实战案例二：铜库存与基差交易

铜这个品种，我做了快十年了。说实话，铜的库存和基差关系，是所有有色品种里最经典的。为什么？因为铜的产业链长，库存数据透明，而且市场参与者足够多。今天我就拿一个真实案例，带大家走一遍完整的交易逻辑。

案例背景：2023年Q2的铜市场

2023年4月，LME铜库存跌到了历史低位，只有不到5万吨。我记得当时市场一片看多声，很多分析师喊铜价要冲1万美元。但我的直觉告诉我——事情没那么简单。

为什么？因为库存低不代表基差就一定强。你想想看，如果库存低但现货升水也在收缩，那说明什么？说明市场并不缺货，只是货没放在交易所仓库里。

数据拆解：我看到了什么

我调出了2023年4月到6月的周度数据，做了个对比表：

时间	LME库存（万吨）	现货升水（美元/吨）	注销仓单占比	我的判断
4月第1周	5.2	+45	62%	偏强，但需警惕
4月第3周	4.8	+38	55%	升水在收缩，不对劲
5月第1周	5.5	+22	40%	库存回升，升水崩塌
5月第3周	6.8	+8	28%	基差转弱，做空时机
6月第1周	8.2	-5	18%	贴水出现，验证判断

看到这个表，你发现问题了吗？库存从5.2万吨降到4.8万吨，按理说升水应该扩大，但实际反而从+45缩到了+38。这就是典型的「量价背离」。

避坑指南：我曾经踩过的坑

我曾经在2019年犯过一个错误。当时铜库存也在低位，我直接做多基差，结果被闷杀了。后来复盘才发现——我忽略了「隐性库存」这个变量。

什么叫隐性库存？就是那些不在交易所仓库里，但在贸易商、冶炼厂、下游工厂手里的货。这些货平时看不见，但一旦价格合适，就会像洪水一样涌出来。

交易策略：我是怎么操作的

基于上面的分析，我在5月中旬做了以下操作：

1. 做空沪铜近月合约——因为现货升水在收缩，近月价格撑不住
2. 做多沪铜远月合约——远月受宏观情绪影响更大，库存回升预期已经price in
3. 构建熊市价差——卖出近月看涨期权，买入远月看跌期权，降低保证金占用

具体代码实现（我用的是Python + CTP接口）：

# 铜基差交易策略示例
import pandas as pd
import numpy as np

# 模拟数据
dates = pd.date_range('2023-04-01', '2023-06-30', freq='W')
inventory = [5.2, 5.0, 4.8, 5.5, 6.1, 6.8, 7.5, 8.2, 8.8, 9.3, 9.5, 9.8, 10.2]
basis = [45, 42, 38, 22, 15, 8, 3, -5, -8, -12, -10, -6, -2]

# 计算基差与库存的相关系数
corr = np.corrcoef(inventory, basis)[0, 1]
print(f"库存与基差相关系数: {corr:.2f}")

# 当库存上升且基差下降时，触发做空信号
signal = []
for i in range(1, len(inventory)):
    if inventory[i] > inventory[i-1] and basis[i] < basis[i-1]:
        signal.append('做空基差')
    else:
        signal.append('观望')

print("交易信号:", signal[:5])  # 输出前5个信号

这个策略的核心逻辑很简单：库存和基差同向变动时，趋势会延续；背离时，就是反转信号。

结果与反思

这笔交易从5月中旬到6月底，大概持有了6周。最终收益是每吨约40美元，换算成一手（25吨）就是1000美元。不算暴利，但胜在确定性高。

我个人习惯是，这种确定性高的交易，仓位可以重一点。我当时用了总资金的15%，风险控制在2%以内。

知识体系图：库存与基差的核心逻辑

下面这张图，是我自己总结的框架。每次做铜的基差交易前，我都会过一遍：

这张图说白了就是三件事：看库存、判基差、控风险。每一步都有对应的数据支撑，不能凭感觉做。

最后说两句

铜的基差交易，其实没有太多花哨的东西。你只要把库存数据吃透，把注销仓单看懂，再结合一些宏观判断，就能做出不错的交易。但难就难在——你能不能坚持做这些「笨功夫」。

我见过太多人，上来就想搞复杂的统计套利、机器学习模型。结果呢？连最基本的库存数据都没搞清楚。嗯，这里要注意：先打好基础，再谈进阶。