一、套利交易基础：什么是套利？

说实话，我做了这么多年量化交易，被问得最多的问题就是——「套利到底是个啥？」

很多人一听到「套利」两个字，脑子里就浮现出电影里那种疯狂敲键盘、屏幕上数字乱跳的画面。其实没那么玄乎。

套利，说白了就是「捡钱」。

同一个东西，在两个地方卖不同的价格。你从便宜的地方买，到贵的地方卖，中间的差价就是你的利润。这就是套利的本质。

嗯，这里要注意——真正的套利是无风险的。或者说，理论上应该是无风险的。

1.1 套利的数学本质

我个人习惯把套利拆成数学公式来看。这样更清楚，也更方便写代码实现。

假设有两个市场 A 和 B，同一个资产的价格分别是 P_A 和 P_B。

套利条件就是：

|P_A - P_B| > C

其中 C 是交易成本（手续费、滑点、冲击成本等）。

当这个不等式成立时，就存在套利机会。

套利利润的计算公式：

利润 = |P_A - P_B| - C

如果利润 > 0，就可以动手了。

我在项目中遇到过不少新手，看到价格差就兴奋地冲进去，结果忘了算手续费。最后发现忙活半天，利润全给交易所打工了。

1.2 套利的核心逻辑

套利听起来简单，但背后的逻辑其实挺深的。我总结了三句话：

1. 价格发现机制失效——市场暂时「犯错了」
2. 均值回归——价格最终会回到合理区间
3. 市场效率提升——套利行为本身在修复价格偏差

你想想看，如果所有市场都是完全有效的，那就不存在套利机会了。但现实是，市场经常「走神」。

比如，同一只股票在 A 股和港股同时上市，价格按理说应该差不多。但因为两个市场的投资者结构不同、交易时间不同、汇率波动等因素，价格经常出现偏差。

这就是套利者的机会。

1.3 套利的三种基本形态

根据我的经验，套利可以分成三大类。每一类的逻辑和操作方式都不一样。

套利类型	核心逻辑	典型场景	风险来源
空间套利	同一资产在不同市场的价差	跨交易所套利、跨境套利	交易延迟、流动性不足
时间套利	同一资产在不同时间的价差	期现套利、跨期套利	持仓成本、基差风险
统计套利	相关资产之间的价差回归	配对交易、ETF套利	相关性突变、模型失效

空间套利是最直观的。比如比特币在币安卖 50000 美元，在 OKX 卖 50050 美元。你在币安买，在 OKX 卖，净赚 50 美元（扣除手续费后）。

但说实话，这种机会现在越来越少了。高频交易和做市商把价差压得很低。

时间套利稍微复杂一点。比如期货和现货之间的价差。期货价格按理说应该等于现货价格加上持仓成本。如果偏差太大，就存在套利空间。

我曾经做过一个期现套利的策略，回测效果特别好。结果实盘第一天就遇到了交割日效应，差点翻车。嗯，这个坑后面会详细讲。

统计套利是我个人最喜欢的。它不依赖绝对价格的偏差，而是看两个相关资产之间的相对关系。

比如茅台和五粮液，历史上它们的价格走势高度相关。如果某天茅台涨了 5%，五粮液只涨了 1%，那这个价差大概率会回归。你就可以做多五粮液、做空茅台，赚回归的钱。

1.4 套利的数学建模框架

做量化的人，不能光靠感觉。我们需要一个数学框架来量化套利机会。

我个人习惯用以下步骤：

1. 定义价差：S = P_A - P_B（或者用对数价差）
2. 检验平稳性：用 ADF 检验判断价差是否均值回归
3. 设定阈值：通常用均值 ± k × 标准差
4. 生成信号：价差超过上阈值 → 做空价差；低于下阈值 → 做多价差
5. 风险控制：设置止损、仓位管理、最大回撤限制

代码实现大概是这样的：

import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import adfuller

def detect_arbitrage_opportunity(price_a, price_b, window=20, z_threshold=2):
    """
    检测套利机会
    price_a, price_b: 两个资产的价格序列
    window: 滚动窗口
    z_threshold: 触发交易的 Z-score 阈值
    """
    spread = price_a - price_b
    
    # 计算滚动均值和标准差
    mean = spread.rolling(window).mean()
    std = spread.rolling(window).std()
    
    # 计算 Z-score
    z_score = (spread - mean) / std
    
    # 生成信号
    signals = pd.Series(0, index=price_a.index)
    signals[z_score > z_threshold] = -1  # 做空价差
    signals[z_score < -z_threshold] = 1  # 做多价差
    
    return signals, z_score

1.5 套利策略的知识体系

下面这张图是我自己整理的套利策略知识体系。每次做新策略前，我都会对照着过一遍，确保没有遗漏。

1.6 套利交易的核心原则

最后，我想分享几条我这些年总结出来的原则。算不上什么金科玉律，但确实帮我避了不少坑。

• 不要追求完美——套利机会转瞬即逝，等你想清楚再动手，黄花菜都凉了
• 成本是第一位的——手续费、滑点、冲击成本，每一项都能吃掉你的利润
• 流动性是生命线——再好的套利机会，没有流动性就是纸上谈兵
• 风险永远存在——所谓的「无风险套利」只是理论上的，现实中总有意外
• 回测不可全信——我见过太多回测漂亮、实盘翻车的策略了。回测只是起点，不是终点

好了，第一章就到这里。套利的基础概念和核心逻辑，我觉得已经讲得比较清楚了。下一章我们会深入聊套利策略的具体实现和回测框架搭建。

---