第二十一讲：基差与期现套利——无风险套利与统计套利的实战

各位朋友，今天我们来聊聊期现套利。说实话，这是很多交易员入门时最想掌握的“圣杯”。但我要先泼盆冷水——真正的无风险套利，在成熟市场里几乎不存在。你看到的那些“无风险”机会，往往转瞬即逝，或者藏着你看不见的成本。

我个人习惯把期现套利分成两类：一类是无风险套利，另一类是统计套利。前者靠的是定价公式，后者靠的是概率和耐心。今天我们就掰开揉碎了讲清楚。

一、无风险套利：理论很美，现实很骨感

无风险套利的理论基础是什么？就是持有成本模型。期货价格 = 现货价格 + 持有成本 - 持有收益。这个公式你肯定见过，但实战中怎么用？

举个例子。假设螺纹钢现货价格4000元/吨，一个月后到期的期货合约价格是4050元/吨。仓储费、资金利息、交割费用加起来大概30元/吨。那么理论期货价格应该是4030元/吨。现在实际价格是4050元，高了20块。

这时候怎么做？卖期货，买现货。等交割日一到，你拿着现货去交割，赚这20块的差价。这就是经典的无风险套利。

但我要提醒你，实战中没那么简单。我曾经在2019年做过一次螺纹钢的期现套利，算好了所有成本，结果交割时发现仓库的仓单注册流程出了问题，多花了三天时间。这三天里资金成本就吃掉了一半利润。

二、统计套利：用概率赚钱

既然纯无风险套利机会越来越少，那怎么办？我个人的做法是转向统计套利。说白了，就是利用基差的统计规律，在大概率回归的位置进场。

统计套利的逻辑很简单：基差不会无限扩大，也不会无限缩小。它会在一个区间内波动。我们找到这个区间的上下边界，在边界附近反向开仓。

具体怎么做？我一般分三步：

1. 计算历史基差分布——用过去6个月到1年的数据，算出基差的均值、标准差
2. 设定阈值——比如均值±2倍标准差作为开仓信号
3. 动态调整——随着市场变化，定期更新参数

下面是我常用的一个简单模型框架：

# 伪代码示例：统计套利信号生成
import numpy as np

def generate_signal(basis_series, window=60, z_threshold=2):
    # 计算滚动均值和标准差
    mean = basis_series.rolling(window).mean()
    std = basis_series.rolling(window).std()
    
    # 计算Z-score
    z_score = (basis_series - mean) / std
    
    # 生成信号
    signal = 0
    if z_score > z_threshold:
        signal = -1  # 做空基差（卖期货买现货）
    elif z_score < -z_threshold:
        signal = 1   # 做多基差（买期货卖现货）
    
    return signal

你想想看，这个模型的核心假设是什么？是基差会均值回归。但市场有时候会打破这个假设。我记得2020年原油期货跌到负值时，所有统计模型都失效了。为什么？因为基本面发生了根本性变化。

三、两种套利的对比与选择

我经常被问到：到底该做无风险套利还是统计套利？我的回答是：看你的资金规模和风险承受能力。

对比维度	无风险套利	统计套利
理论风险	接近零	中等（有回撤风险）
机会频率	极低（成熟市场几乎消失）	较高（每周都有机会）
资金占用	高（需要全额现货）	低（期货保证金即可）
执行难度	高（涉及交割流程）	中等（纯电子盘操作）
收益特征	稳定但微薄	波动但可观

我个人更倾向于统计套利。原因很简单：可复制性强。无风险套利一年可能就碰到一两次，而统计套利可以做成一个持续运行的策略。

四、实战中的关键细节

嗯，这里要注意几个容易被忽略的点：

• 交易成本——别只看价差，手续费、滑点、冲击成本都要算进去。我见过太多人算出来有利润，一执行就亏钱。
• 资金管理——统计套利也会有连续亏损的时候。我曾经连续止损7次，如果仓位重了，心态早就崩了。
• 流动性——有些品种的远月合约流动性很差，你开仓容易平仓难。这时候基差再大也别碰。

五、知识体系框架

下面这张图，是我对本章内容的一个总结。你可以把它当作操作手册来用。

这张图把两种套利的核心逻辑、操作步骤和风险点都串起来了。你可以保存下来，做策略时对照着看。

最后说一句：套利不是印钞机，而是精细活。每一个细节都决定成败。我做了十几年交易，最大的体会就是——那些看起来最稳的钱，往往最难赚。

---

公众号:蓝海资料掘金营，微信deep3321