一、跨品种套利基础：定义、原理、价差与比价关系、统计套利与基本面套利
各位同学，咱们今天聊聊跨品种套利。说实话，这个领域我摸爬滚打了七八年，踩过的坑比吃过的盐还多。但正是这些经历，让我对套利有了更深的理解。
先问大家一个问题：为什么不同品种之间会存在套利机会？说白了，就是因为市场不是完全有效的。两个相关品种，比如螺纹钢和热卷，它们价格走势大体一致，但偶尔会「跑偏」。这种跑偏，就是我们的利润来源。
1.1 跨品种套利的定义与核心逻辑
跨品种套利，简单讲就是：买入一个品种，同时卖出另一个相关品种，赚取它们之间价差回归的收益。
我个人习惯把套利分成两类：
- 强相关套利：比如豆油和棕榈油，它们可以互相替代，价差有明确的上限和下限
- 弱相关套利：比如铜和铝，虽然同属有色金属，但基本面差异较大，套利逻辑更复杂
核心原理：两个品种的价格受共同因素驱动，但短期会出现偏离。套利者做的就是「赌偏离会回归」。
嗯，这里要注意：不是所有偏离都会回归。我见过太多人死扛价差，结果被趋势行情一波带走。所以，套利不是无风险，只是风险相对较小。
1.2 价差与比价关系
这是套利分析的基础工具。咱们先看两个概念：
| 指标 | 定义 | 适用场景 |
|---|---|---|
| 价差 | 价格A - 价格B | 同品种不同合约、同产业链上下游 |
| 比价 | 价格A / 价格B | 不同品种、不同计价单位 |
举个例子。螺纹钢和热卷，都是钢材，但用途不同。它们的价差通常在50-200元/吨之间波动。当价差扩大到300以上时，我会考虑做空价差（卖螺纹买热卷）。
为什么会这样？因为热卷的加工成本更高，正常情况下应该比螺纹贵。如果螺纹突然比热卷贵很多，说明市场情绪过度了，迟早会回归。
我的经验：价差分析时，别只看绝对值。要结合历史分位数来看。比如当前价差处于90%分位数以上，那回归的概率就很大。但也要警惕「新常态」——有时候基本面变了，历史区间就不适用了。
1.3 统计套利 vs 基本面套利
这两个流派，我都有过深入实践。简单说说区别：
统计套利
纯靠数学说话。核心步骤：
- 找两个高度相关的品种（相关系数 > 0.8）
- 计算价差的均值和标准差
- 当价差偏离均值超过2个标准差时，开仓
- 等回归到均值附近，平仓
代码实现其实不复杂：
# 计算滚动价差和Z-score
spread = price_A - price_B
mean = spread.rolling(60).mean()
std = spread.rolling(60).std()
z_score = (spread - mean) / std
# 开仓条件
if z_score > 2:
# 做空价差：卖A买B
place_order('A', -1)
place_order('B', 1)
elif z_score < -2:
# 做多价差：买A卖B
place_order('A', 1)
place_order('B', -1)我曾经用这个策略跑过豆油-棕榈油套利，年化收益15%左右，最大回撤不到5%。但后来市场结构变了，相关系数下降，策略就失效了。所以，统计套利需要定期重新校准参数。
基本面套利
这个更考验对产业的理解。比如：
- 库存逻辑：当A品种库存高企，B品种库存紧张时，做空A做多B
- 利润逻辑：当钢厂利润过高时，做空螺纹做多铁矿（成本端）
- 替代逻辑：当玉米价格远高于小麦时，饲料厂会调整配方，导致价差回归
避坑指南：我曾经在2018年做空螺纹-铁矿价差，理由是钢厂利润太高。结果环保限产导致螺纹暴涨，价差反而扩大了。教训是：基本面套利要考虑政策风险，不能只看利润。
1.4 知识体系总览
下面这张图，是我自己总结的跨品种套利知识框架。建议保存下来，后面每学一章都可以对照着看：
1.5 实战中的几个关键点
最后，分享几个我这些年总结的经验：
- 别迷信历史：统计套利依赖历史数据，但市场会变。我见过太多人用过去3年的数据回测很漂亮，一实盘就亏钱。为什么？因为市场结构变了。
- 注意交易成本：套利通常是高频、低利润的。如果手续费太高，或者滑点太大，利润就被吃掉了。我一般会预留0.5个最小变动价位的成本空间。
- 仓位管理：套利不是无风险，所以别满仓干。我个人的习惯是，单笔套利仓位不超过总资金的20%。
- 止损要坚决：价差可能不回归，甚至越走越远。我给自己定的规矩是：亏损超过2个标准差，无条件止损。
一句话总结：跨品种套利赚的是「市场犯错」的钱。但市场犯错的时候，也可能把你一起带沟里。所以，策略要严谨，风控要严格。
好了，这一章就到这里。下一章我们会深入价差分析的具体方法，包括如何计算协整关系、如何构建套利组合。到时候我会带大家手写一个完整的回测框架。