一、套利基础概念：什么是套利？

大家好，我是你们的量化导师。今天咱们聊聊套利——这个听起来高大上、其实很接地气的概念。

先问个问题：你见过菜市场里有人同时买进卖出同一种菜吗？没有吧。但在金融市场里，这种事天天发生。说白了，套利就是「低买高卖」的极致版本——同一时间、不同市场，赚取价差。

1.1 套利的定义

套利（Arbitrage），简单讲就是：在一个市场低价买入，同时在另一个市场高价卖出，赚取无风险的价差收益。

我刚开始做量化时，觉得套利就是捡钱。后来踩过坑才明白——真正的套利机会转瞬即逝，而且往往伴随着隐藏成本。

1.2 套利的数学本质

咱们用数学语言来拆解一下。假设有一个资产，在A市场卖100元，在B市场卖102元。你同时买入A、卖出B，每单位赚2元。这就是最朴素的套利。

数学上，套利机会存在的条件是：

• 价格不一致：同一资产在不同市场存在价差
• 可同时交易：你能在同一时间点完成买卖
• 无摩擦成本：交易费用、滑点等不影响利润

用公式表示就是：

套利利润 = |P_B - P_A| - 交易成本 > 0

其中P_A和P_B分别是两个市场的价格。注意，这个公式里有个陷阱——交易成本。我见过太多新手，看到价差就冲进去，结果手续费一扣，反而亏了。

1.3 无风险条件的严格定义

真正的套利，必须满足「无风险」条件。什么叫无风险？说白了就是：无论市场怎么波动，你的利润都是锁定的。

无风险套利需要满足三个条件：

1. 零初始投资：你不需要自己掏钱，或者投入的资金可以完全对冲
2. 正收益：最终收益大于零，且是确定的
3. 无市场风险：价格波动不会影响你的利润

1.4 套利的分类

套利不是只有一种玩法。根据我的经验，常见的套利类型有：

类型	描述	典型例子
跨市场套利	同一资产在不同交易所交易	比特币在币安和火币的价差
跨期套利	同一资产不同到期月份	股指期货当月与下月合约
跨品种套利	相关性强的不同资产	黄金与白银、豆粕与豆油
统计套利	基于统计模型的价格偏离	配对交易、均值回归

我个人最常用的是统计套利。为什么？因为纯无风险套利太难抓了，而统计套利虽然带点风险，但机会多得多。

1.5 套利的数学建模

咱们用Python来模拟一个最简单的跨市场套利。假设有两个交易所，价格序列如下：

import numpy as np
import pandas as pd

# 模拟两个市场的价格
np.random.seed(42)
prices_A = 100 + np.random.randn(100) * 0.5
prices_B = 100.5 + np.random.randn(100) * 0.5

# 计算价差
spread = prices_B - prices_A

# 设定阈值：超过0.5元就触发套利
threshold = 0.5
signals = np.where(spread > threshold, 1, 
                   np.where(spread < -threshold, -1, 0))

print(f"共发现 {np.sum(signals != 0)} 次套利机会")
print(f"平均价差: {np.mean(spread):.4f}")

这段代码很简单，但背后有个坑——你同时买卖了吗？ 我刚开始写策略时，经常忽略「同时」这个条件。如果先买后卖，价格已经变了，套利就变成了投机。

1.6 套利的知识体系

下面这张图，是我自己总结的套利知识框架。你看一眼，就能明白咱们这章在讲什么：

1.7 套利的现实挑战

讲完理论，咱们聊聊现实。我做了这么多年量化，发现套利最大的敌人不是市场，而是：

• 交易成本：手续费、印花税、滑点，每一项都在吃掉你的利润
• 执行速度：你看到机会时，别人也看到了。谁快谁赚钱
• 资金限制：很多套利需要大资金才能覆盖成本
• 市场冲击：你下单时，价格可能已经变了

嗯，这一章就到这里。记住：套利不是捡钱，是抢钱。你得比别人快、比别人准、比别人成本低。下一章咱们聊聊如何用Python搭建套利策略的框架。

---