前言
很多人做跨期价差策略时，只关注价差回归方向，却忽略了两个关键细节：一是价差序列本身是否稳定，二是双腿仓位是否按波动做了平衡。忽略这两点，策略很容易出现看对方向却仍然回撤过大的情况。
这篇我给出一套跨期价差均值回归策略的完整结构，基于天勤量化演示双合约同步信号、价差z-score入场、双腿风控和时间退出。
一、策略逻辑
- 构建远近月价差序列：spread = near - far。
- 计算滚动均值与标准差，得到z-score。
- z-score > 上阈值做卖近买远；z-score < 下阈值做买近卖远。
- z-score回归到中线附近平仓。
二、参数建议
- 价差窗口：120根K线
- 入场阈值：|z| >= 2.0
- 平仓阈值：|z| <= 0.4
- 组合风险上限：账户权益 1.0%
- 强制退出：到期前固定天数清仓
三、天勤量化完整代码示例
python
import os
import math
from datetime import date
import pandas as pd
from tqsdk import TqApi, TqAuth, TqSim, TqBacktest, TargetPosTask
NEAR = "SHFE.rb2409"
FAR = "SHFE.rb2410"
KLINE_SEC = 15 * 60
WIN = 120
ENTRY_Z = 2.0
EXIT_Z = 0.4
RISK_CAP = 0.01
LOT_SIZE_NEAR = 10
LOT_SIZE_FAR = 10
api = TqApi(
TqSim(),
backtest=TqBacktest(start_dt=date(2024, 1, 1), end_dt=date(2024, 12, 20)),
auth=TqAuth(os.getenv("TQ_USER", "账户"), os.getenv("TQ_PASS", "密码")),
)
k_near = api.get_kline_serial(NEAR, KLINE_SEC, data_length=400)
k_far = api.get_kline_serial(FAR, KLINE_SEC, data_length=400)
q_near = api.get_quote(NEAR)
q_far = api.get_quote(FAR)
task_near = TargetPosTask(api, NEAR)
task_far = TargetPosTask(api, FAR)
state = 0 # 0:空仓, 1:卖近买远, -1:买近卖远
def lot_by_balance(balance, px_near, px_far):
budget = balance * RISK_CAP
one_pair_cost = px_near * LOT_SIZE_NEAR + px_far * LOT_SIZE_FAR
return max(1, math.floor(budget / max(one_pair_cost, 1)))
while True:
api.wait_update()
if not (api.is_changing(k_near.iloc[-1], "datetime") and api.is_changing(k_far.iloc[-1], "datetime")):
continue
s_near = pd.Series(k_near["close"])
s_far = pd.Series(k_far["close"])
spread = s_near - s_far
mu = spread.rolling(WIN).mean().iloc[-1]
sd = spread.rolling(WIN).std().iloc[-1]
if sd != sd or sd == 0:
continue
z = float((spread.iloc[-1] - mu) / sd)
px_near = float(q_near.last_price)
px_far = float(q_far.last_price)
balance = api.get_account().balance
qty = lot_by_balance(balance, px_near, px_far)
if state == 0:
if z >= ENTRY_Z:
task_near.set_target_volume(-qty) # 卖近
task_far.set_target_volume(qty) # 买远
state = 1
elif z <= -ENTRY_Z:
task_near.set_target_volume(qty) # 买近
task_far.set_target_volume(-qty) # 卖远
state = -1
else:
if abs(z) <= EXIT_Z:
task_near.set_target_volume(0)
task_far.set_target_volume(0)
state = 0四、实盘化关键细节
- 双腿成交要做时间一致性检查，避免单腿先成交导致裸露风险。
- 价差序列要持续监控稳定性，窗口漂移时要先降仓再观察。
- 到期切换前要提前退出，避免交割月流动性变化带来的执行偏差。
五、总结
跨期价差策略的核心不在猜方向，而在管理偏离与回归过程。只要你把价差标准化、双腿同步和风险预算做成固定流程，策略稳定性会比单腿方向策略更可控。
六、FAQ
1）为什么用z-score而不是绝对价差？
z-score做了标准化，跨阶段可比性更好。
2）双腿手数必须1:1吗？
不一定，建议按合约乘数和波动做平衡。
3）什么时候不适合做价差回归？
当价差结构发生持续性变化、回归特征弱化时。
4）回测里双腿都成交，模拟却不同步怎么办？
先查撮合时序和流动性，再加成交保护与超时撤单机制。
风险提示
本文用于期货量化策略研发实践讨论，不构成投资建议。请结合自身风险承受能力独立决策。