第一章：跨品种套利基础

各位同学好，我是老张。在量化交易这个行当摸爬滚打了十几年，今天咱们来聊聊跨品种套利。说实话，这是我最喜欢的一个策略类型——风险可控，收益稳定，而且特别考验交易员的功底。

跨品种套利，说白了就是利用两个相关品种之间的价格失衡来赚钱。你想想看，螺纹钢和热卷，豆粕和豆油，这些品种天生就有血缘关系。价格跑偏了，迟早要回归。我们要做的，就是在偏离的时候进场，在回归的时候离场。

1.1 什么是跨品种套利

跨品种套利，是指同时买入一个品种、卖出另一个相关品种的交易策略。这两个品种通常属于同一产业链，或者具有替代关系、互补关系。

举个例子，我2015年做过一个经典的套利组合：螺纹钢和热卷。它们都是钢材，但用途不同。螺纹钢主要用于建筑，热卷主要用于制造业。当房地产火爆的时候，螺纹钢价格就会相对走强。这时候做多螺纹、做空热卷，就能赚到价差回归的钱。

1.2 套利的底层原理

为什么价差会回归？这里有三个底层逻辑：

1. 生产成本约束：两个品种如果共享原材料，成本端就会形成约束。比如豆粕和豆油，都是大豆压榨出来的。压榨利润太高或太低，都会引发套利行为。
2. 替代效应：当A品种太贵，下游企业就会改用B品种。这种替代行为会拉平价差。
3. 统计回归：价差在大多数时间里围绕均值波动。偏离太远，就会像橡皮筋一样被拉回来。

我记得刚入行那会儿，有个老交易员跟我说过一句话：「价差就像弹簧，压得越狠，弹得越猛。」这话糙理不糙。

1.3 价差与比价关系

这里要区分两个概念：价差和比价。

概念	定义	适用场景
价差	价格A - 价格B	价格水平相近的品种（如螺纹钢 vs 热卷）
比价	价格A / 价格B	价格水平差异大的品种（如铜 vs 锌）

我个人习惯用价差来做统计套利，用比价来做基本面套利。为什么？因为价差更直观，适合做均值回归。比价则能反映相对强弱，适合做趋势跟踪。

1.4 套利机会的识别

怎么找到套利机会？我总结了三个步骤：

• 第一步：筛选组合。找相关性高、有经济逻辑的品种对。别瞎配对，要有产业逻辑支撑。
• 第二步：计算价差。用历史数据算价差，画分布图。看看价差在什么区间内波动。
• 第三步：设定阈值。一般用均值±2倍标准差作为开仓信号。当然，这个参数可以调。

我曾经犯过一个错误：2018年做豆粕和菜粕的套利，没注意到两者价差有季节性规律。结果在价差本该扩大的季节做了回归策略，亏了不少。嗯，从那以后，我每次做套利都会先看看有没有季节性因素。

1.5 知识体系总览

下面这张图，是我自己整理的跨品种套利知识框架。你看一眼，心里就有谱了。

1.6 一个简单的价差计算示例

光说不练假把式。咱们写个简单的Python代码，算算螺纹钢和热卷的价差：

import pandas as pd
import numpy as np

# 模拟数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='D')
rb_price = 3800 + np.cumsum(np.random.randn(100) * 10)  # 螺纹钢
hc_price = 3900 + np.cumsum(np.random.randn(100) * 10)  # 热卷

# 计算价差
spread = rb_price - hc_price
mean_spread = np.mean(spread)
std_spread = np.std(spread)

print(f"价差均值: {mean_spread:.2f}")
print(f"价差标准差: {std_spread:.2f}")
print(f"开仓上阈值: {mean_spread + 2*std_spread:.2f}")
print(f"开仓下阈值: {mean_spread - 2*std_spread:.2f}")

你看，代码很简单。但真正难的是：你选的这个组合，价差到底会不会回归？这就需要你对产业有深刻的理解了。

好了，第一章就讲这么多。跨品种套利的基础框架，你已经有了。后面我们会深入讲仓位管理、动态调整这些实战内容。记住一句话：套利不是无风险，而是风险可控。控制好仓位，你才能在市场里活得久。

---

公众号:蓝海资料掘金营，微信deep3321