二、价差基础：价差的计算方法、常见价差类型与统计特征
价差（Spread）是跨市场与跨品种交易策略的核心计量单位。它不是两个价格的简单相减，而是反映两个高度相关资产之间相对强弱关系的量化表达。理解价差的计算逻辑、分类体系与统计分布，是构建一切套利与配对交易策略的前提。本章将系统拆解价差的数学定义、三大类型（跨期、跨品种、跨市场）的构造逻辑，以及价差序列的平稳性、均值回归性与波动聚集性等关键统计特征。
2.1 价差的计算方法：从简单算术到回归残差
价差的计算并非只有一种固定公式。选择何种计算方法，取决于交易标的价格的生成机制、波动率结构以及策略的持有周期。错误的计算方法会导致价差序列呈现虚假的波动或趋势，从而误导开平仓信号。以下是四种主流的价差计算方式及其适用场景。
2.1.1 简单算术价差（Simple Price Spread）
这是最直观的计算方式，即两个合约价格直接相减：S = P₁ − P₂。该方法的隐含假设是两个合约的价格变动幅度（价格变动）具有可比性。它适用于价格水平相近、合约乘数一致的品种，例如同一交易所内不同月份的螺纹钢期货（RB2410与RB2501），两者价格均在3000-4000元/吨区间，直接相减即可反映近远月供需预期的差异。
2.1.2 对数价差（Log Spread）
对数价差定义为 S = ln(P₁) − ln(P₂) = ln(P₁/P₂)。其优势在于将价格差异转化为相对比率，消除了价格水平差异的影响。同时，对数变换使得价差序列的方差更稳定，更接近正态分布，便于后续的统计建模。该方法广泛应用于跨市场套利，例如沪铜与LME铜的比价分析，因为两者计价货币不同（人民币 vs 美元），直接相减无意义，而对数比价则天然包含了汇率因素。
2.1.3 比率价差（Ratio Spread）
比率价差直接计算 S = P₁ / P₂。它常用于产业链套利，如“油粕比”（豆油价格/豆粕价格）。比率价差的好处是无需考虑合约乘数差异，且天然具有均值回归的直观解释——当比值偏离历史均值时，市场力量会推动其回归。但比率价差的分布通常右偏，且当分母接近零时会产生极端值，需谨慎处理。
2.1.4 回归残差价差（Regression Residual Spread）
这是最严谨的计算方法，通过线性回归 P₁ = α + β·P₂ + ε，将残差 ε 作为价差序列。β 为对冲比率（Hedge Ratio），表示每持有1单位P₁需要β单位P₂来对冲。该方法的核心优势在于：它剥离了系统性市场风险，仅保留两个品种间的相对定价偏差。这是统计套利（Stat Arb）和配对交易（Pairs Trading）的标准做法。
| 计算方法 | 公式 | 适用场景 | 优点 | 局限性 |
|---|---|---|---|---|
| 简单算术价差 | P₁ − P₂ | 同品种跨期、价格水平相近 | 直观、计算简单 | 受价格水平差异影响大 |
| 对数价差 | ln(P₁/P₂) | 跨市场、跨币种 | 消除水平差异、方差稳定 | 价格接近零时失真 |
| 比率价差 | P₁ / P₂ | 产业链上下游、油粕比 | 无需考虑乘数、解释性强 | 分布右偏、分母风险 |
| 回归残差价差 | P₁ − β·P₂ − α | 统计套利、配对交易 | 剥离系统性风险、动态对冲 | β不稳定、需滚动估计 |
2.2 常见价差类型：跨期、跨品种与跨市场
根据交易标的所属的合约月份、品种类别或交易所市场，价差可以划分为三大基本类型。每种类型背后对应着不同的经济逻辑、风险因子和交易执行方式。
2.2.1 跨期价差（Calendar Spread）
跨期价差是指同一交易所、同一品种、不同到期月份合约之间的价差。例如，大连商品交易所的豆粕M2409与M2501合约价差。其定价核心是持仓成本理论（Cost of Carry）：远月价格 ≈ 近月价格 + 仓储费 + 资金占用利息 − 便利收益（Convenience Yield）。
