跨品种套利 (Cross-Variety Arbitrage)

ZaynPei Lv6
  2025-10-16 13:00 2025-10-16 13:00 Created   2025-10-16 22:24:31 2025-10-16 22:24:31 Updated      1.7k Words  6 Mins

跨品种套利 (Cross-Variety Arbitrage) 是一种利用相关品种之间的价格差异进行交易以获取利润的策略。它基于这样一个假设：在有效市场中，相关品种的价格关系应该是稳定且可预测的。当这种关系出现偏离时，套利者可以通过买入和卖出相关品种来获取利润。

它属于统计套利 (Statistical Arbitrage) 的范畴，其核心是一种均值回归 (Mean Reversion) 的信念，但它交易的不是单一资产的价格，而是两种相关资产之间的价差 (Spread)。

前提：经济关联性

策略成功的基石是选择的两个品种之间必须有强烈的、稳定的经济关联。例如：

  • 焦炭(j) vs. 焦煤(jm) : 焦煤是生产焦炭的原材料。它们的成本和需求端紧密相连，因此价格走势高度相关。

  • 玉米(c) vs. 淀粉(cs): 玉米是生产淀粉的原材料。

  • 大豆 vs. 豆粕: 大豆是生产豆粕的原材料。

这种内在的经济联系，使得它们的价差在长期来看，会像一根“橡皮筋”，围绕一个均衡水平（均值）上下波动。

套利机会的产生

由于短期市场情绪、供需冲击或流动性问题，这根“橡皮筋”有时会被过度拉伸（价差过大）或过度压缩（价差过小）。

套利策略的目标，就是在“橡皮筋”被拉伸到极限时，做空价差（卖出高价的，买入低价的），赌它会收缩；在被压缩到极限时，做多价差（买入低价的，卖出高价的），赌它会扩张。

如何验证相关性存在

最常用的方法是利用EG两步法对两个序列做协整检验，判断两个序列是否平稳。只有单整阶数相同，二者才有可能存在一定的关系。

平稳性 (Stationarity): 一个时间序列如果是平稳的，意味着它的均值和方差不随时间改变。它的走势图看起来像是在一条水平线上下随机波动。 协整的直观理解: 两个单独看起来“不平稳”（像随机游走，没有回归均值的趋势）的资产价格，如果它们是协整的，就意味着它们之间存在一个神奇的长期均衡关系, 此时他们的价差（Spread）是平稳的

策略逻辑

第一步：定义价差和统计通道

  • 价差 (Spread): Spread = Price(DCE.j1901) - Price(DCE.jm1901)。

  • 历史数据窗口: 使用过去30个交易日的数据作为计算统计量的基础。

  • 通道中轨 (均衡值): 过去30日价差的均值 mean。

  • 开仓边界 (触发线): 在中轨的上下方各设置一个边界，宽度为 0.75 * 标准差。

    • 上轨: Up_Open = mean + 0.75 * std

    • 下轨: Down_Open = mean - 0.75 * std

  • 止损边界 (风控线): 在中轨的上下方设置更宽的边界，宽度为 2.0 * 标准差。

    • 上轨止损: Up_Stop = mean + 2.0 * std

    • 下轨止损: Down_Stop = mean - 2.0 * std

第二步：开仓逻辑

  • 做空价差: 如果当前实时价差向上突破了上轨开仓线 (Up_Open)，意味着价差异常偏高。执行操作：卖出焦炭(j)，买入焦煤(jm)。

  • 做多价差: 如果当前实时价差向下突破了下轨开仓线 (Down_Open)，意味着价差异常偏低。执行操作：买入焦炭(j)，卖出焦煤(jm)。

第三步：平仓逻辑

  • 止盈平仓: 无论持有多头还是空头价差头寸，当价差回归到中轨线（均值）时，认为套利目标达成，平掉所有头寸，锁定利润。

  • 止损平仓:

