一、套利基础：什么是期现套利？
期现套利，说白了就是利用期货和现货之间的价差赚钱。
我刚开始做量化那会儿，总觉得套利很神秘。后来发现，核心逻辑其实特别简单——同一种东西，在两个市场卖不同价格，你低价买、高价卖，中间的差价就是利润。
举个例子。假设沪深300指数现在是4000点，对应的股指期货合约价格是4050点。这50点的差价，就是套利空间。你可以买入指数对应的股票组合（现货），同时卖出股指期货（期货）。等交割日到了，两边价格会收敛，你就能赚到这50点。
为什么会收敛？因为期货合约到期时，它的价格必须等于现货指数价格。这是交易所的规则决定的，不是猜的。
核心要点：期现套利的本质是价差回归。不是预测涨跌，而是吃价差。
1.1 套利的数学原理
咱们把公式拆开看。
期货的理论价格公式是：
F = S × e^(r × T)其中：
- F = 期货理论价格
- S = 现货价格
- r = 无风险利率
- T = 到期时间（年）
如果实际期货价格高于理论价格，就存在正向套利机会。反之，就是反向套利。
我习惯用这个公式快速估算。有一次在实盘中，我发现某合约的价差明显偏离理论值，算了一下年化收益超过8%。嗯，这种机会不常见，但抓住了就是稳稳的幸福。
1.2 无风险套利模型
无风险套利，听起来很美对吧？但实际操作中，有几个关键点必须注意。
模型的核心假设是：
- 市场是完全有效的
- 交易成本为零
- 可以同时买卖
- 资金无限
你想想看，现实中这些条件一个都不成立。所以真正的无风险套利，其实是不存在的。我们做的，是低风险套利。
避坑指南：我曾经在2015年股灾期间做过一次期现套利，以为稳赚。结果因为流动性枯竭，现货股票卖不出去，期货又被迫平仓，差点亏钱。记住：流动性风险才是最大的风险。
1.3 套利的成本构成
做套利之前，先把成本算清楚。我列个表：
| 成本项 | 说明 | 典型值 |
|---|---|---|
| 交易佣金 | 买卖双边收取 | 万分之0.5-3 |
| 印花税 | 仅股票卖出时收 | 千分之1 |
| 冲击成本 | 大单买卖造成的滑点 | 0.1-0.5个点 |
| 资金成本 | 占用资金的利息 | 按年化3-5%算 |
| 跟踪误差 | 股票组合与指数不完全匹配 | 0.1-0.3% |
把这些成本加起来，你会发现，很多看起来有利润的套利机会，其实根本赚不到钱。
我的经验：套利空间至少要覆盖成本的2倍以上，我才会动手。低于这个阈值，风险收益比不划算。
1.4 套利流程四步走
实际操作中，我一般按这个流程来：
- 监控价差：实时计算期货与现货的价差
- 判断机会：价差超过阈值时触发
- 执行交易：同时买入现货、卖出期货（或反向）
- 等待收敛：持有到期或价差回归后平仓
这里有个细节：执行交易这一步，必须做到同时。如果先买现货再卖期货，中间那几秒钟价差可能就变了。我习惯用程序化交易来做，人工盯盘太慢了。
1.5 知识体系框架
下面这张图，把期现套利的核心逻辑串起来了：
1.6 一个简单的套利计算器
我写了个简单的Python函数，用来快速判断套利机会：
def check_arbitrage(spot_price, futures_price, rate, days_to_expiry, cost_rate):
"""
检查期现套利机会
spot_price: 现货价格
futures_price: 期货价格
rate: 无风险利率（年化）
days_to_expiry: 到期天数
cost_rate: 总成本率
"""
T = days_to_expiry / 365
theoretical_futures = spot_price * (1 + rate * T)
spread = futures_price - theoretical_futures
# 扣除成本后的净收益
net_profit = spread - spot_price * cost_rate
if net_profit > 0:
return f"正向套利机会！预期净收益：{net_profit:.2f}点"
elif net_profit < -spot_price * cost_rate:
return f"反向套利机会！预期净收益：{-net_profit:.2f}点"
else:
return "无套利机会，价差在合理范围内"这个函数我用了好几年，核心逻辑一直没变。你拿去改改参数就能用。
记住：套利不是赌博，是数学。把公式吃透，把成本算清，剩下的就是耐心等待机会。