3. 价差序列构建：计算方法与标准化处理
价差序列，说白了就是两个品种价格之间的“差值轨迹”。
很多人以为价差就是简单的A减B，其实没那么简单。我做了这么多年套利，见过太多人栽在第一步——价差算错了，后面所有分析都是白搭。
3.1 价差的基本计算方法
先讲最基础的。价差计算有三种主流方式：
- 直接相减法：Price_A - Price_B
- 对数价差法：ln(Price_A) - ln(Price_B)
- 比例价差法：Price_A / Price_B
我个人习惯用对数价差。为什么？因为对数变换后，价差序列的统计性质更稳定，方差齐性更好。我在项目中遇到过用直接相减法做螺纹钢和热卷的套利，结果价差序列的方差随着价格水平变化，搞得我回测结果忽上忽下。换成对数价差后，问题就解决了。
核心原则：价差计算方式取决于品种间的协整关系。如果两个品种价格水平相近，直接相减即可；如果价格水平差异大，建议用对数价差。
3.2 标准化处理：让价差变得“可读”
算完价差，你会发现一个问题——不同时间段的价差数值范围不一样。比如2015年螺纹钢和热卷的价差在[-200, 200]之间波动，到了2021年变成了[-500, 500]。这怎么比较？
所以需要标准化。我常用的方法有两种：
| 方法 | 公式 | 适用场景 |
|---|---|---|
| Z-score标准化 | (X - μ) / σ | 均值回归策略，最常用 |
| Min-Max标准化 | (X - min) / (max - min) | 需要固定阈值区间时 |
嗯，这里要注意：Z-score标准化假设数据服从正态分布。但实际中价差序列往往有厚尾特征。我建议用滚动窗口计算均值和标准差，窗口大小一般取20个交易日或60个交易日。
我的经验：滚动窗口太短（比如5天），标准化后的序列噪声太大；窗口太长（比如120天），对市场变化的反应太迟钝。我个人偏好60天窗口，兼顾稳定性和灵敏度。
3.3 代码实现：从原始数据到标准化价差
光说不练假把式。下面是我常用的Python实现：
import numpy as np
import pandas as pd
def build_spread(price_a, price_b, method='log'):
"""
构建价差序列
method: 'log' 对数价差, 'direct' 直接相减, 'ratio' 比例价差
"""
if method == 'log':
spread = np.log(price_a) - np.log(price_b)
elif method == 'direct':
spread = price_a - price_b
elif method == 'ratio':
spread = price_a / price_b
return spread
def zscore_normalize(spread, window=60):
"""
滚动Z-score标准化
"""
mean = spread.rolling(window=window).mean()
std = spread.rolling(window=window).std()
zscore = (spread - mean) / std
return zscore
# 使用示例
price_a = pd.Series([...]) # 品种A价格
price_b = pd.Series([...]) # 品种B价格
raw_spread = build_spread(price_a, price_b, method='log')
norm_spread = zscore_normalize(raw_spread, window=60)这段代码我用了好几年，基本没出过问题。但有一个坑——滚动窗口的前期数据会变成NaN。我一般会丢弃前60个数据点，或者用回填法填充。
3.4 避坑指南：价差构建中的常见陷阱
我曾经犯过一个低级错误：用不同交易所的收盘时间不一致的数据构建价差。比如上期所的螺纹钢15:00收盘，而大商所的铁矿石15:00收盘但最后三分钟是集合竞价。结果价差序列里出现了大量“伪信号”。
所以，构建价差前一定要做三件事：
- 时间对齐：确保两个品种的采样时间完全一致
- 合约匹配：用相同到期月份的合约，或者用主力连续合约
- 异常值处理：剔除涨跌停、停牌等异常数据点
警告：不要直接用不同交易所的收盘价做价差！不同交易所的收盘机制不同，价差里会混入“时间错配”的噪声。我建议用日内分钟线数据，或者至少用同一时刻的快照数据。
3.5 知识体系图：价差构建全流程
下面这张图总结了价差构建的完整流程，从原始数据到最终可用的标准化价差：
3.6 实战中的几个细节
最后聊几个我踩过的坑：
- 合约换月：主力合约切换时，价差会出现“跳空”。我一般会在换月前后各留3天缓冲期，用加权平均价过渡。
- 交易成本：价差序列本身不含交易成本。但做策略时一定要把手续费、滑点算进去。我见过有人回测年化30%，加上成本后直接变负。
- 数据频率：日线数据适合长周期套利，分钟线适合高频。但高频数据的噪声更大，标准化时建议用更短的滚动窗口。
一个小技巧：构建完价差序列后，先画个图看看。如果价差看起来像随机游走，那大概率没有套利机会。如果价差有明显的均值回复特征，恭喜你，找到金矿了。
价差构建是套利策略的基石。这一步做扎实了，后面的风险控制和资金管理才能有的放矢。嗯，今天就先聊到这里。
公众号:蓝海资料掘金营，微信deep3321