套利分类:空间套利、时间套利、统计套利、跨品种套利

做套利这些年,我最大的感受就是——套利不是一种方法,而是一套思维框架。很多人一上来就问“哪个策略最赚钱”,其实更该问的是“我现在面对的是哪种套利机会”。

今天咱们就把套利这件事拆开来看。我个人习惯把套利分成四大类:空间套利、时间套利、统计套利、跨品种套利。这四类几乎覆盖了市场上99%的套利场景。

核心观点: 套利的本质是“同一资产在不同维度上的价差回归”。空间、时间、统计、品种,只是这个维度的不同切面。
套利分类体系 空间套利 同一资产 · 不同市场 时间套利 同一资产 · 不同时间 统计套利 相关资产 · 统计回归 跨品种套利 不同品种 · 经济关系驱动 四大套利类型 · 覆盖市场主流套利机会

一、空间套利:搬砖是门手艺活

空间套利,说白了就是“搬砖”。同一只股票、同一个期货合约,在不同交易所卖不同价格。你在低价所买入,高价所卖出,中间的差价就是利润。

听起来简单吧?但实际操作起来,坑多得很。

我记得2017年做数字货币套利那会儿,比特币在币安和火币之间经常有0.5%的价差。我一开始兴冲冲地写了个脚本自动搬砖,结果发现——提币要时间,转账要手续费,等币到账了价差早没了。

实战技巧: 空间套利的关键不是发现价差,而是“执行速度”和“资金划转效率”。如果你不能在1秒内完成双边操作,这个套利就不属于你。

空间套利的典型场景:

  • 跨交易所套利:同一资产在不同交易所的价差
  • 跨市场套利:比如A股和港股之间的AH股溢价套利
  • 跨境套利:同一商品在不同国家的价差(考虑汇率和关税)
避坑指南: 我曾经吃过一次大亏——看到某币种在三个交易所都有价差,以为可以三角套利。结果忽略了其中一个交易所的提币限额,资金卡在里面整整三天。空间套利一定要先摸清楚每个市场的“游戏规则”。

二、时间套利:跟时间做朋友

时间套利,是利用同一资产在不同时间点的价格差异。最典型的就是期货升贴水套利。

举个例子:螺纹钢现货4000元/吨,一个月后的期货合约4100元/吨。这100元的价差就是“时间溢价”。如果你能判断这个溢价不合理,就可以做多现货、做空期货,等交割日价差收敛。

为什么会存在时间套利的机会?说白了,市场对未来的预期经常“过度反应”。

我做过一个统计:股指期货在重大消息公布前后,升贴水幅度平均会扩大30%-50%。这时候进场做时间套利,胜率相当高。但要注意——时间套利最怕的是“交割日逼仓”。

核心要点: 时间套利的本质是“期限结构回归”。你需要判断的是:当前的升贴水是合理的风险溢价,还是市场的情绪偏差?

时间套利的常见形式:

  • 期货升贴水套利:做多贴水合约,做空升水合约
  • 跨期套利:同一品种不同月份合约的价差交易
  • 期现套利:期货与现货之间的基差交易

三、统计套利:用数学找规律

统计套利,是我个人最喜欢的一类。它不依赖基本面判断,纯粹靠数学和统计模型来找“定价错误”。

核心思路很简单:找到两只高度相关的资产,当它们的价差偏离历史均值时,做多被低估的、做空被高估的,等价差回归。

嗯,这里要注意——统计套利的前提是“相关性稳定”。我见过太多人拿两只股票算了个相关系数0.9就冲进去,结果三个月后相关性变成0.3,亏得底朝天。

为什么会这样?因为统计套利不是“因果”,只是“相关”。如果两只资产的价差偏离是因为基本面发生了变化,那它可能永远不会回归。

我的经验: 做统计套利,一定要加“协整检验”。相关系数高不代表长期均衡关系存在。协整才是统计套利的真正基石。

统计套利的典型流程:

  1. 筛选高度相关的资产对(相关系数 > 0.8)
  2. 做协整检验,确认长期均衡关系
  3. 计算价差的均值与标准差,设定入场阈值(通常±2σ)
  4. 价差突破阈值时开仓,回归均值时平仓
# 一个简单的统计套利信号示例(Python伪代码)
import numpy as np

# 计算价差
spread = price_A - price_B * hedge_ratio

# 计算均值和标准差
mean = np.mean(spread[-100:])
std = np.std(spread[-100:])

# 生成信号
if spread[-1] > mean + 2 * std:
    signal = "做空价差"  # 卖A买B
elif spread[-1] < mean - 2 * std:
    signal = "做多价差"  # 买A卖B
else:
    signal = "观望"

四、跨品种套利:找经济关系

跨品种套利,做的是“不同品种之间的经济逻辑”。比如大豆和豆粕、原油和燃料油、黄金和白银。

这些品种之间要么是上下游关系,要么是替代关系,要么是互补关系。它们的价格在长期来看会保持一个合理的比价。

我记得2019年做过一组跨品种套利:做多焦炭、做空螺纹钢。逻辑很简单——焦炭是螺纹钢的上游原料,当钢厂利润过高时,焦炭会补涨,螺纹钢会承压。这个套利逻辑持续了整整半年,收益相当稳定。

关键区别: 统计套利看的是“数学关系”,跨品种套利看的是“经济关系”。前者可能随时失效,后者有基本面支撑。

跨品种套利的常见组合:

套利类型 品种组合 驱动逻辑
产业链套利 大豆 → 豆粕 → 豆油 压榨利润回归
替代品套利 玉米 ↔ 小麦 饲料替代效应
互补品套利 原油 ↔ 燃料油 裂解价差回归
金融关联套利 黄金 ↔ 白银 金银比价回归
避坑指南: 我曾经在跨品种套利上犯过一个低级错误——做多螺纹钢、做空铁矿石,以为钢厂利润会扩大。结果忽略了环保限产政策,螺纹钢供给收缩,铁矿石需求下降,两个品种一起跌,但螺纹钢跌得更少,我反而亏了。跨品种套利一定要把“政策变量”考虑进去。

五、四种套利的对比与选择

说了这么多,你可能会问:那我到底该做哪一种?

我的建议是:看你的资源禀赋。

  • 如果你有速度优势(低延迟交易系统、托管机房)→ 空间套利最适合你
  • 如果你擅长基本面分析 → 时间套利和跨品种套利更适合
  • 如果你数学好、会编程 → 统计套利是你的主场

我个人是从统计套利入门的,因为它最“纯粹”——不需要盯盘,不需要打听消息,全靠模型说话。但做了几年后,我发现真正赚钱的大机会,往往来自跨品种套利。因为经济逻辑比数学规律更持久。

嗯,最后说一句:不管选哪种套利,风险管理永远是第一位的。套利不是无风险,只是风险更可控。别把套利当成“稳赚不赔”的买卖。


专注资料整理