第27章 基差与程序化交易：基差策略的自动化实现、基差信号的量化识别、基差交易的执行算法

说实话，做了这么多年基差交易，我最大的感触就是——人脑真的干不过机器。尤其是在高频波动的市场里，你刚算清楚基差，行情已经变了三回。所以这一章，咱们聊聊怎么把基差策略交给程序去跑。

我个人习惯把程序化基差交易拆成三个环节：信号识别、策略逻辑、执行算法。每个环节都有坑，我一个个说。

基差信号的量化识别

基差信号不是简单的「现货减期货」。真正的量化识别，要处理三个问题：

• 数据清洗：主力合约切换、交割日效应、节假日跳空，这些都会污染基差序列。我建议用滚动窗口的中位数滤波，把异常值剔除掉。
• 标准化处理：不同品种的基差绝对值差异很大。比如铜的基差可能只有几十块，而螺纹钢能到两三百。不做标准化，没法统一阈值。
• 信号生成：我个人常用的是「Z-score 阈值法」和「分位数突破法」结合。Z-score 抓极端偏离，分位数抓趋势拐点。

嗯，这里要注意。我曾经在螺纹钢上吃过亏——直接用日线数据算基差，结果发现信号滞后了整整两天。后来改成15分钟线，效果才稳定下来。所以，频率选择很关键。我个人建议：日内交易用5-15分钟线，隔夜持仓用小时线。

基差策略的自动化实现

策略逻辑写起来不难，难的是怎么让它「活」在实盘里。我见过太多人把策略写得跟论文似的，一到实盘就崩。说白了，自动化实现要解决三个痛点：

1. 状态管理：基差策略往往涉及多腿持仓。比如做空基差，你得同时持有现货多头和期货空头。程序得清楚每一腿的持仓状态、保证金占用、盈亏情况。
2. 风控前置：我习惯在策略引擎里内置「硬止损」和「软止损」。硬止损是绝对值止损，比如基差偏离超过5%直接平仓。软止损是动态止损，比如基差回归到均值附近就减仓。
3. 日志记录：每笔交易的触发原因、执行价格、滑点成本，全部记下来。别嫌麻烦，复盘的时候这些数据比黄金还值钱。

你想想看，如果策略里全是 if-else 嵌套，改一个参数得翻半天代码。我建议用配置化设计——把阈值、周期、品种参数都抽到配置文件里。改策略？改个数字就行。

基差交易的执行算法

执行算法，说白了就是怎么把信号变成订单。这里面的门道，比策略逻辑本身还多。

我遇到过最坑的事：信号出来了，程序也下单了，结果因为滑点太大，基差套利变成了基差亏损。为什么会这样？因为执行算法没考虑市场冲击成本。

常用的执行算法有三种：

算法类型	适用场景	优缺点
TWAP（时间加权平均价格）	流动性好的品种，如铜、螺纹钢	执行稳定，但可能错过最佳时机
VWAP（成交量加权平均价格）	大单交易，需要隐藏意图	降低冲击成本，但计算复杂
Iceberg（冰山订单）	深度不足的市场	隐藏真实订单量，但执行速度慢

我个人习惯的做法是：先用 Iceberg 探路，再用 VWAP 收尾。比如基差信号触发后，先挂一个小单测试市场深度，如果成交顺利，再用 VWAP 把剩余仓位打进去。这样既能控制冲击成本，又不会错过行情。

知识体系框架

下面这张图，是我自己总结的基差程序化交易全流程。你可以把它当成一个检查清单，写策略的时候对照着看，能少走不少弯路。

这张图从下往上看，就是基差程序化交易的完整链路。数据层是地基，信号层是眼睛，策略层是大脑，执行层是手脚。哪个环节出问题，整个系统都得崩。

我记得有一次，一个朋友问我：「为什么我的基差策略回测很漂亮，实盘却一直亏？」我看了他的代码，发现执行层用的是市价单，滑点吃掉了一半利润。后来改成限价单+冰山算法，才慢慢扭亏为盈。

所以，别小看执行算法。它可能不是最炫酷的部分，但绝对是决定盈亏的关键。