3、核心指标：计算正股与转债的实时偏离度，定义阈值

好，咱们进入正题。

前面聊了正股联动的基本逻辑，说白了就是——转债和正股之间，存在一个「合理价差」。一旦这个价差跑偏了，套利机会就来了。

那问题来了：怎么量化这个「跑偏」？

嗯，这就是本节要讲的核心指标——实时偏离度。

3.1 什么是偏离度？

偏离度，就是转债当前价格，和它理论上应该有的价格之间的差值百分比。

公式很简单：

偏离度 = (转债现价 - 理论价格) / 理论价格 × 100%

其中，理论价格怎么算？

我个人习惯用转股平价作为基准。因为转债最直接的锚，就是正股价格乘以转股比例。

转股平价 = 正股价格 × (100 / 转股价)

举个例子：

某转债转股价是10元，正股现价12元。那转股平价就是 12 × (100 / 10) = 120元。

如果转债现价是125元，那偏离度就是 (125 - 120) / 120 ≈ 4.17%。

这个4.17%，就是溢价。正溢价，说明转债比正股贵。

3.2 实时计算，不能等收盘

做套利，最怕的就是滞后。

你想想看，如果等收盘了才发现偏离度很大，那黄花菜都凉了。盘中可能已经有人抢跑了。

所以，实时偏离度才是我们需要的。

我在项目中遇到过这样的情况：某只转债上午10点出现-3%的负溢价，我手动算了一下，等下单时已经变成-1.5%了。为什么？因为正股在涨，转债也在跟涨，但速度不一样。

这就是实时计算的意义——捕捉那一瞬间的价差。

3.3 代码实现：实时偏离度计算

下面给出一段Python代码，用于实时计算偏离度。我建议你把它封装成一个函数，方便后续调用。

import pandas as pd
import numpy as np

def calc_deviation(convertible_price, stock_price, conversion_price):
    """
    计算实时偏离度
    :param convertible_price: 转债当前价格
    :param stock_price: 正股当前价格
    :param conversion_price: 转股价
    :return: 偏离度（百分比）
    """
    # 计算转股平价
    parity = stock_price * (100 / conversion_price)
    # 计算偏离度
    deviation = (convertible_price - parity) / parity * 100
    return round(deviation, 2)

# 示例
print(calc_deviation(125.0, 12.0, 10.0))  # 输出: 4.17

这段代码很简单，但很实用。你把它放到你的实时行情推送循环里，每来一笔行情数据，就调用一次。

3.4 阈值怎么定？

有了偏离度，下一步就是定义阈值——偏离多少才算「套利机会」？

这个没有标准答案。但我可以分享我的经验：

偏离度范围	含义	操作建议
|偏离度| < 1%	正常波动，无套利空间	观望
1% ≤ |偏离度| < 3%	轻度偏离，可关注	准备策略，不急于入场
3% ≤ |偏离度| < 5%	明显偏离，套利机会出现	可以考虑入场
|偏离度| ≥ 5%	严重偏离，机会较大	果断执行，但注意风险

嗯，这里要注意：阈值不是死的。市场波动大的时候，阈值可以适当放宽；市场平稳的时候，阈值可以收紧。

我曾经在2022年4月那波大跌中，把阈值设到2%就触发了很多假信号。后来调整为3.5%，效果就好多了。

3.5 动态阈值：让系统自适应

固定阈值虽然简单，但不够聪明。

我建议你使用动态阈值——基于历史偏离度的标准差来设定。

import numpy as np

def dynamic_threshold(deviation_history, multiplier=2):
    """
    基于历史偏离度计算动态阈值
    :param deviation_history: 历史偏离度列表
    :param multiplier: 标准差倍数
    :return: 上阈值, 下阈值
    """
    mean = np.mean(deviation_history)
    std = np.std(deviation_history)
    upper = mean + multiplier * std
    lower = mean - multiplier * std
    return round(upper, 2), round(lower, 2)

# 示例
history = [1.2, 1.5, 0.8, 2.1, 1.8, 0.5, 1.0]
print(dynamic_threshold(history))  # 输出: (2.58, -0.38)

这样，系统就能根据市场环境自动调整阈值。市场波动大时，阈值自动放宽；市场平稳时，阈值自动收紧。

说白了，就是让系统自己学会「什么算异常」。

3.6 核心逻辑流程图

下面我用一张SVG图，把整个偏离度计算和阈值判定的流程串起来。你一看就明白了。

这张图把整个流程串起来了。从行情输入，到计算平价，再到偏离度，最后和阈值比较。逻辑很清晰。

3.7 小结

这一节我们讲了三个核心点：

• 偏离度公式：以转股平价为基准，计算转债的实时溢价或折价
• 实时计算：用Python代码实现，每笔行情都算一遍
• 阈值设定：固定阈值和动态阈值两种方式，我推荐动态阈值

你想想看，有了这个偏离度指标，你就能像雷达一样，实时扫描市场上的套利机会。比那些等收盘才看数据的人，快了一大截。

下一节，我们会把偏离度和交易策略结合起来，讲怎么真正落地执行。不过那是后话了，先把偏离度这个基础打牢。