第二章 套利的基本原理
一价定律：套利的基石
聊套利，绕不开一个最根本的东西——一价定律。
说白了就是：同一资产，在同一时间，不同市场上，价格应该一样。
你想想看，如果同一个苹果，左边摊位卖5块，右边摊位卖10块，傻子都知道去左边买。套利就是这个道理。只不过我们交易的不是苹果，是股票、期货、ETF这些金融产品。
我在2015年那会儿，做过一段时间的跨境ETF套利。同一只ETF，在A股市场和港股市场同时挂牌，价格经常不一样。为什么？因为两个市场的投资者情绪不同、交易时间不同、汇率波动也不同。但最终，它们必须回归到同一个合理价格——这就是一价定律在起作用。
无风险套利 vs 统计套利
套利分两种，我习惯把它们叫做「确定性的钱」和「概率性的钱」。
无风险套利
无风险套利，就是锁定利润，没有亏损的可能。听起来很美好，对吧？
举个例子：
- 某只股票在A市场报价100元
- 同一只股票在B市场报价102元
- 你在A市场买入，B市场卖出，锁定2元利润
这就是最经典的无风险套利。但现实中，这种机会转瞬即逝。我做过统计，在流动性好的市场上，无风险套利窗口平均只持续0.3到0.8秒。你手动操作根本来不及，必须靠程序。
统计套利
统计套利就不一样了。它不追求100%确定，而是追求大概率赚钱。
核心逻辑是：两个高度相关的资产，价差会围绕一个均值波动。当价差偏离均值时，你赌它会回归。
比如，贵州茅台和五粮液，历史上它们的价格走势高度相关。如果某天茅台突然大涨，五粮液没跟上，价差拉大了。这时候你可以做多五粮液、做空茅台，赌价差回归。
统计套利的关键在于：
- 找到真正相关的资产对（不是伪相关）
- 确定合理的均值回归区间
- 控制好止损
套利机会的识别
怎么找到套利机会？我总结了三步法：
- 扫描价差——实时监控两个或多个相关资产的价格差异
- 判断合理性——这个价差是暂时的，还是结构性的？
- 评估可行性——扣除交易成本后，还有没有利润空间？
举个例子，我常用的一个套利识别逻辑：
# 伪代码示例：识别ETF套利机会
def detect_arbitrage(etf_price, nav, threshold=0.005):
spread = (etf_price - nav) / nav
if spread > threshold:
print(f"溢价套利机会：溢价{spread*100:.2f}%")
# 卖出ETF，买入一篮子股票
elif spread < -threshold:
print(f"折价套利机会：折价{spread*100:.2f}%")
# 买入ETF，卖出一篮子股票
else:
print("无套利机会")
这个逻辑看着简单，但实际跑起来，你要处理的事情多了去了：实时行情、交易成本、冲击成本、最小交易单位……每一个细节都可能吃掉你的利润。
套利空间的计算
套利空间不是简单的「B价格 - A价格」。你得把各种成本算进去。
我一般用这个公式：
实际套利空间 = 理论价差 - 交易成本 - 冲击成本 - 延迟成本
来看一个具体的例子：
| 项目 | 数值 |
|---|---|
| A市场价格 | 100.00元 |
| B市场价格 | 101.50元 |
| 理论价差 | 1.50元 |
| 交易成本（双边） | 0.30元 |
| 冲击成本估计 | 0.20元 |
| 延迟成本估计 | 0.10元 |
| 实际套利空间 | 0.90元 |
你看，1.50元的理论价差，扣掉各种成本后只剩0.90元。如果资金量小，这点利润还不够塞牙缝的。但如果你有1000万资金，0.90元/股的利润，乘以交易量，就很可观了。
知识体系总览
下面这张图，是我自己梳理的套利原理知识框架。你看一眼，就能把今天讲的内容串起来：
这张图把今天讲的核心内容串起来了。从一价定律出发，分出无风险套利和统计套利两条路，再到具体的套利空间计算和机会识别。你把这个框架记在脑子里，后面讲具体策略的时候，就知道每个策略属于哪个位置了。