一、跨期套利基础：从价差说起
大家好，我是老张。今天咱们聊聊跨期套利。
说实话，我刚入行那会儿，觉得套利这事儿挺玄乎的。后来做多了才发现，跨期套利说白了就是——吃价差的饭。
1.1 什么是跨期套利？
先给个定义：跨期套利，是指在同一交易所、同一品种、不同交割月份的合约之间，利用价差的不合理波动来获利。
举个例子你就明白了：
- 螺纹钢 2401 合约（2024年1月交割）
- 螺纹钢 2405 合约（2024年5月交割）
这两个合约，标的物都是螺纹钢。但价格不一样。为什么？因为时间不同，仓储成本、资金成本、市场预期都不一样。
我习惯把跨期套利叫做"时间差生意"。你想想看，同一袋大米，今天买和三个月后买，价格能一样吗？
1.2 价差与比价
这里有两个核心概念，必须搞清楚：
价差（Spread）
价差 = 近月合约价格 - 远月合约价格
比如：
- 螺纹钢2401价格：4000元/吨
- 螺纹钢2405价格：3950元/吨
- 价差 = 4000 - 3950 = 50元/吨
价差为正，叫正向市场（近高远低）。价差为负，叫反向市场（近低远高）。
重点记住：价差是绝对值，比价是相对值。做跨期套利，我们盯的是价差，不是价格本身。
比价（Ratio）
比价 = 近月价格 / 远月价格
还是上面的例子：比价 = 4000 / 3950 ≈ 1.0127
比价常用于跨品种套利，跨期套利中我们更常用价差。我个人习惯用价差，因为更直观——你赚的就是这个差值。
1.3 跨期套利的逻辑
为什么价差会波动？核心逻辑就三条：
- 持有成本理论：远月价格 = 近月价格 + 仓储费 + 资金利息 + 保险费 - 便利收益
- 供需预期：市场对未来供需的判断会反映在价差上
- 市场情绪：短期资金博弈会导致价差偏离合理区间
我记得有一次做豆粕跨期套利，价差突然从80元拉到150元。我一看，原来是某大机构在大量买入远月合约。这就是市场情绪在作怪。
我的经验：价差偏离越大，套利机会越好。但要注意，偏离可能是基本面变了，不是情绪问题。这个判断很关键。
1.4 盈利模式
跨期套利的盈利模式，说白了就是低买高卖价差。
具体分两种：
| 类型 | 操作 | 盈利条件 |
|---|---|---|
| 正向套利 | 买入近月 + 卖出远月 | 价差扩大 |
| 反向套利 | 卖出近月 + 买入远月 | 价差缩小 |
举个例子：
- 当前价差：50元（近高远低）
- 你认为价差会扩大到80元
- 操作：买入近月，卖出远月
- 如果价差真到了80元，你赚30元/吨
反过来，如果价差从50元缩小到20元，你就亏了30元。
避坑指南：我曾经犯过一个错——看到价差偏离就冲进去，结果价差继续扩大，亏了不少。后来我总结：一定要搞清楚偏离的原因。是情绪？是基本面？还是数据错误？
1.5 知识体系框架
下面这张图，是我自己画的跨期套利知识体系。你把它存下来，后面每章都会用到。
1.6 一个简单的Python示例
最后，给你看个简单的价差计算代码。这是我早期做回测时写的：
# 跨期套利 - 价差计算示例
import pandas as pd
# 模拟数据
data = {
'date': ['2024-01-02', '2024-01-03', '2024-01-04'],
'near_price': [4000, 4020, 3980],
'far_price': [3950, 3980, 3960]
}
df = pd.DataFrame(data)
df['spread'] = df['near_price'] - df['far_price']
df['ratio'] = df['near_price'] / df['far_price']
print("价差数据：")
print(df[['date', 'spread', 'ratio']])输出结果：
价差数据：
date spread ratio
0 2024-01-02 50 1.01266
1 2024-01-03 40 1.01005
2 2024-01-04 20 1.00505你看，价差从50缩到20。如果你做了反向套利（卖近买远），每吨赚30块。这就是跨期套利的基本玩法。
一个小建议：刚开始做跨期套利，别急着上实盘。先用历史数据跑跑回测，看看价差的波动规律。我当年就是这么过来的。
好了，第一章就到这里。记住一句话：跨期套利不是猜方向，是吃价差。后面我们会一步步深入，从价差分析到策略开发，再到做市商模型。
公众号:蓝海资料掘金营，微信deep3321