跨品种套利的逻辑与风险

一、价差波动中的真金白银

做了这么多年基金，我越来越觉得跨品种套利这活儿，有点像老茶客品茶——表面看是解渴，实际品的是回甘和层次。咱们管理的资金规模到了10-20亿这个量级，纯单边趋势策略的风险敞口太扎眼，跨品种套利这种“赚价差、不赌方向”的打法，反而成了组合里的压舱石。说白了，就是利用相关品种之间的价差偏离，做多一个、做空另一个，等价格关系回归正常再平仓获利。

这里头有个绕不开的概念，就是黑子私募基金管理里常说的“经济实质法”——别被这词唬住，通俗讲就是你的交易逻辑得站得住脚，不能光看盘面数字跳动就冲进去。比如螺纹钢和热卷，同属黑色系但用途不同，价差有合理的产业逻辑支撑。我记得2021年那次焦炭和螺纹的价差拉得离谱，市场情绪亢奋，但产业库存数据根本不支持，那就是典型的“基本面错杀”机会。我们当时做了空焦炭多螺纹的组合，两个月时间价差收敛了将近300点，单这一笔就贡献了组合近2%的收益。

但你也别觉得这是捡钱。价差交易最坑人的地方在于，你以为是在赚确定性的钱，实际上是在跟时间赛跑。有时候基本面逻辑清晰，但市场就是不讲理，价差偏离可以持续半年甚至更久。这时候资金管理就比入场逻辑更重要了。我见过太多同行，逻辑对了却倒在黎明前，仓位太重扛不住回撤，最后割肉离场。所以我现在给自己定了个规矩：任何跨品种套利头寸，单笔最大亏损不超过组合净值的0.8%，到了止损线甭管逻辑多硬，先出来再说。

二、套利逻辑的三大支柱

要理解跨品种套利，先得搞明白价差为什么会产生、又为什么会回归。我总结下来无非三个支柱：供需错配、产业链传导、以及市场情绪扰动。供需错配最好理解，比如大豆压榨利润——豆油和豆粕同源产出，但下游需求各自独立，一旦养殖业景气，豆粕需求旺，油厂就会多产粕，豆油供给被动增加，油粕比就会失衡，这就是套利空间。

产业链传导稍微复杂些，得吃透上下游的成本和利润分配。举个煤炭产业链的例子：焦煤是焦炭的原料，焦炭是螺纹钢的原料。假设环保限产导致焦化厂开工率下降，焦炭供给收缩价格飞涨，但焦煤价格没同步跟上，这时候做多焦炭、做空焦煤，赚的就是产业链利润再分配的钱。这招在2019年那波环保督察里特别灵，我们挣了差不多一年管理费的规模。

市场情绪这块就更微妙了，说白了就是找“错杀”和“错爱”。有时候某个品种因为突发事件被过度炒作，但相关品种还没反应过来，价差就瞬间拉大。比如天气炒作农产品时，豆油涨上天但棕榈油还在趴窝，两者替代性强，价差迟早回归。但情绪这东西最没谱，你得有个量化标准，别光凭感觉。我通常用历史价差的分位数来判断——如果价差处于近三年95%分位以上，且基本面没有出现根本性变化，那就可以考虑反向建仓了。

这三个支柱不是孤立的，实际交易中往往互相交织。我自己的经验是，至少要有两个支柱同时支撑，胜率才有保障。比如供需错配叠加产业链传导，那这种机会就值得重仓；如果只是情绪扰动，那仓位就得砍半。还有一点，跨品种套利不像单边交易，你赚的是小波动率下的稳定收益，所以别指望一战成名，靠的是复利积累。就像我们在黑子私募基金管理里常跟投资者强调的，这种策略的夏普比率通常能做到2以上，但单笔收益很少超过5%，做的是细水长流的生意。

对了，还有个容易被人忽略的点：流动性。有些冷门品种组合，价差逻辑再清晰，但盘口一单只有几十手，你带着几千万进去根本出不来。所以我在筛选套利组合时，会先看两个品种的日均成交额，至少都在5亿以上才考虑。不然就算你看对了，平仓时的冲击成本也能把你的利润吃干净。

