套利基础原理：从赌场到预测市场的赚钱逻辑
大家好，我是老张。今天咱们聊聊套利——这个听起来高大上、其实说白了就是「捡漏」的活儿。
我刚开始做量化那会儿，觉得套利特神秘。后来发现，套利本质上就是利用市场的不完美赚钱。你想想看，如果市场完全有效，那所有资产价格都合理，哪来的套利机会？但现实是，市场总有漏洞。
什么是套利？
套利，简单说就是「一买一卖赚差价」。但有个关键前提：同一资产在不同市场、不同时间、不同形态下，价格出现不一致。
举个例子。我在2018年做过一个预测市场项目，当时有个「特朗普是否会连任」的合约。在Polymarket上价格是0.45，在Augur上却是0.52。同一件事，同一时间，价格差了7个点。这就是套利机会。
套利的核心特征：
- 低风险——理论上可以锁定利润
- 短周期——通常几分钟到几小时
- 高频率——机会转瞬即逝，需要自动化
核心观点：套利不是赌博，是数学。你赚的是市场效率低下的钱，不是运气钱。
套利的数学基础
这里我分两类讲：无风险套利和统计套利。两者区别很大，别搞混了。
无风险套利
无风险套利，说白了就是「稳赚不赔」。数学上要求：初始投入为0，未来收益恒为正。
公式长这样：
假设市场上有两个合约A和B，互为对冲
如果 P(A) + P(B) < 1
那么买入A和B各一份，成本 = P(A) + P(B)
到期时无论结果如何，你都能拿到1
利润 = 1 - [P(A) + P(B)] > 0嗯，这里要注意：无风险套利在预测市场中极其罕见。为什么？因为做市商和套利机器人会把价格迅速拉平。我见过最接近的一次，是2020年某预测市场出现0.3%的价差，不到3秒就被吃掉了。
避坑指南：我曾经以为发现了无风险套利机会，结果没注意交易手续费和滑点。算下来反而亏了。记住：无风险套利的前提是交易成本为0，这在现实中几乎不存在。
统计套利
统计套利就灵活多了。它不要求「绝对无风险」，而是基于概率和统计规律。
核心思路：找到两个高度相关的资产，当价差偏离历史均值时，做多低估的、做空高估的，等待价差回归。
数学表达：
设两个合约X和Y，历史价差均值 μ，标准差 σ
当前价差 = X - Y
如果 |当前价差 - μ| > 2σ
则开仓：做多价差（买入X，卖出Y）或做空价差（卖出X，买入Y）
止损：价差继续扩大超过3σ
止盈：价差回归到μ附近我个人习惯用2倍标准差作为阈值。太窄了容易被假突破骗，太宽了机会太少。这个参数我调了不下100次。
小技巧：统计套利的关键是「相关性」。我建议用滚动窗口计算相关系数，窗口大小选30-60分钟。太短噪音大，太长反应慢。
预测市场中的套利机会来源
预测市场跟股票、期货不一样。它的套利机会主要来自三个地方：
1. 信息差
预测市场本质上是信息聚合器。但信息传播需要时间。
- 新闻事件驱动：比如美联储加息决议公布后，不同市场反应速度不同
- 链上数据延迟：有些市场用预言机喂价，更新频率低
- 地域差异：亚洲交易时段和欧美交易时段，信息不对称明显
我记得有一次，美国CPI数据公布后，Polymarket上某个合约价格在3秒内从0.3跳到0.7，而另一个去中心化市场用了15秒才反应。这12秒的窗口期，就是信息差套利的机会。
2. 流动性差
预测市场很多是长尾事件，流动性极差。流动性差意味着：
- 买卖价差大：可能高达5%-10%
- 深度不足：大单会严重冲击价格
- 做市商缺失：没人提供连续报价
你想想看，一个只有几百美元流动性的市场，挂单价格可能差好几个点。这时候你只要耐心挂单，就能吃到价差。
实战经验：我专门写了个脚本监控流动性低于1万美元的合约。这些合约的买卖价差平均在3%以上，比主流合约高出一个数量级。
3. 定价偏差
定价偏差是最常见的套利来源。原因很多：
- 情绪化交易：散户追涨杀跌，导致价格偏离合理值
- 模型错误：做市商用的定价模型有bug
- 事件复杂性：有些事件概率难以计算，市场定价混乱
举个例子。2022年有个「马斯克是否会收购推特」的合约。市场定价0.6，但我用贝叶斯方法算出来合理概率是0.75。为什么？因为市场过度关注了监管风险，忽略了马斯克的实际执行力。这就是定价偏差。
知识体系总览
下面这张图是我自己画的，把套利的基础逻辑串起来了：
小结
套利这事儿，说难不难，说简单也不简单。核心就三点：
- 理解套利的本质——不是赌博，是数学
- 区分无风险和统计套利——前者难找，后者可做
- 盯住三个机会来源——信息差、流动性差、定价偏差
我个人建议，新手先从统计套利入手。别想着一步登天找无风险套利，那玩意儿比大熊猫还稀有。先跑通一个简单的价差回归策略，赚到第一笔钱，再慢慢优化。
嗯，今天就到这儿。记住：套利不是靠运气，是靠系统。下一章咱们聊聊具体的工具和平台，怎么搭建你的第一个套利机器人。