案例二：豆粕与菜粕套利：季节性因素分析、价差驱动因子、套利窗口期判断、实盘模拟

豆粕和菜粕，这两个品种我盯了快十年。说实话，它们就像一对孪生兄弟，但性格又完全不同。豆粕是大哥，体量大、流动性好；菜粕是小弟，波动更剧烈、季节性更强。做它们的套利，说白了就是吃「价差回归」这碗饭。

我个人习惯把这对组合叫做「蛋白双雄」。为什么？因为它们都是饲料蛋白的主要来源，在配方里可以互相替代。但替代不是无条件的，这里面门道很深。

一、季节性因素：为什么每年都有几波确定性行情？

先看一张图，这是我用过去8年数据画的豆菜粕价差走势。

看到没有？每年5月到7月，价差会明显收窄。为什么？因为5月菜籽开始上市，菜粕供应增加，价格承压。而豆粕这边，美豆还在生长期，供应偏紧。这一松一紧，价差自然就缩了。

我记得2019年做这个策略时，5月初价差还在800以上，到6月底直接干到500。那一波我吃了将近300点，爽是爽，但中间的回撤也够呛。

二、价差驱动因子：除了季节，还有什么在影响？

季节性只是大框架，真正决定入场时机的，是下面这几个因子。

驱动因子	影响方向	监测指标	我的经验阈值
豆粕库存	正相关	港口大豆库存、压榨利润	库存>600万吨时，价差易扩大
菜粕库存	负相关	菜籽到港量、开机率	库存<10万吨时，价差易收窄
豆菜粕价差	均值回归	历史分位数	80%分位以上做空，20%以下做多
饲料需求	同向影响	生猪存栏、水产投苗	水产旺季利好菜粕
替代效应	非线性	蛋白价差比	价差>900时替代加速

这里面有个坑，我踩过。就是只看价差绝对值，不看相对位置。比如价差800，你觉得高了，但历史均值是900，那800其实算低的。所以我现在习惯用Z-score来标准化处理。

三、套利窗口期判断：什么时候该动手？

判断窗口期，我有一套自己的流程。说白了就是三个条件同时满足：

1. 季节性位置对：当前月份在历史季节性规律中处于有利位置
2. 价差偏离大：当前价差偏离历史均值至少1.5个标准差
3. 基本面配合：库存、到港量等数据支持方向

举个例子。2022年6月，我看到豆菜粕价差到了750，而历史同期均值是550。偏离了将近200点，超过2个标准差。再看库存，豆粕库存持续下降，菜粕库存却在累积。嗯，这就有意思了。

我当时判断：价差大概率要回归。于是入场做空价差（卖豆粕买菜粕）。持仓了大概3周，价差回到600附近，平仓走人。单笔盈利150点，收益率大概8%。

四、实盘模拟：手把手走一遍流程

好，理论说完了，咱们来点实际的。假设今天是2023年5月10日，我们来做一次模拟交易。

第一步：数据准备

# 获取近5年豆粕和菜粕主力合约数据
import pandas as pd
import numpy as np
from datetime import datetime

# 模拟数据（实际应从数据库或API获取）
dates = pd.date_range('2018-01-01', '2023-05-10', freq='D')
np.random.seed(42)
m_price = 3000 + np.cumsum(np.random.randn(len(dates)) * 10)
r_price = 2500 + np.cumsum(np.random.randn(len(dates)) * 8)
spread = m_price - r_price

df = pd.DataFrame({
    'date': dates,
    'm_price': m_price,
    'r_price': r_price,
    'spread': spread
})
df.set_index('date', inplace=True)

第二步：计算统计指标

# 计算当前价差的历史分位数和Z-score
current_spread = df['spread'].iloc[-1]
mean_spread = df['spread'].mean()
std_spread = df['spread'].std()
z_score = (current_spread - mean_spread) / std_spread
percentile = (df['spread'] < current_spread).mean() * 100

print(f"当前价差: {current_spread:.0f}")
print(f"历史均值: {mean_spread:.0f}")
print(f"Z-score: {z_score:.2f}")
print(f"分位数: {percentile:.1f}%")

第三步：判断窗口期

# 判断条件
is_season_ok = 5 <= datetime.now().month <= 7  # 季节性有利
is_deviation_ok = abs(z_score) > 1.5  # 偏离足够大
is_fundamental_ok = True  # 假设基本面配合

if is_season_ok and is_deviation_ok and is_fundamental_ok:
    if z_score > 0:
        action = "做空价差：卖豆粕，买菜粕"
    else:
        action = "做多价差：买豆粕，卖菜粕"
    print(f"窗口期确认！建议操作：{action}")
else:
    print("当前不满足窗口条件，观望")

第四步：执行与风控

# 假设做空价差，开仓比例1:1
# 豆粕1手=10吨，菜粕1手=10吨
m_contracts = 1  # 卖1手豆粕
r_contracts = 1  # 买1手菜粕

# 止损设置：价差反向突破2个标准差
stop_loss = current_spread + 2 * std_spread if z_score > 0 else current_spread - 2 * std_spread
print(f"入场价差: {current_spread:.0f}")
print(f"止损价差: {stop_loss:.0f}")
print(f"目标价差: {mean_spread:.0f}（回归均值）")

这套流程我用了好几年，胜率大概在65%左右。别小看这个数字，套利交易追求的是高胜率、低回撤，而不是暴利。

最后说一句。豆菜粕套利看起来简单，但真正赚钱的人不多。为什么？因为大多数人管不住手，看到价差偏离就想进场，结果被假突破反复打脸。记住：等待也是一种交易。

---

公众号:蓝海数据掘金营，微信deep3321