第三章：品种选择——相关性分析、流动性筛选与合约匹配

品种选择，说白了就是找对象。找对了，日子过得红红火火；找错了，天天吵架还亏钱。我在做跨品种对冲的早期，就吃过这个亏——选了相关性看起来不错的两个品种，结果实盘跑起来，对冲效果一塌糊涂。

这一章，我带你系统梳理品种选择的四个核心维度。嗯，每一个都是我踩过坑之后总结出来的。

3.1 相关性分析：Pearson与Spearman

相关性是跨品种对冲的基石。两个品种如果走势毫无关系，那还谈什么对冲？

Pearson相关系数是最常用的。它衡量的是线性关系。公式很简单：

ρ = Cov(X, Y) / (σX * σY)

取值范围在[-1, 1]之间。绝对值越接近1，线性相关性越强。

但这里有个坑——Pearson对异常值非常敏感。我在项目中遇到过，因为某一天的黑天鹅事件，两个品种的Pearson系数直接从0.85掉到了0.3。你想想看，这能信吗？

所以，我建议同时使用Spearman秩相关系数。它不关心具体数值，只关心排名顺序。公式是：

ρs = 1 - (6 * Σdi²) / (n * (n² - 1))

其中di是排名差。Spearman对异常值不敏感，更能反映真实的趋势关系。

代码实现其实很简单。用pandas几行就搞定：

import pandas as pd
import numpy as np

# 假设df包含两个品种的日收益率
pearson_corr = df['asset_a'].corr(df['asset_b'], method='pearson')
spearman_corr = df['asset_a'].corr(df['asset_b'], method='spearman')

print(f"Pearson: {pearson_corr:.4f}")
print(f"Spearman: {spearman_corr:.4f}")

为什么会这样？因为收益率序列往往存在尖峰厚尾特征，Pearson容易被极端值带偏。Spearman用排名，相当于给数据做了一次非参数变换，稳健得多。

3.2 流动性筛选：别被盘口骗了

流动性是实战中最容易被忽视的环节。很多人在回测时觉得没问题，一上实盘就傻眼——滑点吃掉所有利润。

我个人习惯用三个指标来评估流动性：

• 日均成交量：至少是策略单量的20倍以上
• 买卖价差：越小越好，一般不超过0.1%
• 订单簿深度：看前五档挂单量是否充足

我曾经在某个商品期货上吃过亏。回测时日均成交量有10万手，觉得够了。结果实盘那天，主力合约换月，成交量骤降到2万手。我的单子一进去，直接把价格推了两个tick。嗯，那笔交易亏得很惨。

3.3 合约月份匹配：远月近月大不同

跨品种对冲，合约月份必须匹配。这个道理很简单，但执行起来有很多细节。

举个例子，你想做螺纹钢和热卷的对冲。螺纹钢主力是RB2401，热卷主力是HC2401。看起来都是2401合约，没问题吧？

但你要注意，两个品种的交割规则不同。螺纹钢是每月交割，热卷也是每月交割，但它们的持仓集中度、交割库分布都不一样。这会导致临近交割月时，两个合约的基差走势出现背离。

我建议的做法是：

1. 优先选择相同到期月份的合约
2. 如果流动性不足，可以错开一个月，但要加入展期成本的考量
3. 避免在交割月前两周内开新仓

代码里怎么处理？很简单，用合约代码的后两位来匹配：

def match_contracts(contract_a, contract_b):
    """匹配相同月份的合约"""
    month_a = contract_a[-2:]  # 取后两位，如'01'
    month_b = contract_b[-2:]
    
    if month_a == month_b:
        return True
    else:
        print(f"合约月份不匹配: {contract_a} vs {contract_b}")
        return False

3.4 跨市场品种配对：别只看代码

跨市场配对是最有挑战性的。比如你想做新加坡A50和国内沪深300的对冲。两个市场，两个品种，交易时间、交易规则、汇率风险全都不一样。

我做过一个跨市场的配对——伦敦铜和沪铜。你以为它们走势应该高度一致？其实不然。因为两个市场的参与者结构不同，定价逻辑也有差异。伦敦铜更受全球宏观因素影响，沪铜则受国内政策影响更大。

跨市场配对要注意几个点：

• 交易时间重叠：最好选择交易时间有重叠的品种，否则对冲效果会打折扣
• 汇率风险：如果涉及不同币种，一定要把汇率波动纳入模型
• 手续费差异：不同市场的手续费结构差异很大，直接影响策略收益

知识体系总览

下面这张图，是我梳理的品种选择核心逻辑。你可以把它当作一个检查清单，每次选品种时对照着看一遍。

你看，这四个维度其实是层层递进的。相关性帮你找到潜在的对冲对象，流动性确保你能顺利进出，合约月份匹配避免基差风险，跨市场配对则打开了更广阔的空间。

最后说一句，品种选择没有标准答案。不同策略、不同资金量、不同风险偏好，适合的品种都不一样。我的建议是：先用历史数据跑一遍相关性矩阵，筛选出候选品种，然后逐一检查流动性和合约细节。这个过程虽然繁琐，但值得花时间。