4、基差计算与特征工程：基差计算公式、基差标准化、基差均值回归特征、基差波动率特征、基差动量特征
好，咱们直接进入正题。基差交易的核心，说白了就是围绕「基差」这个数字做文章。你连基差怎么算、怎么处理都不清楚，后面那些花里胡哨的策略全是空中楼阁。这一章，我把基差计算到特征工程的完整链路给你捋一遍。
4.1 基差计算公式：别只记公式，要理解它
基差的标准公式很简单：基差 = 现货价格 - 期货价格。
嗯，就这么一行。但我在实战中见过太多人栽在细节上。
- 现货价格用哪个？ 我个人习惯用「最活跃的现货指数」，比如螺纹钢就用上海螺纹钢现货均价。别用那种成交稀疏的现货报价，那玩意儿失真。
- 期货价格用哪个？ 记住，永远用主力合约。如果你做的是跨期套利，那另当别论，但基差交易通常锚定主力。
- 正基差 vs 负基差：现货比期货贵，基差为正，这叫「现货升水」；反过来就是「期货升水」。不同品种的基差习性完全不同，后面会细说。
核心公式（别搞错）：
# 伪代码示例
basis = spot_price - futures_price
# 注意：单位要统一，都是元/吨，或者都是指数点我曾经遇到过一个新手，把螺纹钢的现货价格（元/吨）和期货价格（点）直接相减，结果算出来基差几千点，吓得以为市场崩了。你想想看，单位都不统一，这数据能信吗？
4.2 基差标准化：让不同品种能放在一起比
不同品种的基差绝对值天差地别。铜的基差可能就几百块，玉米的基差可能就几十块。你没法直接拿它们做横向对比。怎么办？标准化。
我常用的方法有两种：
- Z-score 标准化：
(基差 - 均值) / 标准差。这是最通用的，适合大多数情况。 - 百分比标准化：
基差 / 现货价格 * 100%。这个更直观，能看出基差占现货的比例。
我的习惯： 做策略回测时用 Z-score，因为它的统计特性好；做实时监控时用百分比，因为一眼就能看出基差是否异常。
举个例子，假设螺纹钢基差是 50 元/吨，现货价格 4000 元/吨，那百分比就是 1.25%。这个数字你一看就知道，哦，基差不算大。但如果是 50 元的绝对值，你很难判断它是不是极端值。
4.3 基差均值回归特征：这是基差交易的核心信仰
基差交易能赚钱，底层逻辑就是「均值回归」。说白了，基差不会无限扩大，也不会无限缩小，它总会在一个区间内晃悠。
怎么量化这个特征？我一般看三个指标：
- 当前基差偏离均值几个标准差：偏离 2 个标准差以上，通常意味着回归概率很高。
- 回归半衰期：基差偏离后，平均需要多久回到均值？这个用自回归模型算一下就行。
- 历史回归成功率：过去 100 次偏离 2 个标准差的情况，有多少次成功回归了？低于 70% 的品种，我建议你谨慎。
避坑指南： 我曾经在动力煤上吃过亏。它的基差经常偏离 3 个标准差还不回归，因为政策干预太频繁。均值回归不是万能的，你得先确认这个品种的「回归基因」还在不在。
4.4 基差波动率特征：风险控制的第一道防线
基差波动率，说白了就是基差上蹿下跳的幅度。波动率越大，你的仓位越容易被打止损。
我常用的计算方式：
# 计算 20 日滚动波动率
import numpy as np
basis_series = [100, 105, 98, 110, 95] # 示例数据
returns = np.diff(basis_series) / basis_series[:-1]
volatility = np.std(returns) * np.sqrt(252) # 年化波动率嗯，这里要注意：
- 滚动窗口选多大？ 我个人习惯用 20 个交易日，太短噪音大，太长反应慢。
- 波动率突变怎么办？ 比如交割月临近，基差波动率会急剧放大。这时候要么减仓，要么用更宽的止损。
你想想看，如果基差波动率突然翻倍，你还用原来的仓位规模，那不是找死吗？
4.5 基差动量特征：抓趋势，别只等回归
很多人以为基差交易就是「高了做空，低了做多」。其实不对。基差也有趋势，有时候它会沿着一个方向持续走很久。
我定义的基差动量特征包括：
- N 日变化率：比如过去 5 天基差涨了多少？这个能捕捉短期趋势。
- MACD 信号：对基差序列算 MACD，金叉死叉有时候比均值回归信号还准。
- 斜率：用线性回归算过去 10 天的斜率。斜率持续为正，说明基差在走强。
实战经验： 我一般把「均值回归」和「动量」结合起来用。比如基差偏离均值 1.5 个标准差，同时动量指标显示它还在加速偏离，那我就不急着入场，等动量衰竭再说。这叫「等第二只靴子落地」。
4.6 知识体系总览
下面这张图，把基差计算到特征工程的完整逻辑串起来了。你照着这个框架去搭建自己的特征库，基本不会跑偏。
这张图你看懂了吗？从基差计算开始，经过标准化处理，然后提取三个核心特征——均值回归、波动率、动量。最后把这些特征融合到一起，生成交易信号。每一步都有坑，每一步都有技巧。
我的建议： 刚开始做特征工程时，别贪多。先把「均值回归偏离度」这一个特征做扎实，跑通一个最简单的策略。等你有感觉了，再慢慢加波动率和动量。一口吃不成胖子，做量化也一样。
好了，基差计算与特征工程就讲到这里。记住，特征工程决定了你策略的上限，而参数调优只是帮你逼近这个上限。下一章，我们聊聊怎么用这些特征去构建具体的交易信号。