3. 价差分析：价差的定义、形成原因与统计特征
各位同学，今天我们来聊聊价差分析。这是跨市场套利的基石，说白了，你连价差都搞不明白，那套利就无从谈起。我个人习惯把价差看作市场的「呼吸」——它时而平稳，时而急促，但背后总有规律可循。
3.1 价差的定义：不只是减法
价差，字面意思就是两个价格相减。但在量化交易里，它远不止这么简单。
价差 = 资产A价格 - 资产B价格
嗯，公式确实简单。但你要问自己：为什么选这两个资产？为什么用减法而不是除法？我在项目中遇到过不少新手，上来就把两个毫不相干的品种做价差，结果发现价差毫无规律，白费功夫。
价差的核心前提是：两个资产必须存在某种经济或统计上的关联。比如：
- 同一商品，不同交易所：沪铜与伦铜
- 同一标的，不同到期日：近月合约与远月合约
- 高度相关的替代品：豆油与棕榈油
关键点：价差不是随意构造的。它必须反映两个资产之间的「合理价差区间」。一旦偏离这个区间，套利机会就出现了。
3.2 价差的形成原因：谁在推动它？
价差为什么会波动？你想想看，如果两个资产完全同步，那价差就是一条直线，套利就没得玩了。但现实不是这样。
我总结了几大驱动因素：
- 供需地域差异：比如原油，中东便宜，欧洲贵。运输成本、关税、库存水平都会影响价差。
- 时间价值：期货合约的价差，很大程度上由持有成本决定。仓储费、资金利息、便利收益，这些都会算进去。
- 市场情绪与流动性：我记得有一次，某个小交易所突然出现大单砸盘，导致价差瞬间拉大。流动性差的品种，价差更容易被操纵。
- 政策与事件：关税调整、出口禁令、天气灾害……这些突发事件会让价差剧烈波动。
实战技巧：我个人习惯把价差分解成「基本面价差」和「情绪价差」。基本面价差是合理的，情绪价差才是套利的利润来源。
3.3 价差的统计特征：用数据说话
光知道原因还不够，你得用数据验证。价差分析的核心统计特征有三个：
3.3.1 均值回归性
大多数价差序列都表现出均值回归特征。什么意思？就是价差不会永远偏离，它迟早会回到均值附近。
怎么检验？看自相关函数（ACF）。如果ACF衰减缓慢，说明均值回归弱；如果ACF快速衰减到零，说明均值回归强。
# Python示例：计算价差的自相关
import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import acf
# 假设spread是价差序列
spread = np.random.randn(1000) # 示例数据
acf_values = acf(spread, nlags=20)
print(acf_values[:5]) # 看前5个滞后项
注意：均值回归不是必然的。有些价差会呈现趋势性，比如两个品种的基本面发生了永久性变化。我曾经踩过这个坑——以为价差会回归，结果它一去不返，亏了不少。
3.3.2 波动率聚类
价差的波动率不是均匀的。你会发现：大波动之后往往跟着大波动，小波动之后跟着小波动。这就是波动率聚类。
这对套利策略有什么影响？
- 波动率低的时候，价差窄，开仓要谨慎
- 波动率高的时候，价差宽，但风险也大
我个人习惯用滚动标准差来监控波动率变化：
# 计算滚动标准差
window = 20
rolling_std = spread.rolling(window).std()
3.3.3 分布特征
价差的分布通常不是完美的正态分布。它往往有尖峰厚尾的特征——也就是说，极端值出现的概率比正态分布预测的要高。
你想想看，这意味着什么？意味着价差偶尔会「抽风」，出现你意想不到的大偏离。这时候，仓位管理就特别重要。
| 统计指标 | 典型值（示例） | 对套利的意义 |
|---|---|---|
| 均值 | 0.5 | 价差的长期均衡水平 |
| 标准差 | 0.2 | 价差的波动幅度，决定开仓阈值 |
| 偏度 | -0.3 | 价差偏向负值的程度 |
| 峰度 | 4.5 | 极端值出现的概率 |
3.4 价差分析框架图
下面这张图，是我自己整理的分析框架。每次做价差策略前，我都会过一遍这个流程。
3.5 实战中的避坑指南
最后，分享几个我踩过的坑：
- 不要只看价差绝对值：价差会随着价格水平变化。比如铜价从5000涨到10000，价差从50涨到100，其实比例没变。我习惯看标准化价差。
- 小心结构性突变：政策变化、合约规则调整，都会让价差的统计特征发生永久性改变。我曾经在原油套利上吃过这个亏，合约换月规则一变，之前的模型全废了。
- 样本外验证不能少：你拿历史数据拟合得再好，不代表未来也适用。我至少留30%的数据做样本外测试。
一句话总结：价差分析，就是找到两个资产之间的「合理距离」，然后等它走偏的时候出手。但记住，这个「合理」是动态的，需要持续监控和调整。
好了，价差分析就讲到这里。下一节我们会深入价差的平稳性检验，那是判断套利机会是否可持续的关键一步。