三、数据建模而非拍脑袋

咱们这行，最忌讳的就是“我觉得”、“我以为”。跨品种套利的先发优势，就在数据处理上。我在团队里专门养了三个量化研究员，每天的工作就是把全市场几百个品种的价格、库存、基差、利润指标跑一遍，用协整模型筛选出价差序列平稳的组合。这个协整检验就是看两个品种的价格长期走势是否同步——如果同步，那短期偏离早晚得回归，这就是套利的基础。

具体操作上，我们有个标准流程：先用ADF检验判断价差序列的平稳性，再用GARCH模型估算波动率区间，最后结合基本面的产业数据做二次确认。这里头有个容易踩的坑——你以为两个品种协整就能无脑套利，但别忘了结构性断裂。比如2020年疫情刚爆发那阵，原油价格崩了，燃油和沥青的价差关系彻底打乱，原本稳定的协整关系直接失效，如果还按老模型操作，亏得连裤衩都不剩。所以我们每个季度都会重新跑一遍协整检验，一旦发现断裂，立即把该组合踢出交易池。

数据建模还有个好处，就是能帮你控制仓位。我们用凯利公式的变形来分配资金——根据历史胜率和盈亏比，算出一个最优比例，然后打折执行。这比凭感觉决定“这单重仓、那单轻仓”要靠谱得多。我刚入行那会儿跟着老基金经理学过一阵，他老人家就看价差图，觉得差不多就进场，结果有一年回撤了18%，直接被投资人质询。从那以后我就铁了心搞量化辅助，跟数据比跟感觉可靠。

现在不少机构开始用机器学习的方法做价差预测，比如随机森林或者LSTM神经网络。但我们实测下来，效果提升有限，还容易过拟合，反而是传统的均值回归模型加上产业逻辑过滤更稳定。说白了，模型是工具，逻辑是核心，别本末倒置。你要是连品种之间为什么会有价差都说不清楚，再复杂的模型也是空中楼阁。

四、风险藏在你看不见的地方

都说套利风险低，那是在正常市场环境下。真正的风险，往往藏在你看不见的地方。首先是黑天鹅事件，比如某天突然传出某大型贸易商爆仓，相关品种瞬间跌停，你这边做着多空对冲，但那一边的品种流动性骤减，想平仓都平不掉。2022年镍期货那波极端行情大家还记得吧？LME镍价两天翻了四倍，国内沪镍跟涨但其他有色品种没动，做跨品种价差的要么爆仓要么被交易所强行减仓，那叫一个惨烈。

其次是资金成本风险。套利赚的是价差收敛的收益，但你得计算持有期的资金占用成本。如果价差迟迟不回归，你一直占着两边的保证金，资金成本就会侵蚀利润。特别是现在利率市场化后，不同期限的资金成本差异挺大。我们一般用内部资金转移定价模型来算，给每个套利头寸配一个“资金成本线”，如果预期收益覆盖不了资金成本的1.5倍，直接放弃。

还有操作风险，比如程序化交易时的滑点、API接口连接超时、甚至错单。我这边就出过一次糗：2023年做豆油棕榈油价差套利时，交易员手滑下反了方向，等于同时做了多豆油多棕榈油，变成了单边多头。好在发现得早，五分钟内就平仓了，损失不多，但这件事让我在团队里立了个规矩：所有套利指令必须是组合单，不允许拆成两个单边指令下。从那以后，我们把交易系统的风控逻辑改成了“强制校验双开双平”，从机制上堵住操作失误的可能。

最后是法律合规风险。千万别小看这个，尤其是涉及境外品种或者关联交易时。之前有个朋友的公司，为了避税把部分收益留在境外SPV里，结果被税务机关认定为“实际受益人”在中国，补了一大笔税还罚了款。我们公司对这块管得特别严，所有跨品种套利涉及的账户和实体，都严格要求穿透核查税务居民身份，宁可少赚也不留隐患。

