2. 价差与比价：价差计算、比价分析、数据获取
好，咱们直接进入正题。跨期套利的核心，说白了就两个东西：价差和比价。很多人一开始搞混，觉得差不多。其实差远了。我刚开始做的时候也犯过这个错，后来亏了一笔才彻底搞明白。
2.1 价差计算：最基础，也最容易出错
价差，就是两个合约的价格差。公式很简单：
价差 = 近月合约价格 - 远月合约价格嗯，就这么简单。但实际用起来，坑不少。
注意：价差的正负号是有意义的。正价差叫「backwardation」，负价差叫「contango」。我见过有人把符号搞反，结果整个策略都做反了。
举个例子。假设螺纹钢：
- RB2401（近月）：3800 元/吨
- RB2405（远月）：3750 元/吨
价差 = 3800 - 3750 = +50 元/吨。这是正价差，说明近月比远月贵。
我个人习惯用近月减远月。为什么？因为这样更直观。近月强，价差为正；近月弱，价差为负。你想想看，是不是这个理？
2.2 比价分析：另一种视角
比价，就是两个合约价格的比值。公式：
比价 = 近月合约价格 / 远月合约价格为什么要看比价？因为有些品种价格波动大，价差的绝对值会失真。比如：
- 黄金价格 500 元/克，价差 5 元，看起来很小
- 玉米价格 2500 元/吨，价差 5 元，看起来也小
但这两个 5 元的意义完全不同。比价就能解决这个问题。
核心观点：价差看绝对水平，比价看相对强弱。两者结合，才是完整的分析框架。
我在项目中遇到过这样的情况：某化工品种价差一直在 -50 到 +50 之间震荡，看起来很正常。但一看比价，已经从 0.98 跌到 0.92 了。这说明什么？说明远月合约在持续走弱，价差的波动只是表象。
2.3 数据获取：从哪里来，怎么用
数据是套利策略的命根子。没有数据，一切都是空谈。我常用的数据源有这几个：
| 数据源 | 特点 | 适合场景 |
|---|---|---|
| 交易所官网 | 最权威，免费 | 日线级别分析 |
| Wind/Choice | 数据全，有API | 量化回测 |
| Tushare/Akshare | 开源，免费 | 个人研究 |
| CTP直连 | 实时，低延迟 | 实盘交易 |
我个人建议，刚开始做研究，用 Akshare 就够了。免费，数据质量也不错。下面给个简单的 Python 代码示例：
import akshare as ak
# 获取螺纹钢主力合约连续数据
rb_data = ak.futures_main_sina(symbol="RB")
print(rb_data.head())
# 获取具体合约数据
rb2401 = ak.futures_zh_minute_sina(symbol="RB2401", period="daily")
rb2405 = ak.futures_zh_minute_sina(symbol="RB2405", period="daily")
# 计算价差
spread = rb2401['close'] - rb2405['close']
print(spread.tail())
小技巧：获取数据后，第一件事不是分析，而是检查数据质量。我曾经拿到过有缺失值的数据，回测结果漂亮得不行，实盘一跑就崩。后来才发现是数据源的问题。
2.4 知识体系图
下面这张图，把价差、比价、数据获取的关系理清楚了。建议保存下来，后面章节会反复用到。
2.5 避坑指南
最后，说几个我踩过的坑：
- 数据对齐问题：不同合约的交易时间可能不同，尤其是夜盘。一定要对齐时间戳。
- 换月跳空：主力合约切换时，价差会突然跳变。这不是市场行为，是合约切换造成的。
- 手续费和滑点：价差策略的利润本来就不厚，手续费和滑点能吃掉一大半。算的时候别漏了。
一句话总结：价差是工具，比价是视角，数据是基础。把这三样搞明白，跨期套利就算入门了。
好了，这一章就到这儿。记住，数据质量决定策略质量。别偷懒，多花点时间在数据清洗上，后面会省很多事。