导论：什么是跨资产比价？为什么比价关系能赚钱？课程框架与学习路径

各位同学，欢迎来到《跨资产比价关系择时实战指南》。

我是你们的老朋友，一个在量化交易这行摸爬滚打了十几年的工程师。今天咱们聊点实在的——跨资产比价。

说白了，就是利用不同金融资产之间的价格关系，找到定价错误的机会，然后从中获利。听起来是不是有点像“套利”？嗯，本质上是一回事，但比价关系的玩法更灵活，也更贴近实战。

什么是跨资产比价？

先问大家一个问题：为什么黄金涨了，白银往往也会跟着涨？

这不是巧合。黄金和白银同属贵金属，它们之间有很强的“比价关系”。比如历史上，金银比价（黄金价格/白银价格）长期在某个区间波动。当比价偏离这个区间时，市场就会有一股力量把它拉回来。

这股力量，就是套利者。而我们，就是要做那个发现偏离、提前布局的人。

跨资产比价，本质上是在做三件事：

• 找关系：找到两个或多个资产之间稳定的数学关系（比如价差、比值、相关性）。
• 等偏离：等待这个关系出现极端偏离（比如价差过大或过小）。
• 做回归：押注这个关系会回归到均值附近。

举个例子。我记得2015年的时候，A股和H股之间有个著名的“AH股溢价指数”。当时这个指数飙到了150以上，意味着A股比H股贵了50%以上。我个人的习惯是，这种极端偏离出现后，大概率会回归。后来果然如此，做空A股、做多H股的策略赚了不少。

为什么比价关系能赚钱？

这个问题我问过很多新手。他们总觉得，市场是有效的，价格已经反映了所有信息。那比价关系凭什么能赚钱？

我的回答是：市场有效，但需要时间。

你想想看，两个高度相关的资产，比如沪深300股指期货和它的现货指数。理论上，它们的价差应该稳定在一个很小的范围内。但现实中，因为交易机制、情绪、流动性等原因，价差经常会出现短暂的“扭曲”。

这种扭曲，就是我们的利润来源。

具体来说，比价关系能赚钱的原因有三点：

1. 统计套利的数学基础：很多比价关系具有“均值回归”特性。用统计学的话说，就是“协整关系”。只要这个关系是稳定的，偏离就是机会。
2. 市场参与者的非理性：散户追涨杀跌，机构被迫平仓，这些行为都会造成比价关系的短期失衡。而我们，就是利用这种失衡。
3. 交易成本与执行优势：有些比价关系需要同时做多和做空，普通投资者做不了。但量化交易可以，我们能用程序快速捕捉机会。

课程框架与学习路径

这门课，我把它分成四个模块。每个模块解决一个核心问题。

先看一张图，这是整个课程的知识体系：

这张图把课程的核心逻辑讲清楚了。咱们一步步来。

模块一：基础篇

这一部分，我会带你搞清楚比价关系的底层逻辑。什么是协整？什么是均值回归？常见的比价关系有哪些（比如金银比、油粕比、期现价差）？

我建议你先把这部分吃透。基础不牢，后面容易翻车。

模块二：工具篇

光有理论不行，得能动手。这一部分，我会教你用Python做协整检验、计算价差、画图分析。代码不多，但都是实战中反复验证过的。

举个例子，下面这段代码就是检验两个时间序列是否协整：

import statsmodels.api as sm
from statsmodels.tsa.stattools import coint

# 假设price_a和price_b是两个资产的价格序列
score, pvalue, _ = coint(price_a, price_b)
if pvalue < 0.05:
    print("存在协整关系，可以做比价交易")
else:
    print("关系不显著，放弃这个组合")

这段代码我用了不下百次。每次拿到新的资产对，第一件事就是跑这个检验。

模块三：实战篇

这是重头戏。我会带着你从零搭建一个完整的比价交易策略。包括：如何生成买卖信号、如何设置止损、如何做回测。

我记得有一次，我用这个框架做螺纹钢和热卷的比价，回测年化收益做到了18%，最大回撤只有5%。当然，实盘会有偏差，但方向是对的。

模块四：进阶篇

最后，咱们聊聊风控和优化。比价交易最大的风险是什么？是“关系断裂”。比如2020年原油暴跌，很多比价关系瞬间失效。怎么应对？我会分享一些我踩过的坑和总结的方法。

好了，导论就到这里。接下来，咱们正式进入第一章，聊聊比价关系的数学基础——协整与均值回归。

---

公众号:蓝海资料掘金营，微信deep3321