第十五章：基差交易中的统计套利
协整检验、均值回归、Z-score信号生成与交易执行——这几个词放在一起，其实就是统计套利的完整流水线。我个人习惯把这套方法叫做“量化基差交易的骨架”。你想想看，基差本身就是一个价差序列，天然适合用统计套利去捕捉。
15.1 为什么基差天然适合统计套利？
基差 = 期货价格 - 现货价格。这个差值理论上应该围绕某个均衡水平波动。为什么？因为期货和现货之间存在着交割机制这个“锚”。
我在项目中遇到过不少新手，上来就用简单的均值回归做基差交易，结果亏得一塌糊涂。原因很简单：基差序列可能根本不是平稳的。你想想看，如果两个价格序列没有长期均衡关系，那它们的差值随时可能“一去不复返”。
所以，第一步必须是——协整检验。
15.2 协整检验：确认长期均衡关系
协整检验说白了就是回答一个问题：期货和现货这两个价格序列，是不是“手拉手”走的？
常用的方法是Engle-Granger两步法：
- 先对期货价格和现货价格做线性回归，得到残差序列
- 对残差序列做单位根检验（ADF检验）
如果残差是平稳的，就说明两者存在协整关系。嗯，这里要注意：ADF检验的p值要小于0.05才算通过。
核心要点：协整关系 ≠ 相关性高。两个完全不相关的序列也可能协整，但这种情况在期现市场中极少见。我一般会同时看相关系数和协整检验结果，双重确认。
# Python伪代码示例：协整检验
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller
# 假设 futures_prices 和 spot_prices 是Series
# 第一步：回归
spot = sm.add_constant(spot_prices)
model = sm.OLS(futures_prices, spot).fit()
residuals = model.resid
# 第二步：ADF检验
adf_result = adfuller(residuals)
print(f'ADF统计量: {adf_result[0]:.4f}')
print(f'p值: {adf_result[1]:.4f}')
if adf_result[1] < 0.05:
print('存在协整关系，可以进行均值回归交易')
else:
print('没有协整关系，别做！')
15.3 均值回归：基差的核心假设
一旦确认了协整关系，我们就可以假设基差会围绕某个均值来回摆动。这个均值可以是历史均值，也可以是滚动窗口的均值。
我个人习惯用60个交易日的滚动均值。为什么是60？差不多一个季度，能覆盖大部分季节性波动。当然，不同品种要调——比如农产品季节性更强，我可能会用90天。
实战技巧：均值回归的速度可以用半衰期来衡量。半衰期越短，回归越快。我一般只做半衰期在5-20天之间的品种，太慢的等不起，太快的容易被假突破洗出去。
15.4 Z-score信号生成：把基差标准化
Z-score = (当前基差 - 均值) / 标准差。这个公式很简单，但怎么用才是关键。
我常用的信号阈值是这样的：
| Z-score范围 | 信号含义 | 操作建议 |
|---|---|---|
| Z < -2.0 | 基差严重偏低（期货被低估） | 做多期货，做空现货 |
| -2.0 ≤ Z < -1.5 | 基差偏低 | 轻仓建仓 |
| -1.5 ≤ Z ≤ 1.5 | 正常区间 | 不操作或平仓 |
| 1.5 < Z ≤ 2.0 | 基差偏高 | 轻仓建仓 |
| Z > 2.0 | 基差严重偏高（期货被高估） | 做空期货，做多现货 |
我曾经吃过一次大亏：Z-score到了2.5，我重仓做空基差，结果基差继续扩大到3.0才回头。那次回撤差点让我爆仓。所以我现在加了一条规则：Z-score超过2.5时，反而要减仓，因为可能发生了结构性变化。
15.5 交易执行：从信号到下单
信号生成只是第一步，执行才是见真章的地方。我总结了一套执行流程：
- 信号确认：Z-score突破阈值后，等待收盘价确认，避免盘中假信号
- 仓位计算：根据当前波动率调整仓位，波动率越大仓位越小
- 下单执行：期货用限价单，现货用市价单（流动性差异）
- 止损设置：Z-score反向突破3.0时无条件止损
- 止盈设置：Z-score回归到0附近时平仓一半，到±0.5时全部平仓
警告：千万不要在基差回归到均值时立刻反向开仓！我见过太多人这样做，结果被来回打脸。等Z-score在均值附近震荡2-3天再考虑反向操作。
15.6 知识体系总览
下面这张图把整个统计套利的流程串起来了，你可以对照着看：
15.7 实战中的避坑指南
做统计套利这么多年，我踩过的坑比走过的路还多。分享几个最痛的：
- 协整关系会变：我2018年做螺纹钢基差，协整关系维持了两年，突然有一天就失效了。后来发现是交割规则改了。所以每周都要重新跑一遍协整检验。
- 别忽视交易成本：现货交易的手续费、冲击成本、仓储费，这些加起来可能吃掉你一半利润。我一般会在Z-score阈值上加0.2作为缓冲。
- 流动性陷阱：有些品种的现货市场流动性很差，你开仓容易平仓难。我吃过这个亏，现在只做流动性排名前20的品种。
- 黑天鹅事件：2020年原油宝事件就是典型。基差瞬间打到-40美元，所有统计套利模型全部失效。所以一定要有极端情况下的应急预案。
我的核心建议：统计套利不是印钞机，它只是给你一个概率上的优势。严格执行纪律，比任何模型都重要。我曾经连续亏损7次，第8次一把赚回来还倒赢。如果中间放弃了，就什么都没有了。
好了，这一章的内容就到这里。记住：协整检验是前提，Z-score是工具，执行力才是关键。把这些都吃透了，基差交易的统计套利你就算入门了。