第一章：跨品种套利基础：定义、原理与市场逻辑

1.1 什么是跨品种套利？

跨品种套利，说白了就是利用两个不同但相关的品种之间的价差波动来赚钱。

我刚开始做量化那会儿，总觉得套利就是「低买高卖」的简单活。后来踩过坑才明白——跨品种套利的核心，不是预测价格涨跌，而是赌价差会回归。

举个例子：螺纹钢和热卷。这两个品种都跟钢铁有关，但用途不同。螺纹钢主要盖楼，热卷主要造汽车、家电。当楼市火爆、车市冷清时，螺纹钢会比热卷强。这时候价差就会拉大。我的策略就是：当价差大到离谱时，做空螺纹钢、做多热卷，等它回归。

1.2 跨品种套利的底层原理

为什么价差会回归？这背后有三个逻辑支撑。

1.2.1 生产替代性

有些品种可以互相替代。比如豆粕和菜粕，都是饲料原料。当豆粕太贵时，饲料厂会多买菜粕。这种替代行为会拉近两者的价差。我在做农产品套利时，就经常盯着这个逻辑。

1.2.2 成本传导链

上下游品种之间，成本会传导。比如焦煤和焦炭。焦煤是焦炭的原料。焦煤涨价，焦炭成本就上升。正常情况下，焦炭价格会跟着涨。如果焦炭没跟上，那价差就出现了套利机会。

1.2.3 宏观驱动因子

有些品种虽然不直接相关，但受同一个宏观因素驱动。比如铜和原油，都跟全球经济景气度有关。经济好时，两者都涨；经济差时，两者都跌。但涨跌幅度不同，这就产生了价差波动。

1.3 市场逻辑：价差为什么会偏离？

你想想看，如果市场永远有效，价差就不会有套利空间。但现实是，市场经常犯错。

为什么会这样？

• 情绪驱动：某个品种突然被炒作，另一个没跟上。比如2021年煤炭限产，动力煤暴涨，但焦煤反应慢半拍。价差瞬间拉大。
• 流动性错配：大资金进出时，会短期扭曲价差。我记得有一次，某机构平仓螺纹钢多单，直接把价差打穿了两个标准差。
• 政策冲击：关税、环保限产、出口退税调整，都会让价差短期失控。这时候，套利者要小心——价差可能不回归，反而走得更远。

1.4 跨品种套利的分类

按逻辑分，主要有三类：

类型	逻辑	例子
产业链套利	上下游成本传导	焦煤 vs 焦炭
替代品套利	消费替代性	豆粕 vs 菜粕
宏观驱动套利	共同因子驱动	铜 vs 原油

我个人习惯把产业链套利放在第一位。因为逻辑最硬，回归概率最高。替代品套利也不错，但要注意季节性。宏观驱动套利，嗯，这个最难做——宏观因子太多，价差容易走偏。

1.5 跨品种套利 vs 跨期套利

很多人容易搞混这两个概念。我简单说一下区别：

• 跨期套利：同一个品种，不同月份合约。比如螺纹钢2401 vs 2405。
• 跨品种套利：不同品种，但相关。比如螺纹钢 vs 热卷。

跨期套利更安全，因为同一个品种，基本面一样。跨品种套利风险更高，因为两个品种的基本面可能不同步。但收益也更高——你想想看，风险溢价嘛。

1.6 知识体系框架

下面这张图，是我自己总结的跨品种套利知识体系。你可以把它当作本章的思维导图。

1.7 一个简单的价差计算示例

做跨品种套利，第一步就是算价差。我一般用标准化价差，也就是 Z-score。

# 伪代码示例：计算螺纹钢与热卷的标准化价差
import numpy as np

# 假设我们有100个交易日的收盘价
rb_prices = [3800, 3810, 3820, ...]  # 螺纹钢
hc_prices = [3900, 3915, 3920, ...]  # 热卷

# 计算价差
spread = np.array(rb_prices) - np.array(hc_prices)

# 计算均值和标准差
mean_spread = np.mean(spread)
std_spread = np.std(spread)

# 标准化价差
z_score = (spread[-1] - mean_spread) / std_spread

print(f"当前Z-score: {z_score:.2f}")
# 如果Z-score > 2 或 < -2，说明价差偏离严重，可以考虑开仓

嗯，这里要注意：Z-score 只是入门工具。真正实战时，我还会考虑波动率聚类、协整检验这些东西。后面章节会详细讲。

1.8 本章小结

跨品种套利，说白了就是赌价差会回归。但回归不是必然的——你得搞清楚背后的逻辑：是替代性、成本传导，还是宏观驱动？

我见过太多人，看到价差大了就冲进去，结果被趋势行情打爆。记住：套利不是无风险，只是风险相对可控。做好风控，比什么都重要。

下一章，我们会深入讲价差建模和协整检验。到时候我会分享一个我踩过的坑——协整检验通过，但实盘亏钱的案例。嗯，先卖个关子。

---