- 正向市场（Contango）：远月价格高于近月，价差为正，反映持有成本。此时可执行“买近卖远”的展期收益策略。
- 反向市场（Backwardation）：近月价格高于远月，价差为负，通常反映现货紧缺或强季节性需求。此时“卖近买远”可能获得回归收益。
跨期价差的风险主要来自库存变化、资金利率波动以及近月合约的逼仓风险。交易者需密切关注交易所的持仓限额和交割规则。
2.2.2 跨品种价差（Inter-Commodity Spread）
跨品种价差涉及两个不同但具有高度相关性的品种，通常源于产业链上下游关系、替代关系或共同的生产投入。典型案例如下：
- 产业链利润价差：如“压榨利润” = 豆粕价格 + 豆油价格 × 出油率 − 大豆价格。该价差反映油厂加工利润，当利润过高时，油厂增加开工率，导致豆粕豆油供给增加，利润回归均值。
- 替代品价差：如螺纹钢与热卷的价差。两者同属钢材，但下游需求不同（螺纹用于建筑，热卷用于制造业），价差反映制造业与建筑业景气度的相对强弱。
- 原料与成品价差：如焦炭与焦煤的价差，反映焦化厂的利润空间。
跨品种价差交易的核心在于理解产业链的利润传导机制和产能调节周期。需要注意的是，品种间的β系数并非恒定，需动态调整对冲比率。
2.2.3 跨市场价差（Intermarket Spread）
跨市场价差是指同一品种在不同交易所或不同国家市场之间的价差。最典型的案例是沪铜（SHFE）与LME铜（伦敦金属交易所）之间的价差，通常以“沪伦比值”或“进口盈亏”来衡量。
跨市场价差的驱动因素包括：
- 汇率变动：人民币兑美元汇率直接影响进口成本。
- 关税与增值税：进口关税、增值税率调整会改变价差中枢。
- 物流与仓储成本：国际运费、港口升贴水、交割库租金。
- 贸易政策：如反倾销税、出口退税政策变化。
跨市场套利执行中最大的挑战是时间差与流动性差异。例如，沪铜交易时间（日盘+夜盘）与LME电子盘（几乎24小时）存在重叠但并非完全同步，价差信号可能在LME收盘后出现跳空。此外，两个市场的涨跌停板幅度不同，极端行情下可能无法同步平仓。
| 价差类型 | 典型标的 | 核心驱动因子 | 主要风险 | 常用计算方式 |
|---|---|---|---|---|
| 跨期价差 | 螺纹钢RB2410-RB2501 | 库存、资金利率、季节性 | 逼仓、交割规则变化 | 简单算术价差 |
| 跨品种价差 | 豆粕-豆油压榨利润 | 产业链利润、开工率、需求替代 | β系数不稳定、产业政策 | 回归残差、比率价差 |
| 跨市场价差 | 沪铜 vs LME铜 | 汇率、关税、物流、贸易政策 | 时间差、流动性差异、涨跌停 | 对数价差、进口盈亏 |
2.3 价差的统计特征：从平稳性到尾部风险
并非所有价差序列都适合进行套利交易。一个理想的套利价差应具备以下统计特征：平稳性（Stationarity）、均值回归性（Mean Reversion）、有限的波动聚集（Volatility Clustering）以及可控的尾部风险（Tail Risk）。交易者必须通过统计检验来验证这些特征，否则策略将面临“价差发散”的毁灭性风险。
2.3.1 平稳性检验（ADF Test）
平稳性是时间序列分析的基础。一个平稳的价差序列意味着其均值、方差和自协方差不随时间变化。最常用的检验方法是Augmented Dickey-Fuller（ADF）检验。原假设H₀为序列存在单位根（非平稳），若检验统计量小于临界值（通常取1%或5%显著性水平），则拒绝原假设，认为序列平稳。
# Python伪代码示例：ADF检验
from statsmodels.tsa.stattools import adfuller
result = adfuller(spread_series, autolag='AIC')
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
