2. 套利核心逻辑：价差与比价的概念、均值回归假设、统计套利基础
聊套利，咱们得先搞清楚一个最根本的问题——你到底在交易什么？
很多人一上来就盯着两个品种的K线看，觉得一个涨一个跌就能套。其实没那么简单。套利的本质，是交易两个品种之间的相对关系，而不是它们各自的价格。
我个人习惯把这种关系分成两类：价差和比价。搞懂这俩，你才算入了套利的门。
2.1 价差与比价：两种不同的视角
价差（Spread），就是两个价格直接相减。比如螺纹钢和热卷，都是黑色系，价格水平差不多，用减法很直观：
价差 = P_螺纹 - P_热卷但换成豆粕和豆油呢？价格差了几千块，用减法就没意义了。这时候得用比价（Ratio）：
比价 = P_豆粕 / P_豆油说白了，价差适合价格水平相近的品种，比价适合价格水平差异大的品种。这个选择很关键，选错了，你的统计模型可能全是噪音。
- 价差 = 线性关系，适合同产业链、价格相近的品种
- 比价 = 非线性关系，适合跨产业链、价格差异大的品种
- 实际应用中，我建议先用历史数据画个图，看看哪个更平稳
我在项目中遇到过一件事。有次做棕榈油和豆油的套利，一开始用价差建模，回测效果很差。后来改成比价，参数一调，夏普比率直接翻了一倍。你想想看，同样的数据，只是换了个表达方式，结果天差地别。
2.2 均值回归假设：套利能赚钱的根本原因
套利策略能赚钱，靠的是什么？不是预测价格涨跌，而是赌价差会回到“正常水平”。这就是均值回归假设。
嗯，这里要注意。均值回归不是万能的。它有一个前提：两个品种之间必须存在某种经济上的绑定关系。
- 同一产业链：比如豆粕和豆油，同榨一吨大豆，成本绑定
- 替代关系：比如螺纹钢和热卷，下游客户可以互相替代
- 套利机制：比如股指期货和ETF，有套利者盯着搬砖
如果没有这些绑定关系，均值回归就是空中楼阁。我曾经见过有人拿比特币和黄金做套利，理由是“都是避险资产”。结果呢？价差一路漂移，亏得底裤都不剩。
我曾经犯过一个错误——看到价差偏离历史均值3个标准差就开仓，结果被一波趋势行情直接打爆。后来我学乖了：均值回归假设需要先做平稳性检验，别光靠肉眼。
2.3 统计套利基础：从理论到可执行
统计套利，说白了就是把均值回归假设量化成一套可执行的规则。核心就三步：
- 建模：找到两个品种的长期关系（价差或比价）
- 计算偏离度：当前价差离均值有多远（通常用Z-score）
- 触发交易：偏离到一定程度就开仓，回归了就平仓
Z-score的计算很简单：
Z = (当前价差 - 均值) / 标准差当|Z| > 2时，说明价差偏离较大，可以考虑开仓。当Z回归到0附近，平仓了结。
但这里有个坑——窗口期怎么选？
我个人的经验是：先用60天滚动窗口做回测，看看稳定性。如果回测结果不错，再逐步缩短到30天、20天。别一上来就用太短的窗口，噪声太多，你会被假信号耍得团团转。
统计套利不是无风险套利。它赌的是“价差会回归”，但如果基本面变了（比如政策调整、供需失衡），价差可能永远不回归。这就是所谓的“价差漂移”。我建议每笔交易都设好止损，别死扛。
2.4 本章知识体系：一张图看懂
下面这张图，是我自己整理的核心逻辑框架。你把它存下来，以后做套利策略时，随时对照着看：
2.5 一个简单的实战案例
光说不练假把式。我给你看一个我实际跑过的例子——螺纹钢和热卷的价差套利。
这两个品种，都是黑色系，价格水平差不多，用价差很合适。我取了2023年1月到6月的数据，算了一下：
| 统计量 | 数值 | 说明 |
|---|---|---|
| 均值 | 85元/吨 | 螺纹钢比热卷平均贵85元 |
| 标准差 | 32元/吨 | 价差波动范围 |
| Z-score阈值 | ±2.0 | 偏离超过2个标准差开仓 |
| 交易次数 | 12次 | 半年内触发信号 |
| 胜率 | 75% | 9次盈利，3次亏损 |
| 最大回撤 | 2.3% | 单笔最大亏损 |
你看，这个策略并不复杂。但为什么很多人做不好？因为执行的时候容易手痒——看到价差偏离了1.5个标准差就想进场，结果被来回打脸。
我建议你，严格执行阈值。2个标准差就是2个，别自作聪明改成1.8。统计套利赚的就是概率钱，纪律比什么都重要。
如果你发现价差长期不回均值，别死扛。先检查一下基本面是不是变了。比如螺纹钢和热卷，如果突然出了个限产政策，价差中枢可能永久性上移。这时候，你的均值回归假设就失效了。
好了，这一章的内容就到这儿。价差与比价的选择、均值回归的假设、统计套利的三步流程——这些是套利策略的基石。你把这些吃透了，后面讲协整、讲配对交易，你才能跟得上。