一、套利基础：什么是跨市场套利？核心逻辑与盈利原理

1.1 先聊聊我对套利的理解

很多人一听到「套利」，就觉得是高大上的量化黑科技。其实说白了，套利就是「在一个地方便宜买，在另一个地方贵了卖」。嗯，就这么简单。

我刚开始做交易那会儿，也以为套利需要多复杂的数学模型。后来发现，核心逻辑就一句话：同一资产，在不同市场出现价格差异，我们赚的就是这个差价。

举个例子。你想想看，同样一瓶水，在超市卖2块，在景区卖5块。你从超市买了拿到景区卖，赚3块差价。这就是套利。只不过在金融市场里，我们交易的不是水，是股票、期货、ETF这些金融产品。

1.2 核心逻辑：价差才是王道

做套利交易，你盯的不是价格本身，而是价差。

什么叫价差？就是两个市场之间的价格差。比如：

• 上证50ETF在上海证券交易所的价格 vs 在深圳证券交易所的价格
• 沪深300股指期货在主力合约的价格 vs 在次月合约的价格
• 黄金在上海黄金交易所的价格 vs 在纽约COMEX的价格

我个人的习惯是，把价差当作一个独立的交易品种来看。它有自己的波动规律、均值回归特性。你不需要判断大盘涨跌，只需要判断价差会不会回归。

为什么会这样？因为市场不是完美的。信息传递需要时间，资金流动有摩擦，交易者情绪会过度反应。这些因素都会导致同一资产在不同市场出现短暂的价差偏离。

1.3 盈利原理：从偏离到回归

套利的盈利原理，其实就四个字：均值回归。

价差不会永远偏离。当价差扩大到一定程度，套利者就会进场。买便宜的，卖贵的。这个行为本身就会把价差推回正常水平。你想想看，如果所有人都去超市买水拿到景区卖，景区的价格就会降下来，超市的价格会涨上去，差价就消失了。

我在项目中遇到过好几次这样的情况：某只港股和它的A股ETF，价差突然拉大到5%以上。很多人慌了，觉得是不是出了什么大事。但我一看，历史数据里这种极端偏离通常3天内就会回归。果断进场，两天后价差收窄到1%以内，稳稳吃到了利润。

1.4 跨市场套利的三种常见模式

根据我这些年的实战经验，跨市场套利大致可以分为三类：

类型	描述	典型例子
同品种跨市场	同一金融产品在不同交易所交易	沪深300ETF在沪深两市的价差
跨品种套利	相关性高的不同品种之间的价差	豆粕期货 vs 菜粕期货
期现套利	期货价格与现货价格之间的价差	股指期货 vs 对应ETF组合

每种模式都有它的特点和坑。比如同品种跨市场，流动性差异是个大问题。我做过一次沪港通套利，港股那边流动性不足，下单半天成交不了，价差早就变了。嗯，这里要注意：流动性风险往往比价差风险更致命。

1.5 套利交易的核心步骤

不管哪种套利，执行流程都差不多。我总结了一个五步法：

1. 发现机会：监控价差，识别偏离
2. 评估风险：检查流动性、交易成本、隔夜风险
3. 执行交易：同时买入低价、卖出高价
4. 持仓监控：跟踪价差变化，设置止损
5. 平仓了结：价差回归后，反向操作

这里我特别想强调第二步。很多人看到价差大就冲进去，结果发现手续费吃掉了一半利润，或者市场突然停牌了。我曾经吃过这个亏——有一次做商品期货套利，没算清楚交割费用，最后利润全搭进去了。

1.6 一张图看懂跨市场套利

下面我用一张流程图，把整个逻辑串起来。这张图是我自己画的结构，你可以把它当作套利交易的「作战地图」。

1.7 一个简单的代码示例

光说不练假把式。下面是我写的一个简易价差监控脚本。它不复杂，但足够帮你理解套利的执行逻辑。

# 跨市场套利价差监控示例（Python伪代码）
import numpy as np

def calculate_spread(price_a, price_b):
    """计算价差"""
    return price_a - price_b

def check_arbitrage_opportunity(spread, mean, std, threshold=2):
    """
    判断是否有套利机会
    当价差偏离均值超过2倍标准差时，触发信号
    """
    z_score = (spread - mean) / std
    if z_score > threshold:
        return "做空价差（卖A买B）"
    elif z_score < -threshold:
        return "做多价差（买A卖B）"
    else:
        return "无信号"

# 模拟数据
prices_a = [100.5, 100.8, 101.2, 100.9, 101.5]
prices_b = [100.2, 100.3, 100.6, 100.1, 100.4]

spreads = [calculate_spread(a, b) for a, b in zip(prices_a, prices_b)]
mean_spread = np.mean(spreads)
std_spread = np.std(spreads)

print(f"价差均值: {mean_spread:.2f}, 标准差: {std_spread:.2f}")

for i, (a, b) in enumerate(zip(prices_a, prices_b)):
    spread = calculate_spread(a, b)
    signal = check_arbitrage_opportunity(spread, mean_spread, std_spread)
    print(f"时刻{i}: 价差={spread:.2f}, 信号={signal}")

1.8 套利不是无风险的

很多人以为套利就是「捡钱」。其实不是。套利也有风险，只是比单边交易小一些。

我遇到过最坑的一次：做跨市场ETF套利，价差确实很大，但买入的ETF突然暂停申购了。结果我手里拿着折价的ETF，卖不出去，硬生生扛了两周。嗯，这就是执行风险。

常见的套利风险包括：

• 流动性风险：市场深度不够，无法同时成交
• 执行风险：一边成交了，另一边没成交
• 模型风险：历史统计规律失效
• 政策风险：交易所规则突然变化

所以我的原则是：永远不要把套利当成无风险交易。它只是风险相对可控，但该设的止损、该做的风控，一样都不能少。

1.9 小结

跨市场套利的核心，说白了就是抓价差。你不需要预测市场方向，只需要判断价差会不会回归。这个逻辑听起来简单，但真正做好，需要你对市场结构、交易规则、资金管理都有深刻理解。

我个人觉得，套利是量化交易里最适合新手入门的方向。因为它逻辑清晰、风险可控、回撤小。但前提是——你得把基本功打扎实。这一章讲的是基础，后面我们会一步步深入到具体的策略实现。

---

公众号:蓝海资料掘金营，微信deep3321