第19章 跨品种基差择时：品种间相关性分析与套利窗口

跨品种基差交易，说白了就是利用两个相关品种之间的价差波动来赚钱。我做了这么多年交易，发现很多新手容易犯一个错误——看到两个品种名字里都有“铜”或者“油”，就以为它们天然相关。其实不然。

这一章，我们来聊聊怎么真正理解品种间的相关性，以及如何找到那个合适的套利窗口。

19.1 相关性分析：别只看表面数字

很多人一上来就计算相关系数，0.8以上就觉得稳了。我个人习惯是，先问自己三个问题：

• 这两个品种的驱动因素是否一致？ 比如螺纹钢和热卷，都受房地产和基建影响，但热卷更偏向制造业。
• 它们的价格传导机制是什么？ 是上下游关系，还是替代关系？
• 有没有政策或季节性因素干扰？ 比如大豆和豆粕，压榨利润会直接影响价差。

我在项目中遇到过这样的情况：2019年做螺纹钢和热卷的套利，历史相关性高达0.92，结果因为环保限产政策突然调整，热卷供应收缩，价差瞬间拉大，套利单差点爆仓。嗯，从那以后，我每次做跨品种套利，都会先看看最近一个月的相关性走势，而不是只看长期数据。

19.2 套利窗口的识别：三个关键信号

找到了相关品种，接下来就是找进场时机。我总结了三类信号，你可以对照着看：

信号类型	具体表现	我的经验
价差偏离均值	价差超过历史均值±2倍标准差	别只看绝对值，要看相对位置
基本面背离	一个品种库存高企，另一个库存紧张	库存数据比价格更可靠
资金流向异常	持仓量变化与价差走势不一致	大资金往往先知先觉

为什么会这样？因为市场有时候会过度反应。比如某个品种突然大涨，但另一个相关品种没跟上，这时候价差就会拉大。你想想看，如果基本面没有根本性变化，这个价差迟早会回归。

19.3 实战案例：豆油与棕榈油的套利

我记得2022年做过一次豆油和棕榈油的套利。这两个品种都是油脂，但豆油受美豆影响大，棕榈油受马棕影响大。正常情况下，价差在200-400点之间波动。

当时的情况是这样的：

• 豆油因为美豆减产预期，价格快速上涨
• 棕榈油因为印尼出口政策放松，价格反而下跌
• 价差从300点迅速扩大到600点

我当时的判断是：这个价差不可持续。因为豆油和棕榈油在消费端有很强的替代性，价差过大时，下游会转向采购棕榈油，从而抑制豆油需求，推动价差回归。

19.4 量化实现：相关性分析与套利信号

下面是一段简单的Python代码，用于计算两个品种的滚动相关性，并生成套利信号：

import pandas as pd
import numpy as np

def rolling_corr(series1, series2, window=20):
    """计算滚动相关系数"""
    return series1.rolling(window).corr(series2)

def zscore_spread(spread, window=20):
    """计算价差的Z-score"""
    mean = spread.rolling(window).mean()
    std = spread.rolling(window).std()
    return (spread - mean) / std

# 假设df包含两个品种的收盘价
df['corr'] = rolling_corr(df['品种A'], df['品种B'])
df['spread'] = df['品种A'] - df['品种B']
df['zscore'] = zscore_spread(df['spread'])

# 生成信号
df['signal'] = 0
df.loc[df['zscore'] > 2, 'signal'] = -1  # 做空价差
df.loc[df['zscore'] < -2, 'signal'] = 1  # 做多价差

这段代码的逻辑很简单：当价差Z-score超过2时，认为价差偏离过大，反向开仓。但我要提醒你，这只是最基础的版本。实际交易中，你还需要考虑交易成本、滑点、以及持仓时间。

19.5 知识体系：跨品种基差择时的核心逻辑

下面这张图，是我自己整理的知识框架，你可以对照着理解：

这张图的核心逻辑是：先通过相关性分析找到合适的品种对，然后从历史、基本面、资金三个维度验证，最后在套利窗口出现时执行交易。每一步都不能跳过。

19.6 几点补充

最后，我想说几句心里话。跨品种套利看起来简单，但做起来并不容易。我见过太多人，看到价差大了就冲进去，结果被趋势行情打得鼻青脸肿。

• 别迷信历史均值。 市场在变，均值也在变。我习惯用滚动窗口计算均值，而不是固定周期。
• 注意流动性。 有些品种虽然相关，但流动性差，进出场成本高。这种品种对，我一般会避开。
• 控制仓位。 套利不是无风险，仓位过重一样会爆仓。我一般单笔套利不超过总资金的5%。

---

公众号:蓝海资料掘金营，微信deep3321