3、套利基础逻辑：时间套利、空间套利、产品套利

各位好，咱们今天聊点实在的。

套利这个词，听起来高大上，其实没那么玄乎。说白了，就是低买高卖，赚个差价。但在电力现货市场里，这个差价藏在三个维度里：时间、空间、产品。

我做了这么多年交易，见过太多人只盯着一个维度看，结果亏得底掉。你想想看，市场是立体的，咱们得从三个方向同时下刀。

3.1 时间套利：峰谷价差

时间套利，是入门第一课。核心逻辑就一句话：在电价低的时候买电，在电价高的时候卖电。

为什么会有这个差价？因为电力不能大规模储存，发出来就得用掉。白天工厂开工、空调猛开，用电量飙升，电价自然水涨船高。到了深夜，大家都睡了，电厂又不能随便停机，电价就跌到地板价。

嗯，这里要注意。时间套利不是简单的「白天卖、晚上买」。我见过有人这么干，结果被结算单吓一跳。为什么？因为现货市场是分时结算的，你买的每一度电，都得按那个时刻的实时价格算。

我个人习惯，做时间套利前，先拉出至少三个月的历史数据。看看峰谷时段是不是稳定。有些省份的峰谷时段会随季节调整，比如夏天晚高峰可能推迟到晚上9点。你拿着去年的数据做今年的策略，那肯定要吃亏。

3.2 空间套利：节点价差

空间套利，说白了就是利用不同地点的电价差异赚钱。

电力市场有个特点：电从A点送到B点，受线路容量限制。如果A到B的输电通道满了，那A地的电就过不去，B地只能靠本地高价机组供电。这时候，A地电价低，B地电价高，价差就出来了。

我曾经在某个省遇到过这种情况：省内西部是风电大基地，东部是负荷中心。西风东送线路经常拥堵，导致西部电价只有东部的一半。有经验的交易员会提前在西部买电，然后通过金融输电权（FTR）锁定通道，赚取这个价差。

空间套利的关键，是理解节点边际电价（LMP）的形成机制。LMP由三部分构成：

1. 系统电能价格：全市场统一的边际成本
2. 阻塞价格：因输电拥堵产生的附加成本
3. 网损价格：因输电损耗产生的调整

你想想看，如果两个节点之间没有阻塞，那价差就只剩网损了，空间套利空间很小。真正的机会，出现在阻塞频繁的节点对之间。

3.3 产品套利：中长期与现货

产品套利，是我个人觉得最有意思的一块。它玩的是不同时间尺度合约之间的价差。

中长期合约（月、周、日前）和现货市场（实时）之间，天然存在价差。为什么？因为中长期合约有「时间溢价」——你提前锁定了价格，承担了市场波动的风险，所以价格通常比现货高一点。

但这不是绝对的。我记得2022年有一次，某省因为新能源大发，现货价格暴跌到50元/MWh，而月合约价格还挂在300元。这时候，聪明的做法是：卖出现货，买入中长期。说白了，就是吃这个价差。

做产品套利，最怕的是基差风险。基差就是现货价格与期货价格的差。你以为价差会收敛，结果它越拉越大。我建议新手先从统计套利入手，用历史数据算一下基差的均值和标准差，设定合理的入场和出场阈值。

import pandas as pd
import numpy as np

# 假设df包含现货价格和合约价格
df['basis'] = df['spot'] - df['futures']
mean_basis = df['basis'].rolling(20).mean()
std_basis = df['basis'].rolling(20).std()
df['z_score'] = (df['basis'] - mean_basis) / std_basis

# 当Z-score大于2或小于-2时，触发交易信号
signals = df[df['z_score'].abs() > 2]

3.4 三种套利的联动关系

这三种套利不是孤立的。你想想看，时间套利会影响空间套利——如果大家都在做峰谷套利，那高峰时段的负荷会转移，节点阻塞情况也会变。产品套利又会反过来影响现货价格。

我画了一张图，帮你理清这个逻辑：

你看，这三个维度就像三脚架，缺一个都不稳。我见过太多人只盯着峰谷价差做，结果市场规则一改，价差收窄，直接亏到怀疑人生。

我的建议是：先精通一个维度，再逐步拓展。比如你先花三个月把时间套利吃透，然后加入空间维度，最后再玩产品套利。别一上来就想三个都抓，容易抓瞎。