# 若p值 < 0.05，则价差序列平稳，适合套利如果价差非平稳（即存在单位根），则说明两个价格之间不存在长期均衡关系，任何价差交易都将是“接飞刀”行为。此时应放弃该价差对，或改用协整检验（Engle-Granger两步法）来寻找真正的均衡关系。
2.3.2 均值回归速度与半衰期
平稳的价差序列必然具有均值回归性，但回归速度至关重要。通常使用Ornstein-Uhlenbeck（OU）过程来建模价差：
dSt = κ(μ − St)dt + σdWt
其中 κ 为回归速度（均值回复率），μ 为长期均值，σ 为波动率。半衰期（Half-life）定义为价差偏离均值后回归一半所需的时间，计算公式为 HL = ln(2) / κ。半衰期是策略持仓周期设计的关键参数：
- 半衰期过短（如<1天）：价差回归太快，交易成本可能吞噬利润，适合高频交易。
- 半衰期适中（3-10天）：适合日内或隔夜波段交易。
- 半衰期过长（>30天）：资金占用成本高，且期间可能面临价差继续扩大的浮亏压力。
2.3.3 波动聚集与GARCH效应
金融时间序列普遍存在波动聚集现象：大幅波动后往往跟随大幅波动，小幅波动后跟随小幅波动。价差序列同样如此。这意味着价差的方差并非恒定，而是时变的。若忽略此特征，使用固定标准差计算Z-score开仓阈值，会在高波动期频繁触发错误信号，在低波动期错过机会。
解决方案是使用GARCH(1,1)模型动态估计条件方差，并基于条件标准差计算动态Z-score。例如，当市场处于高波动状态时，Z-score阈值应相应放宽（如±2.5），以避免在波动率扩张阶段过早入场。
2.3.4 尾部风险与峰度
价差序列的分布通常具有尖峰厚尾特征，即峰度（Kurtosis）大于3。这意味着极端价差出现的概率远高于正态分布的预测。例如，在2011年欧债危机期间，欧元兑美元汇率与德国国债收益率之间的跨市场价差出现了超过10倍标准差的事件，导致大量套利策略爆仓。
因此，在设置止损时，不能仅依赖均值±N倍标准差，而应结合历史最大回撤、压力测试以及极端行情下的流动性枯竭风险。建议在策略中加入最大亏损限额和熔断机制。
背景：2024年3月，某私募基金拟在螺纹钢跨期价差上执行均值回归策略。初始价差为-80元/吨（远月贴水）。
分析过程：
1. 对过去500个交易日的价差序列进行ADF检验，p值为0.013，在5%显著性水平下拒绝单位根，序列平稳。
2. 拟合OU过程，估计κ=0.15，半衰期=4.6天，适合5-10天的持仓周期。
3. 计算GARCH(1,1)条件波动率，发现2024年1月波动率显著高于2月，因此动态Z-score阈值设为±2.2。
4. 当价差Z-score达到-2.5（即价差过度贴水）时，建立“买近月RB2410、卖远月RB2501”的头寸，价差比1:1。
结果：持仓6天后，价差从-80元/吨回归至-35元/吨，盈利45元/吨。扣除交易成本（约8元/吨），净盈利37元/吨。
复盘：若使用固定标准差（而非GARCH动态波动率），开仓信号会提前3天触发，期间价差继续扩大至-95元/吨，浮亏15元/吨，虽然最终盈利但心理压力显著增大。动态波动率有效过滤了低质量信号。
2.4 常见误区与总结复盘
在价差基础分析中，交易者常犯以下错误，需引以为戒：
- 误区一：忽视合约乘数差异。例如，铜期货5吨/手，铝期货5吨/手，但价格水平不同，直接相减的价差无法用于实际头寸配比。正确做法是使用回归残差或按名义金额等权配置。
- 误区二：将非平稳序列当作平稳序列交易。若两个品种的基本面逻辑已发生根本变化（如新能源替代导致铜铝需求结构改变），历史价差均值将不再有效，此时交易无异于逆势接刀。
- 误区三：忽略交易时段的非同步性。跨市场套利中，若一个市场已收盘，另一个市场仍在交易，价差信号可能失真。例如，沪铜夜盘收盘后，LME铜仍在交易，此时计算的价差无法真实反映套利机会。
- 误区四：过度优化半衰期。半衰期是基于历史数据估计的，但市场微观结构变化会导致κ值漂移。建议每季度重新估计参数，并设置参数漂移的预警阈值。