1. 套利基础：什么是跨品种套利？套利的本质与核心逻辑

大家好，我是你们的讲师。做了十几年量化，说实话，我最怕别人问我「你做什么策略」。因为一说「套利」，很多人第一反应就是「哦，赚差价嘛」。嗯，这话没错，但太浅了。今天咱们就把这层窗户纸捅破。

1.1 套利的本质：不是赚差价，是赚「定价错误」

先问大家一个问题：为什么会有套利机会？

市场不是完美的。同一份资产，在不同地方、不同时间、不同形态下，价格可能不一样。比如同一只股票，在A股和港股同时上市，价格就经常不同。但跨品种套利更微妙——它赚的是相关品种之间定价关系的偏离。

我举个例子。螺纹钢和热卷，都是钢铁产品。生产工艺相近，下游需求也高度重叠。正常情况下，热卷比螺纹钢贵个200-300块钱。但有一年，螺纹钢因为基建需求暴涨，价格一度反超热卷。这时候，懂行的人就会做空螺纹、做多热卷。为什么？因为这种价差不可能长期存在。

说白了，你不是在赌某个品种涨跌，而是在赌它们之间的关系会恢复正常。这是本质区别。

1.2 套利的底层逻辑：均值回归与统计套利

套利能赚钱，靠的是两个底层逻辑：

1. 经济逻辑：两个品种有内在的替代性或互补性，价差不可能无限扩大。
2. 统计逻辑：价差序列在统计上呈现均值回归特征。

我刚开始做套利时，犯过一个低级错误。我看豆粕和菜粕价差很大，直接进场做空豆粕、做多菜粕。结果价差继续扩大，亏了不少。后来复盘才发现——我只看了一眼价差，没做平稳性检验。这两个品种虽然相关，但当时的价差并不具备均值回归特性。

1.3 跨品种套利的三种常见模式

根据我的经验，跨品种套利可以分成三类。我画了张图，大家一看就明白。

这三种模式，我个人的经验是：产业链套利最稳，替代品套利最灵活，宏观驱动套利波动最大。刚开始做，我建议从产业链套利入手。

1.4 套利的核心：价差分析与交易信号

做套利，你盯的不是价格，是价差。怎么分析价差？我一般用这几个步骤：

1. 计算价差：价差 = 品种A价格 - 品种B价格 × 系数
2. 标准化：用Z-score把价差变成均值为0、标准差为1的序列
3. 设定阈值：Z-score超过±2时，考虑进场
4. 止损：Z-score超过±3时，强制平仓

这里有个细节。系数怎么定？不是拍脑袋。我一般用协整回归来算。举个例子：

import statsmodels.api as sm
import numpy as np

# 假设price_a和price_b是两个品种的价格序列
# 先做OLS回归，得到对冲系数
X = sm.add_constant(price_b)
model = sm.OLS(price_a, X).fit()
hedge_ratio = model.params[1]  # 这就是对冲系数

# 计算价差
spread = price_a - hedge_ratio * price_b

# 计算Z-score
z_score = (spread - spread.mean()) / spread.std()

嗯，这里要注意。协整关系不是一成不变的。我见过有人用一年前的系数做交易，结果亏得很惨。建议滚动窗口，比如用过去60个交易日的数据重新计算系数。

1.5 套利的风险：你以为的无风险，其实全是风险

很多人觉得套利是「无风险」的。我告诉你，这是最大的误解。套利有三大风险：

风险类型	具体表现	我的应对方法
价差不回归风险	价差持续扩大，不回均值	严格止损，Z-score超过3.0必须平仓
流动性风险	一个品种流动性差，无法平仓	只做主力合约，避开交割月
政策风险	政策变化导致价差结构改变	关注产业政策，比如环保限产、关税调整

我曾经吃过一次大亏。2016年做螺纹钢和铁矿石的套利，价差一直很稳。结果突然出了个供给侧改革，螺纹钢暴涨，价差直接崩了。那次我亏了将近20%。从那以后，我养成了一个习惯——每次进场前，先看看最近有没有重大政策。

1.6 总结：套利的三个核心问题

做跨品种套利，你只需要问自己三个问题：

• 为什么它们会回归？——经济逻辑要讲得通
• 什么时候回归？——统计上要有均值回归特征
• 不回归怎么办？——止损计划要提前做好

这三个问题想清楚了，套利策略就成功了一半。剩下的，就是执行和纪律。

好了，这一章就到这里。记住：套利不是无风险，而是用逻辑和纪律去管理风险。下一章，我们会深入讲价差分析的具体方法，包括平稳性检验和协整建模。到时候见。

---

公众号:蓝海资料掘金营，微信deep3321