第3章：价差分析入门

价差的定义——说白了就是“谁贵谁便宜”

做跨市场套利，你首先得搞清楚一个核心概念：价差。

我刚开始入行时，师傅丢给我一句话：“价差就是同一东西在两个地方的价格差。” 嗯，就这么简单。比如螺纹钢，上海期货交易所的主力合约价格是3800元/吨，而唐山现货市场的报价是3750元/吨，那价差就是50元/吨。

但这里有个细节要注意——价差的计算方向。我个人习惯统一用「期货价格 - 现货价格」来算。为什么？因为大部分套利策略都是做空价差（卖期货买现货）或者做多价差（买期货卖现货），方向统一了，后面分析起来才不混乱。

你可能会问：“那现货价格怎么取？” 嗯，这是个好问题。我建议用当天现货市场的主流成交价，而不是某个小贸易商的报价。我在项目中遇到过，有人用了某家小钢厂的报价，结果价差序列里全是异常点，白忙活了一周。

价差是怎么形成的？——三个核心原因

价差不是凭空产生的。说白了，它背后有实实在在的驱动力。我把它归纳为三类：

1. 持仓成本（Carry Cost）：这是最根本的原因。期货价格里包含了仓储费、资金利息、保险费等。比如你买现货放三个月，光仓储费就吃掉你20块，那期货比现货贵20块就很合理。
2. 供需错配：有时候现货突然紧缺，价格飙涨，期货反而跟不上。我记得2021年煤炭那波行情，现货一天涨100，期货涨停板才5%，价差瞬间拉大到离谱。
3. 市场情绪与流动性：期货市场有投机资金，现货市场是实打实的买卖。情绪来了，期货可以比现货贵很多，也可以便宜很多。说白了，就是“人有时候比货更疯狂”。

价差的统计特征——均值回归与趋势性

做套利的人，最关心的就是价差到底怎么走。我做了十年，发现价差有两个核心特征：均值回归和趋势性。这两个特征决定了你的策略是赚震荡的钱，还是赚趋势的钱。

1. 均值回归——价差会“回家”

大部分情况下，价差会在一个区间内来回摆动。比如螺纹钢的期现价差，长期在-50到+100之间波动。当价差跑到+120时，大概率会跌回来；当价差跌到-60时，大概率会涨回去。这就是均值回归。

为什么会这样？因为套利者在干活。价差大了，就有人做空价差（卖期货买现货），把价差压回来；价差小了甚至倒挂，就有人做多价差（买期货卖现货），把价差推上去。说白了，套利者就是价差的“自动稳定器”。

我曾经用这个逻辑做过一个铜的期现套利策略。价差跑到+300以上时开空，回到均值附近平仓。一年下来，胜率大概在75%左右。嗯，虽然单笔赚得不多，但胜在稳定。

2. 趋势性——价差也会“跑远”

但价差并不总是回归。有时候它会走出趋势，一去不回头。比如2016年供给侧改革，螺纹钢现货暴涨，期货跟涨但跟不上，价差从正50一路跌到负200，而且持续了几个月。如果你按均值回归的思路去抄底，那可就惨了。

趋势性通常由结构性变化引起：

• 政策突变（比如限产、关税调整）
• 供需格局改变（比如新产能投产、矿山停产）
• 市场规则变化（比如交割标准修改）

如何区分均值回归与趋势性？——一个实用的框架

你可能会问：“那我怎么知道当前价差是回归还是趋势？” 嗯，我个人的做法是看三个维度：

维度	均值回归特征	趋势性特征
价差波动范围	在历史区间内震荡	突破历史极值，且不回撤
基本面驱动	无重大事件，供需平衡	有政策、供需等结构性变化
回归速度	价差偏离后快速回归（几天内）	价差偏离后持续不回归（几周甚至几个月）

说白了，均值回归是常态，趋势性是例外。但做套利的人，最怕的就是把例外当常态。我建议你每次开仓前，先问自己一句：“这次的基本面有没有变化？” 如果答案是没有，那可以放心做回归；如果答案是“可能有”，那就要小心了。

价差分析的核心逻辑——一张图说清楚

下面这张图是我自己总结的价差分析框架，你一看就明白：

这张图把价差分析的三个核心维度串起来了。你从中间开始，往左看形成原因，往右看统计特征，往下看分析方法。说白了，知道价差为什么动，才知道它要怎么动。

一个简单的价差分析代码示例

最后，给你一个我平时用的Python代码片段。它计算价差的均值、标准差，并判断当前价差是否处于回归区间：

import pandas as pd
import numpy as np

# 假设df包含两列：'futures'和'spot'
df['spread'] = df['futures'] - df['spot']

# 计算20日均值和标准差
df['mean_20'] = df['spread'].rolling(20).mean()
df['std_20'] = df['spread'].rolling(20).std()

# 判断是否触发回归信号
df['upper'] = df['mean_20'] + 2 * df['std_20']
df['lower'] = df['mean_20'] - 2 * df['std_20']

# 信号：1表示做空价差（价差过高），-1表示做多价差（价差过低）
df['signal'] = 0
df.loc[df['spread'] > df['upper'], 'signal'] = -1
df.loc[df['spread'] < df['lower'], 'signal'] = 1

print(df[['spread', 'mean_20', 'upper', 'lower', 'signal']].tail(10))

好了，价差分析入门就讲到这里。记住三个关键词：定义、原因、统计特征。把这三点吃透了，后面的套利策略才能站得住脚。