剧烈，但开盘后价格会回归到某个均值附近。
我做过一个比较经典的时间套利策略：
# 伪代码示例：盘前-开盘时间套利
def pre_market_to_open_arb(symbol):
pre_close = get_previous_close(symbol)
pre_market_price = get_current_price(symbol, exchange='NASDAQ')
# 如果盘前价格偏离前收盘超过0.5%
if abs(pre_market_price - pre_close) / pre_close > 0.005:
# 在开盘前1分钟建立反向头寸
if time_to_open() < 60:
place_order(symbol, side='sell' if pre_market_price > pre_close else 'buy')
# 开盘后平仓
place_stop_loss(symbol, threshold=0.001)
这个策略我跑了大概半年，年化收益在8%左右，但回撤也大。有一次盘前出了个假新闻，价格直接跳空，我那个反向头寸亏了3%。嗯，从那以后我加了个新闻过滤模块。
三、统计套利：用数学找「亲戚」
统计套利是我个人最喜欢的类别。它不依赖单一股票的价格，而是找两只或多只股票之间的「亲戚关系」。比如，可口可乐和百事可乐，历史上它们的价差一直在某个范围内波动。当价差超出范围时，你就做多便宜的、做空贵的，等它回归。
常用的统计工具包括：
| 方法 | 适用场景 | 我踩过的坑 |
|---|---|---|
| 协整检验 | 两只股票长期走势相关 | 协整关系会随时间变化，需要定期重算 |
| 配对交易 | 同行业、同板块的股票 | 别选市值差太大的，流动性不匹配 |
| 均值回归 | 价差围绕均值波动 | 均值不是固定的，要用滚动窗口 |
| 机器学习 | 多因子预测价差 | 容易过拟合，我吃过这个亏 |
警告：统计套利最大的风险是「结构突变」。比如两家公司突然合并了，或者行业政策变了，历史关系瞬间失效。我建议你每次开仓前，先看一眼新闻。
四、事件驱动套利：赌「消息」的落地
事件驱动套利，就是利用公司公告、财报、并购、分红等事件引发的价格波动。这类策略的收益通常比较高，但风险也大——因为事件的结果是不确定的。
我做过一个并购套利的例子：
- 事件：公司A宣布以每股50美元收购公司B，B当前股价45美元。
- 逻辑：买入B的股票，赌收购完成。如果成功，赚5美元差价；如果失败，B的股价可能跌回40美元以下。
- 风险：监管否决、股东反对、竞争对手出价更高。
我记得有一次，一个并购案因为反垄断审查拖了半年，我的资金被锁在里面，错过了其他机会。从那以后，我给自己定了个规矩：事件驱动策略的单笔仓位不超过总资金的5%。
五、四种策略的对比与选择
你可能会问：这么多策略，我该选哪个？我的建议是：
- 如果你有低延迟基础设施：空间套利和时间套利是首选，收益稳定但竞争激烈。
- 如果你擅长数学和编程：统计套利更适合你，回测做得好，收益可以很可观。
- 如果你喜欢研究公司基本面：事件驱动套利是你的菜，但要做好风控。
下面这张图是我自己整理的策略分类框架，你可以参考一下：
我的建议：刚开始做套利，别贪多。先选一个你最熟悉的策略，跑通一个最小可行版本。我当年就是从最简单的空间套利入手的，虽然赚得不多，但把整个流程——数据获取、订单执行、风控、日志——都摸透了。后面再做其他策略，就顺手多了。
最后说一句：策略分类只是工具，不是教条。实战中你会发现，很多机会是混合型的。比如一个并购事件，可能同时触发统计套利和事件驱动套利的信号。这时候，你需要的不是纠结它属于哪一类，而是快速判断风险收益比，然后执行。