五、从实战中磨出的真经验

说了这么多理论，还是得落到实战上。我拿2023年的一笔实际交易来讲讲。当时我们做的是玻璃和纯碱的价差套利。这俩品种关系密切——纯碱是玻璃的主要原料，但各自的价格驱动因素又不一样。3月份的时候，纯碱因新增产能投产预期大跌，而玻璃受地产政策提振相对抗跌，两者价差迅速拉大，最高到了每吨850元，而历史均值在450元左右。

我们的策略很明确：做空价差，也就是空纯碱多玻璃。建仓时纯碱主力合约2900元/吨，玻璃主力1800元/吨。按照等价值对冲，我们配了1.2倍保证金比例，总共投了3500万进去。建仓后价差确实开始收敛，但过程没那么顺利——中间有几天纯碱反弹，价差反而冲高到900元，持仓浮亏一度达到170万。团队里有人坐不住了，说是不是逻辑错了。我专门开了个电话会，把纯碱厂家的新增产能投产时间表、玻璃厂的库存天数数据拉出来讲了一遍，结论是基本面没变，继续拿着。

结果是熬到了5月中旬，纯碱开始加速下跌，玻璃也跟着跌但跌幅小，价差一路收敛到500元附近。我们分批平仓，最终落袋利润420万，换算成年化收益差不多有35%。这笔交易让我更坚定了两个判断：一是套利也得熬得住，二是基本面逻辑必须扎实到能说服自己重仓等待。其实当时还有个小插曲，就是正好赶上工信部出台了玻璃行业产能置换新规，等于变相限制了玻璃供给，这更验证了我们的判断。

不过也不是每次都能这么顺。2024年初我们做了一笔铜铝价差套利，逻辑是多铜空铝。铜因为矿山罢工短缺，铝因为复产供给增加，基本面方向没问题。但没想到美国突然宣布对铝产品加征关税，铝价瞬间暴涨，价差反向走了20%，我们扛了两周被迫止损，亏了200多万。这种政策性冲击完全不在模型预期内，事后反思，就是我们太依赖单边的产业逻辑，忽视了宏观政策的突然转向。所以现在我们的策略库里，凡是涉及可能被进出口政策影响的品种组合，都会降低仓位上限，并且加上跨市场、跨期限的期权对冲。

六、管理规模与策略容量

管理10-20亿规模的资金，跟管两三亿完全是两码事。跨品种套利策略的容量有限，不是说你想做多大就能做多大。我算过一笔账，一个流动性中等的品种组合，比如螺纹和热卷，日均成交额合计大概在500亿左右。假设你的单次建仓量不能超过日成交量的2%，那就是10亿，但实际考虑到滑点冲击和持仓周期，单策略容量顶多2-3亿。也就是说，如果你想跑10个套利组合，总规模最多就是20-30亿，这已经是极限了。

所以我们在规模扩容时非常谨慎。从5亿做到10亿，我花了一年半的时间，就是怕策略拥挤导致收益衰减。办法有两个：一是丰富品种覆盖面，从黑色系扩展到化工、农产品、贵金属，甚至跨市场如内外盘套利。二是缩短持仓周期，把一些从月度级别的套利机会，细化为周度甚至日度级别的高频策略。但高频策略对交易系统要求高，我们花了800万升级了低延迟的交易通道，才敢开始做。

还有一点，规模大了之后，你的一举一动容易被市场察觉。要是某天动力煤和焦煤的价差组合突然出现大单，同行们一看就知道有人在建仓，就会跟风或者在结算时扎你一刀。所以我们现在用算法拆单，把大单打碎成几十笔小单逐步入场，降低市场冲击。同时在开仓时间上避开每天前15分钟和收盘前15分钟的流动性不佳时段。

七、谈合规与行政管理的苦与乐

做基金管理，除了投资技术，日常的合规和行政管理其实更磨人。我在这儿分享一个实际遇到过的问题：私募基金产品备案时，对于跨品种套利策略，基金业协会特别关注杠杆比例和历史回撤。我们曾经报了一个套利产品，杠杆用了3倍，协会直接给出反馈，要求说明风险评估和极端情景下的压力测试结果。那段时间我们连夜做了二十多页的说明材料，包括用2015年股灾和2020年疫情数据做回测，最后才顺利通过备案。

