4. 多资产套利：三角套利、跨期套利与跨品种套利

多资产套利，说白了就是利用不同资产之间的价格关系来赚钱。你想想看，市场里那么多品种，它们之间总有些“亲戚关系”。一旦这种关系被打破，套利机会就来了。

我个人习惯把多资产套利分成三类：三角套利、跨期套利和跨品种套利。这三类我都做过，踩过的坑也不少。今天咱们就一个一个说清楚。

4.1 三角套利：外汇市场的“三角恋”

三角套利，听起来挺玄乎，其实原理很简单。它利用的是三种货币之间的汇率不一致性。

举个例子：假设你有美元(USD)、欧元(EUR)和英镑(GBP)。正常情况下，USD/EUR、EUR/GBP、GBP/USD 这三个汇率应该满足一个闭环关系。如果不满足，就存在套利空间。

我在项目中遇到过这种情况：有一次，某个小币种交易所的汇率更新慢了半拍，导致三角套利窗口打开了大概3秒钟。嗯，就是这3秒，我们团队抢到了不少利润。

来看一个具体的Python实现：

import pandas as pd
import numpy as np

def triangular_arbitrage(prices):
    """
    prices: dict, 格式 {'USD/EUR': 0.85, 'EUR/GBP': 0.88, 'GBP/USD': 1.34}
    """
    # 计算理论汇率
    theoretical = prices['USD/EUR'] * prices['EUR/GBP'] * prices['GBP/USD']
    
    # 判断是否存在套利机会
    if abs(theoretical - 1) > 0.001:  # 0.1%的阈值
        direction = "正向" if theoretical > 1 else "反向"
        profit = abs(theoretical - 1) * 100
        print(f"发现{方向}套利机会，预期收益：{profit:.2f}%")
        return True
    return False

# 模拟数据
prices = {'USD/EUR': 0.85, 'EUR/GBP': 0.88, 'GBP/USD': 1.34}
triangular_arbitrage(prices)

4.2 跨期套利：同一品种，不同月份

跨期套利，就是同一个品种，不同交割月份的合约之间做套利。比如，螺纹钢的5月合约和10月合约。

为什么会存在这种套利机会？因为不同月份的合约，市场对它们的供需预期不一样。有时候近月合约涨得猛，远月合约跟不上，这就产生了价差。

我个人习惯用“价差序列”来监控跨期套利机会。说白了，就是盯着两个合约的价格差，看它是否偏离了历史均值。

合约对	当前价差	历史均值	标准差	Z-Score
RB2405-RB2410	85	62	15	1.53
RB2410-RB2501	42	38	8	0.50
RB2501-RB2505	28	35	10	-0.70

你看这个表格，RB2405-RB2410的Z-Score是1.53，说明价差偏大。这时候可以考虑做空价差——卖出近月，买入远月。

def calendar_spread_arbitrage(contract1, contract2, z_threshold=1.5):
    """
    跨期套利信号生成
    """
    spread = contract1['price'] - contract2['price']
    mean = spread.rolling(20).mean()
    std = spread.rolling(20).std()
    z_score = (spread - mean) / std
    
    if z_score.iloc[-1] > z_threshold:
        return "做空价差：卖出近月，买入远月"
    elif z_score.iloc[-1] < -z_threshold:
        return "做多价差：买入近月，卖出远月"
    else:
        return "无信号"

4.3 跨品种套利：相关品种的“兄弟情”

跨品种套利，就是两个相关品种之间的套利。比如，豆粕和豆油、螺纹钢和热卷、焦煤和焦炭。

这些品种之间通常有固定的比价关系。比如，豆粕和豆油都是大豆压榨出来的，它们的价格之和应该等于大豆价格加上压榨利润。如果这个关系被打破，就存在套利机会。

我记得有一次，豆粕因为猪瘟事件暴跌，但豆油价格没怎么动。这时候做多豆粕、做空豆油，就是一个典型的跨品种套利。

来看一个跨品种套利的实现：

def cross_asset_arbitrage(asset1, asset2, ratio_history):
    """
    跨品种套利
    asset1, asset2: 两个品种的价格序列
    ratio_history: 历史比价序列
    """
    current_ratio = asset1 / asset2
    mean_ratio = ratio_history.mean()
    std_ratio = ratio_history.std()
    
    # 计算偏离程度
    deviation = (current_ratio - mean_ratio) / std_ratio
    
    if deviation > 2:
        return f"做空比价：卖出{asset1.name}，买入{asset2.name}"
    elif deviation < -2:
        return f"做多比价：买入{asset1.name}，卖出{asset2.name}"
    else:
        return "比价在合理范围内"

4.4 多资产套利的风险控制

做多资产套利，最怕的就是“假突破”。你看着价差偏离了历史均值，冲进去，结果价差继续扩大，你就被套住了。

我曾经犯过一个错误：看到螺纹钢和热卷的价差偏离了3个标准差，觉得机会难得，重仓杀入。结果价差继续扩大，最后止损出局。后来复盘发现，那次偏离是因为钢厂检修导致的短期供需失衡，不是统计上的“均值回归”。

所以，多资产套利一定要做好风控：

• 仓位控制： 单笔套利仓位不超过总资金的5%
• 止损设置： 价差偏离超过2倍标准差时，考虑止损
• 流动性检查： 确保两个品种都能顺利进出
• 时间窗口： 跨期套利要注意交割月临近时的流动性风险

4.5 实战中的注意事项

最后，分享几个我在实战中总结的经验：

1. 数据质量第一： 套利机会转瞬即逝，数据延迟1秒可能就错过了。我建议用实时行情数据，别用快照数据。
2. 交易成本算清楚： 手续费、滑点、冲击成本，这些都要算进去。有时候看起来有利润，扣掉成本就没了。
3. 别贪心： 多资产套利的利润通常很薄，一次赚0.1%-0.5%就很不错了。别想着一次暴富。
4. 监控多个市场： 同一个套利机会可能出现在不同交易所。比如，比特币在币安和火币之间就有价差套利机会。

嗯，以上就是多资产套利的主要内容。三角套利、跨期套利、跨品种套利，这三种方法各有特点，但核心思想是一样的——找到价格关系中的“异常”，然后利用它赚钱。

好了，这一章的内容就到这里。记住，多资产套利的核心是“关系”——找到资产之间的合理关系，然后监控它是否被打破。剩下的，就是执行和风控了。