跨品种套利基础：从原理到实战

各位同学，今天我们来聊聊跨品种套利。说实话，这是我最喜欢的交易策略之一。为什么？因为它不像单边交易那样靠天吃饭，而是利用品种之间的“亲戚关系”来赚钱。

我在刚入行时，有次看到螺纹钢和热卷的价差突然拉大，手痒做了个单边多螺纹。结果呢？被市场狠狠教育了一顿。后来我才明白，与其赌方向，不如做套利——赚的是价差回归的钱，稳得多。

什么是跨品种套利

跨品种套利，说白了就是同时买入一个品种、卖出另一个相关品种。这两个品种之间必须有经济上的关联性，比如：

• 原料与成品：大豆→豆粕+豆油（压榨套利）
• 替代关系：螺纹钢 vs 热卷（都可以用来盖楼）
• 产业链上下游：焦煤→焦炭→螺纹钢

你想想看，如果螺纹钢突然暴涨，但热卷没动，这合理吗？不合理。因为钢厂可以随时调整生产线，把产能从热卷切换到螺纹钢。这种不合理，就是我们的机会。

套利原理：价差与比价关系

套利的核心就两个概念：价差和比价。

价差 = 品种A价格 - 品种B价格
比价 = 品种A价格 / 品种B价格

我个人习惯用价差来做统计套利，因为价差更直观。比如豆粕和豆油，我一般看价差的历史分布。但有些品种，比如黄金和白银，用比价更合适——毕竟它们价格差了好几个数量级。

为什么会这样？因为产业链的利润会自我调节。举个例子：

• 如果螺纹钢利润太高，钢厂会增产，供给增加→价格回落
• 如果热卷利润太低，钢厂会减产，供给减少→价格回升

这种调节机制，保证了价差不会永远偏离。嗯，这里要注意：这个“均值”不是固定的，它会随着基本面变化而漂移。我见过不少新手死扛一个固定价差，结果被趋势行情打爆。

套利机会识别：实战框架

怎么识别套利机会？我总结了一个三步法：

1. 筛选品种对：相关性要够高（通常要求相关系数 > 0.8）
2. 计算价差/比价：用历史数据算出均值、标准差
3. 设定阈值：一般用 ±2 倍标准差作为入场信号

下面这张图是我自己画的套利机会识别流程，你一看就明白：

实战案例：螺纹钢与热卷套利

拿螺纹钢和热卷举个例子。这两个品种都是钢材，生产工艺几乎一样，只是用途不同。螺纹钢盖楼用，热卷做汽车、家电。

我曾在2020年做过一次螺纹钢-热卷套利。当时螺纹钢因为基建刺激涨得飞快，热卷却因为汽车销量下滑没跟上。价差从正常的100元/吨拉大到300元/吨。

我的操作很简单：

• 卖出螺纹钢期货
• 买入热卷期货
• 等两者价差回归到150元附近平仓

结果呢？两周后价差回到了120元，每手赚了180点。嗯，这种机会不是天天有，但一旦出现，胜率很高。

避坑指南

我曾经犯过一个低级错误：在价差偏离时直接入场，没考虑交易成本。结果呢？价差确实回归了，但扣除手续费和滑点，基本没赚钱。

所以你要记住：

• 计算成本：双边手续费 + 滑点（一般按1-2个tick算）
• 留足安全边际：价差至少要超过成本的2倍才值得做
• 别扛单：如果价差继续扩大，该止损就止损

代码示例：价差计算与信号生成

下面是我常用的Python代码，用来计算价差并生成交易信号：

import pandas as pd
import numpy as np

def calculate_spread(price_a, price_b):
    """计算价差和z-score"""
    spread = price_a - price_b
    mean = spread.rolling(60).mean()  # 60日均值
    std = spread.rolling(60).std()    # 60日标准差
    z_score = (spread - mean) / std
    
    return spread, z_score

def generate_signals(z_score, entry_threshold=2.0, exit_threshold=0.5):
    """生成交易信号"""
    signals = pd.Series(index=z_score.index, dtype='float64')
    
    # 入场信号
    signals[z_score > entry_threshold] = -1  # 做空价差
    signals[z_score < -entry_threshold] = 1  # 做多价差
    
    # 出场信号
    signals[abs(z_score) < exit_threshold] = 0
    
    # 向前填充，保持持仓状态
    signals = signals.fillna(method='ffill')
    
    return signals

# 使用示例
# spread, z_score = calculate_spread(rb_price, hc_price)
# signals = generate_signals(z_score)

这段代码的核心逻辑：当z-score超过2时入场，低于0.5时出场。我个人习惯用60日均值，但你可以根据品种特性调整。比如波动大的品种，用30日均值更灵敏。

总结一下

跨品种套利的核心就三件事：

• 找对品种对：相关性高、产业链关联强
• 算准价差：用统计方法找出均值回归区间
• 管住手：等信号出现再动手，别凭感觉交易

记住，套利不是印钞机。它只是让你在市场上活得久一点、稳一点。我见过太多人把套利做成单边，最后爆仓离场。嗯，希望你能避开这些坑。

---

公众号:蓝海资料掘金营，微信deep3321