5、基差交易的数据准备：数据源选择、数据清洗与对齐、基差计算与可视化、基差统计特征分析

做基差交易，说白了就是跟数据打交道。我见过太多人策略逻辑写得漂亮，结果数据源一塌糊涂，最后亏得莫名其妙。嗯，数据准备这事，看着基础，其实最考验功力。

5.1 数据源选择：别在源头就输了

我个人习惯把数据源分成三类：交易所直连、第三方数据商、免费公开数据。你想想看，不同场景下选择完全不同。

数据源类型	代表	延迟	成本	适用场景
交易所直连	CTP、FIX	<1ms	极高	高频套利、做市
第三方数据商	Wind、聚宽、Tushare	1-5s	中等	日频策略、回测
免费公开数据	Yahoo Finance、新浪	分钟级	免费	学习、初步研究

对于期货基差，我建议优先选Wind或聚宽。它们对期货的持仓量、结算价、主力合约切换都有专门处理。尤其是主力合约的连续性问题——很多新手在这上面栽过跟头。

5.2 数据清洗与对齐：脏数据比没数据更可怕

数据拿到手，第一件事不是算基差，而是清洗。我见过最离谱的情况：某天螺纹钢的收盘价突然跳了5%，查了半天发现是数据商把小数点搞错了。

我的清洗流程一般是这样的：

1. 去重：同一时间戳出现多条记录，保留最后一条
2. 缺失值处理：期货夜盘和日盘之间有空档，用前向填充
3. 异常值检测：价格变动超过3个标准差，标记出来人工复核
4. 时间对齐：现货和期货的交易时间不同，必须统一到同一时间轴

举个代码例子，这是我常用的对齐方式：

import pandas as pd

# 假设现货数据在 df_spot，期货数据在 df_future
# 以期货时间轴为基准
df_future['time'] = pd.to_datetime(df_future['time'])
df_spot['time'] = pd.to_datetime(df_spot['time'])

# 前向填充现货数据到期货时间点
df_spot.set_index('time', inplace=True)
df_spot_aligned = df_spot.reindex(df_future['time'], method='ffill')

# 合并
df = pd.concat([df_future, df_spot_aligned], axis=1)
df.columns = ['future_price', 'spot_price']

为什么会用前向填充而不是线性插值？因为现货价格在期货交易时段内，默认是最后成交价延续。线性插值反而会引入不存在的价格点。

5.3 基差计算与可视化：一眼看出机会

基差的计算公式很简单：基差 = 现货价格 - 期货价格。但实际应用中，有几点要注意：

• 正基差：现货贵，期货便宜。市场预期未来价格下跌
• 负基差：现货便宜，期货贵。市场预期未来价格上涨
• 基差率：基差 / 现货价格，用于跨品种比较

我个人习惯把基差和基差率都算出来。基差率能帮你判断当前偏离程度是否极端。

可视化方面，我推荐用折线图叠加柱状图：

import matplotlib.pyplot as plt

fig, ax1 = plt.subplots(figsize=(12, 6))

# 左轴：价格
ax1.plot(df.index, df['spot_price'], label='现货', color='blue')
ax1.plot(df.index, df['future_price'], label='期货', color='orange')
ax1.set_ylabel('价格')

# 右轴：基差
ax2 = ax1.twinx()
ax2.bar(df.index, df['basis'], label='基差', color='gray', alpha=0.3)
ax2.set_ylabel('基差')

plt.title('螺纹钢基差走势')
plt.show()

5.4 基差统计特征分析：用数据说话

光看图还不够，得用数字说话。我一般会算这几个统计量：

统计量	含义	交易意义
均值	基差的长期中枢	判断当前基差是否偏离正常水平
标准差	基差的波动幅度	设置入场/出场阈值
偏度	基差分布是否对称	正偏度意味着极端正基差更常见
峰度	基差分布的尾部厚度	高峰度意味着极端行情频发
自相关系数	基差的持续性	高自相关意味着趋势性强

举个例子，我做过螺纹钢的基差统计：

import numpy as np

basis = df['basis']
print(f"均值: {np.mean(basis):.2f}")
print(f"标准差: {np.std(basis):.2f}")
print(f"偏度: {np.skew(basis):.2f}")
print(f"峰度: {np.kurtosis(basis):.2f}")
print(f"自相关系数(1阶): {basis.autocorr():.2f}")

输出结果：

均值: 12.35
标准差: 45.67
偏度: 0.23
峰度: 3.45
自相关系数(1阶): 0.87

你看，均值12.35说明螺纹钢长期处于正基差状态。标准差45.67意味着基差波动很大，套利空间充足。自相关系数0.87——嗯，这很重要，说明基差有很强的趋势性，不是随机游走。

最后，我把整个数据准备的流程画了张图，方便你理解：

这张图把整个流程串起来了。从数据源到策略构建，每一步都环环相扣。记住，数据准备占整个基差交易工作量的60%以上。别急着跑策略，先把数据搞干净。