还有一个头疼的环节就是“反洗钱”和“穿透核查”。套利交易涉及多个账户和多个实际受益人，有时候资金链条绕了几层，要弄清楚每一层的和税务居民地，费时费力。我们有专门的合规团队，每个月做一次受益人穿透自查，而且对大额赎回的客户，一律要求提供资金来源证明。虽然流程繁琐，但这方面真不能省，一旦出了事，不光罚款，牌照都可能保不住。就像黑子私募基金管理一贯坚持的原则：合规是底线，不碰高压线。

行政管理的另一块是信息披露。套利策略的净值波动不大，但回撤时间可能较长，投资人容易着急。我们每个季度给投资人的信里，除了净值，还会附带交易逻辑讲解和价差走势图，让投资人理解为什么短期持仓不动。我记得有位高净值客户，做实业出身，最不耐烦听量化模型这些词。我拿着图跟他解释，说这就是低买高卖等回归，跟你们囤钢材等涨价一个道理。他听完就笑了，后来不但没赎回，反而追加了投资。

八、未来：套利策略的迭代方向

展望未来，跨品种套利肯定不是守着老一套就能吃遍天的。随着全市场量化资金的涌入，传统的价差回归策略收益空间在收窄。我们统计过，2020年套利策略的平均年化收益还能做到12-15%，到2024年已经降到8-10%。所以必须寻找新的阿尔法来源。

一个方向是融入另类数据。比如用卫星遥感数据监测原油库存变化，用电商销售数据预判消费品需求波动。这些数据能比传统产业数据提前两周捕捉到供需边际变化，用来做价差预测的领先指标。我们试过用卡车GPS数据跟踪钢铁厂发货量，效果好得出奇，比官方周度数据提前了一周多，这在套利领域就是降维打击。

另一个方向是机器学习辅助的波动率预测。不是直接预测价差方向，而是预测价差的波动区间，动态调整止盈止损和仓位。比如同样是均值回归策略，如果预测接下来波动率放大，就降低仓位数；反之则加大仓位。用深度学习的方法训练波动率模型，我们的盈亏比从1.6提升到了1.9，别小看这0.3，长期复利下来差距非常可观。

我觉得套利最终还是回归到对产业本质的理解。技术工具能帮你提高效率，但真正支撑你拿住仓位的是对产业链上下游的深刻认知。所以我每年要求研究员至少去两个产业基地实地调研，不是走马观花，而是跟工厂老板、贸易商坐下来聊上一天。这种接地气的认知，配合量化模型，才是我们在市场里立足的根本。

结论：稳健致远，慢即是快

写到这里，我想总结一句心里话：跨品种套利从来不是赚快钱的门道，它更像是在市场喧嚣中找一个安静的角落，耐心等待价格从扭曲回归理性。这需要专业的数据分析能力，更需要过硬的资金管理纪律和穿越周期的定力。对咱们私募管理人来说，每个基民的钱都是辛苦钱，用套利策略帮大家稳稳地增值，哪怕慢一点，心里踏实。

实操层面我有三个建议：一是在任何市场环境下都别放弃套利策略，它是对冲尾部风险的利器。二是团队里要同时养着产业研究员和量化研究员，两拨人互相碰撞才能出好主意。三是定期复盘，把每笔交易逻辑、执行过程、结果数据留档，这比看什么书都长本事。未来不管市场怎么变，只要人类还需要商品交易，价差就不会消失，套利就永远有饭吃。

黑子私募基金管理公司观点

作为一家深耕大宗商品领域多年的专业机构，我们始终相信跨品种套利的本质是利用市场定价失效来获取波动率回归的收益。这套策略与公司一向倡导的“产业为本、量化护航”理念高度契合。我们特别看重的是，套利策略能够在不大幅增加市场风险敞口的前提下，为组合提供相对稳定的绝对收益贡献。未来，我们将继续加大在另类数据和智能算法上的研发投入，让价差预测更具前瞻性和可靠性。我们也会坚持严控合规红线，确保每一笔收益都经得起推敲，持续为投资者创造稳健、透明的价值回报。