一、价差套利基础

什么是价差套利？

价差套利，说白了就是「吃差价」。

我刚开始做量化时，有个前辈跟我说过一句话，我一直记着：「套利不是预测价格涨跌，而是赌价格关系回归。」这句话点醒了我。

举个例子。假设沪深300股指期货在A交易所报价4000点，在B交易所报价4005点。你同时买入便宜的、卖出贵的，等价格拉平后平仓。这5个点的差价，就是你的利润。

听起来简单？嗯，但实际操作中，这5个点可能转瞬即逝。高频交易里，我们拼的就是毫秒级的反应速度。

套利交易的核心逻辑

套利交易的核心逻辑，其实就三个字：价差回归。

为什么会存在价差？因为市场不是完美的。信息传递有延迟、流动性有差异、交易者有情绪。这些因素都会导致价格暂时偏离合理水平。

我个人习惯把套利逻辑拆成三步：

1. 发现价差 — 找到两个相关资产的价格偏离
2. 执行交易 — 同时买入低估、卖出高估
3. 等待回归 — 价差收敛后平仓获利

我在项目中遇到过最典型的例子是ETF套利。ETF的净值（NAV）和市场价格经常有偏差。我记得有一次，某只ETF的市价比净值低了0.3%，我立刻买入ETF份额、同时卖出对应的成分股组合。等市价回归净值后，0.3%的利润就到手了。虽然单笔利润不大，但一天做几十次，收益相当可观。

价差套利的分类

套利按交易对象的不同，主要分三类。我分别说说。

1. 跨期套利

同一品种、不同到期月份合约之间的套利。

比如螺纹钢期货，主力合约是2401，次主力是2405。正常情况下，远月合约比近月贵一些（持仓成本）。但如果市场情绪极端，远月反而比近月便宜，这就出现了套利机会。

我习惯把跨期套利分成两种：

• 牛市套利 — 买入近月、卖出远月。预期近月涨得比远月快。
• 熊市套利 — 卖出近月、买入远月。预期近月跌得比远月快。

你想想看，这其实就是在赌「期限结构」的变化。

2. 跨品种套利

两个相关品种之间的套利。

典型的例子是豆粕和豆油。它们都是大豆压榨的产物，价格有天然的联动关系。如果豆粕涨得太快、豆油没跟上，就可以做空豆粕、做多豆油，等两者比值回归。

我做跨品种套利时，最常用的工具是协整检验。说白了，就是看看两个品种的历史价差是不是稳定的。如果稳定，价差偏离到一定程度就会回归。

# 一个简单的协整检验示例
import statsmodels.api as sm

# 假设price_a和price_b是两个品种的价格序列
def check_cointegration(price_a, price_b):
    # 回归分析
    result = sm.OLS(price_a, sm.add_constant(price_b)).fit()
    residuals = result.resid
    
    # ADF检验残差是否平稳
    adf_result = sm.tsa.stattools.adfuller(residuals)
    
    if adf_result[1] < 0.05:
        print("存在协整关系，可以做跨品种套利")
    else:
        print("没有协整关系，别碰")

3. 跨市场套利

同一品种在不同交易所之间的套利。

最经典的例子是比特币。Coinbase和Binance上的比特币价格经常有差异。虽然现在套利机器人很多，价差越来越小，但在极端行情下，价差仍然会出现。

跨市场套利的关键点：

• 速度 — 价差存在的时间可能只有几毫秒
• 资金 — 两个市场都要有足够的资金
• 网络延迟 — 服务器要尽量靠近交易所

我记得有一次做跨市场套利，因为网络延迟，我看到的价差是假的——等我下单时，价差已经消失了。从那以后，我花了大价钱把服务器托管到了交易所机房旁边。

知识体系总览

下面这张图，是我自己画的价差套利知识体系。你可以把它当作本章的「地图」。

小结

价差套利，说白了就是利用市场的不完美赚钱。核心逻辑是价差回归，分类上分跨期、跨品种、跨市场三种。

我个人觉得，初学者最好从跨期套利入手。因为同一品种、不同合约之间的价差规律性最强，风险也相对可控。等积累了经验，再尝试跨品种和跨市场。

记住一句话：套利不是无风险的，只是风险相对较小。流动性风险、执行风险、模型风险，一个都不能忽视。