    • 如果持有多头价差头寸，但价差没有回归，反而继续下跌并跌破了下轨止损线 (Down_Stop)，立即平仓，防止亏损扩大。

    • 如果持有空头价差头寸，但价差没有回归，反而继续上涨并涨破了上轨止损线 (Up_Stop)，立即平仓。

代码示例

下面的代码示例展示了如何实现一个简单的跨品种套利策略：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.api import *
import numpy as np
def init(context):
    # 选择的两个合约
    context.symbol = ['DCE.j1901', 'DCE.jm1901']
    # 订阅历史数据
    subscribe(symbols=context.symbol,frequency='1d',count=11,wait_group=True)
def on_bar(context, bars):
    # 数据提取
    j_close = context.data(symbol=context.symbol[0],frequency='1d',fields='close',count=31).values
    jm_close = context.data(symbol=context.symbol[1],frequency='1d',fields='close',count=31).values
    # 提取最新价差
    new_price = j_close[-1] - jm_close[-1]
    # 计算历史价差,上下限，止损点
    spread_history = j_close[:-2] -  jm_close[:-2]
    context.spread_history_mean = np.mean(spread_history)
    context.spread_history_std = np.std(spread_history)
    context.up = context.spread_history_mean + 0.75 * context.spread_history_std
    context.down = context.spread_history_mean - 0.75 * context.spread_history_std
    context.up_stoppoint = context.spread_history_mean + 2 * context.spread_history_std
    context.down_stoppoint = context.spread_history_mean - 2 * context.spread_history_std
    # 查持仓
    position_jm_long = context.account().position(symbol=context.symbol[0],side=1)
    position_jm_short = context.account().position(symbol=context.symbol[0],side=2)
    # 设计买卖信号
    # 设计开仓信号
    if not position_jm_short and not position_jm_long:
        if new_price > context.up:
            print('做空价差组合')
            order_volume(symbol=context.symbol[0],side=OrderSide_Sell,volume=1,order_type=OrderType_Market,position_effect=1)
            order_volume(symbol=context.symbol[1], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Open)
        if new_price < context.down:
            print('做多价差组合')
            order_volume(symbol=context.symbol[0], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            order_volume(symbol=context.symbol[1], side=OrderSide_Sell, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Open)
    # 设计平仓信号
    # 持jm多仓时
    if position_jm_long:
        if new_price >= context.spread_history_mean:
            # 价差回归到均值水平时，平仓
            print('价差回归到均衡水平，平仓')
            order_volume(symbol=context.symbol[0], side=OrderSide_Sell, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            order_volume(symbol=context.symbol[1], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
        if new_price < context.down_stoppoint:
            # 价差达到止损位，平仓止损
            print('价差超过止损点，平仓止损')
            order_volume(symbol=context.symbol[0], side=OrderSide_Sell, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            order_volume(symbol=context.symbol[1], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
    # 持jm空仓时
    if position_jm_short:
        if new_price <= context.spread_history_mean:
            # 价差回归到均值水平时，平仓
            print('价差回归到均衡水平，平仓')
            order_volume(symbol=context.symbol[0], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            order_volume(symbol=context.symbol[1], side=OrderSide_Sell, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
        if new_price > context.up_stoppoint:
            # 价差达到止损位，平仓止损
            print('价差超过止损点，平仓止损')
            order_volume(symbol=context.symbol[0], side=OrderSide_Buy, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            order_volume(symbol=context.symbol[1], side=OrderSide_Sell, volume=1, order_type=OrderType_Market, position_effect=PositionEffect_Close)
if __name__ == '__main__':
    '''
    strategy_id策略ID,由系统生成
    filename文件名,请与本文件名保持一致
    mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    token绑定计算机的ID,可在系统设置-密钥管理中生成
    backtest_start_time回测开始时间
    backtest_end_time回测结束时间
    backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
    backtest_initial_cash回测初始资金
    backtest_commission_ratio回测佣金比例
    backtest_slippage_ratio回测滑点比例
    '''
    run(strategy_id='strategy_id',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='token',
        backtest_start_time='2018-02-01 08:00:00',
        backtest_end_time='2018-12-31 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=2000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)
On this page
跨品种套利 (Cross-Variety Arbitrage)
  1. 前提：经济关联性
  2. 套利机会的产生
  3. 如何验证相关性存在
  4. 策略逻辑
  5. 代码示例