第26章基差交易系统搭建

第26章：基差交易系统搭建

系统架构设计、数据模块、策略模块、风控模块、执行模块——这五个词，说白了就是一套交易系统的五脏六腑。我做了这么多年量化，见过太多人一上来就写策略代码，结果数据源断了、风控没拦住、执行滑点大，最后亏得莫名其妙。今天咱们就把这套系统拆开揉碎了讲清楚。

一、系统架构设计：别让代码变成一团乱麻

我个人习惯，先把系统分成三层：数据层、策略层、执行层。每一层只干自己的事，别越界。你想想看，如果数据清洗和策略逻辑混在一起，改一个地方就得动全局，那维护成本就太高了。

核心原则：高内聚、低耦合。每个模块独立部署，通过消息队列或API通信。

举个例子，我早期做的一个基差套利系统，数据模块用Python写，策略模块用C++，执行模块直接对接CTP。它们之间通过Redis传递信号。这样哪怕数据模块挂了，策略模块还能用缓存数据撑一会儿。

架构图如下：

二、数据模块：地基不牢，地动山摇

数据模块是整个系统的命根子。我见过最惨的一次，是数据源突然断流，策略还在傻乎乎地发信号，结果全仓做反了方向。嗯，这里要注意：数据模块必须做三件事——接入、清洗、存储。

2.1 行情数据接入

基差交易需要两类数据：期货价格和现货价格。期货数据从交易所API拿，现货数据得找资讯商。我个人习惯用CTP接口拿期货行情，用Wind或Bloomberg拿现货数据。

# 伪代码示例：数据接入
class DataFeed:
    def __init__(self):
        self.future_api = CTPApi()
        self.spot_api = WindApi()
    
    def get_basis(self, symbol):
        future_price = self.future_api.get_last_price(symbol)
        spot_price = self.spot_api.get_index_price(symbol)
        return future_price - spot_price

小技巧：数据频率要匹配。做日内基差就用1分钟线，做跨期就用日线。别拿tick数据算日频基差，那纯粹是给自己找麻烦。

2.2 数据清洗与存储

数据进来之后，第一件事不是算基差，而是清洗。我曾经遇到过某天现货数据突然跳空，算出来的基差直接爆表，策略差点开仓。后来我加了三道防线：

异常值检测：价格超过3倍标准差就标记
时间戳对齐：期货和现货的时间戳必须精确到毫秒
缺失值处理：用前向填充，别用插值

三、策略模块：核心逻辑，但别太复杂

策略模块说白了就是两件事：什么时候开仓，什么时候平仓。基差交易的核心逻辑其实很简单——基差偏离均值太多就进场，回归了就离场。但执行起来，细节多得吓人。

3.1 信号生成

我常用的方法是滚动窗口的Z-score。当基差的Z-score超过2.5时，认为偏离过度，准备开仓。低于-2.5时反向开仓。但这里有个坑：窗口长度怎么选？

窗口长度	适用场景	缺点
20个交易日	短期均值回归	噪音多，假信号多
60个交易日	中期趋势交易	反应慢，容易错过行情
120个交易日	长期套利	对结构变化不敏感

我个人习惯用60日窗口，再叠加一个20日窗口做辅助判断。两个窗口同时发出信号，我才进场。这样能过滤掉不少噪音。

3.2 仓位管理

仓位管理比信号生成更重要。我见过太多人信号对了，但仓位太重，一波回调就爆仓。我的原则是：每笔交易的风险不超过总资金的2%。

# 仓位计算示例
def calculate_position(basis, z_score, capital):
    risk_per_trade = capital * 0.02
    # 基差每偏离1个点，亏损多少
    point_value = 10  # 假设每点10元
    stop_loss = 5     # 止损5个点
    position = risk_per_trade / (stop_loss * point_value)
    return int(position)

注意：别用凯利公式算仓位。凯利公式在连续亏损时会让你下重注，这在基差交易里是致命的。我吃过这个亏，后来改用固定比例法。

四、风控模块：保命用的，别当摆设

风控模块是系统的最后一道防线。我把它分成三层：事前、事中、事后。

4.1 事前风控

开仓前检查三件事：

资金是否充足：保证金占用不超过70%
持仓是否超限：单品种持仓不超过总资金的30%
关联品种检查：如果已经持有螺纹钢多单，就别再开热卷多单

4.2 事中风控

持仓过程中，实时监控两个指标：

最大回撤：当日回撤超过5%就强制平仓
基差偏离：基差超过3倍标准差，立即检查数据源

4.3 事后风控

每天收盘后，跑一遍归因分析。看看今天的盈亏是来自基差变动，还是来自方向性风险。如果方向性风险占比太高，说明策略可能跑偏了。

避坑指南：我曾经把风控阈值设得太宽松，结果一次黑天鹅事件直接亏了15%。后来我把所有阈值都收紧了一半，虽然信号少了，但活得久了。

五、执行模块：最后一公里，别掉链子

执行模块负责把策略信号变成真实的成交。这里最大的敌人是滑点。基差交易本身利润就薄，滑点一多，直接亏钱。

5.1 订单路由

我一般用限价单，不追单。如果限价单5秒内没成交，就撤单重发。价格稍微调高或调低0.5个tick。这样既能控制滑点，又不会错过行情。

5.2 滑点控制

滑点控制的核心是流动性判断。如果当前盘口的买卖价差超过正常值的2倍，我就暂停交易，等流动性恢复再说。

# 滑点控制示例
def check_spread(symbol):
    bid, ask = get_market_depth(symbol)
    spread = ask - bid
    normal_spread = get_normal_spread(symbol)
    if spread > normal_spread * 2:
        return False  # 流动性不足，暂停交易
    return True

5.3 成交反馈

每笔成交后，系统要立即更新持仓和资金。我习惯用事件驱动的方式，成交回报一来，就触发风控检查和策略状态更新。别用轮询，太慢了。

个人经验：执行模块最好单独部署在一台低延迟的服务器上。别跟策略模块混在一起，否则策略计算卡顿的时候，执行也跟着遭殃。

好了，以上就是基差交易系统的五个核心模块。每个模块单独看都不复杂，但组合起来，就是一个能稳定盈利的系统。记住：系统搭建不是一蹴而就的事，边跑边改，慢慢优化，才是正道。

📚 课程目录