当前位置：首页>python>期货跨期价差到底怎么看?用 Python 判断当前价差是否“偏贵”或“偏便宜”

期货跨期价差到底怎么看?用 Python 判断当前价差是否“偏贵”或“偏便宜”

  • 2026-09-12 18:48:08
期货跨期价差到底怎么看?用 Python 判断当前价差是否“偏贵”或“偏便宜”

一. 前言

书接上文，

https://mp.weixin.qq.com/s/udYseLr-t_etz8AZqkzErg

Python金融笔记，公众号：Python金融笔记拒绝盲目猜测：用 Python 回测 5 年数据，揭秘螺纹钢跨期套利的“黄金区间
上一篇大概写了一些关于螺纹钢的跨期套利的一些内容，只是写了一个大概，这一篇，我拿甲醇来举例子，看看看价差怎么看，怎么算是高，怎么算是低，我们又该怎么做，这篇给写的清楚一点

二.价差看的是什么？

通常所说的价差高，价差低，到底是什么意思，在跨期套利里面，价差指
近月合约的价格 - 远月合约的价格
价差为正数就意味着近月合约的价格>远月合约的价格，反之则是近月合约的价格<远月合约的价格，通常来说，近月合约的价格会低于远月合约的价格，他们天然会有一点价差，主要产生的原因是仓储费。价差只是一个数字，比如螺纹钢01合约现价3000，05合约现价3050，价差为50，我们是看不出来价差是高还是低的，需要把这个数字放到长历史周期里面去看，才会知道是高还是低。

三.先计算价差

在之前的文章里面例子是螺纹钢，现在用甲醇为例子来做，流程还是和上面一篇是一样的，我这里就直接放图了。
这里就有引出了一个问题了，如果把甲醇的01，05，09合约放到一张图里面，如果价差假如是0，这个价差在01-05的跨期中是偏小的，在09-第二年的01合约却是偏大的，所以，对于甲醇季节性比较强的品种，不能直接把所有的配对的价差放到一起来比较价差的高低，所以我是把01-05，05-09，01-09的同一个配对的合约放到一起来比较的，图如下
看起来也比较正常了，也是比较合适的用来比较价差了。

四.判断方法

现在的主力合约是09合约，这里就拿09-01来举例子，怎么去判断，第一个判断方法是历史分位数，意思就是，现在的价差的位置处在多少百分位，如7.6日的价差值为-16
如上面的折线图，7.6日的价差在最近的2609-2701的价差是属于偏小的，但是放到大历史里面，确是属于偏高的。这里需要注意，这种划分只是统计上的参考，不是固定的交易标准。不同品种、不同合约组合，其价差波动特征并不相同。
方法二是通过z-score衡量偏离程度，历史分位数告诉我们当前价差排在什么位置，但不能直接告诉我们当前价差距离均值有多远。公式如下
Z-score =（当前价差 - 历史均值）÷ 历史标准差
Z-score等于0：当前价差接近历史均值；Z-score大于0：当前价差高于历史均值；Z-score小于0：当前价差低于历史均值；Z-score绝对值越大，说明偏离越明显。
这里我直接贴代码，计算一下当前价差值的Z-score
mean_09_01 = long_df_09_01['spread_value'].mean()std_09_01 = long_df_09_01['spread_value'].std()long_df_09_01['zscore'] = (    long_df_09_01['spread_value'] - mean_09_01) / std_09_01courrent = long_df_09_01.iloc[-1]['zscore']print(f"历史均值：{mean_09_01:.2f}")print(f"历史标准差：{std_09_01:.2f}")print(f"当前Z-score：{courrent:.2f}")
历史均值：-51.36历史标准差：68.25当前Z-score：0.52，表示当前价差比历史均值高出大约0.5个标准差，属于相对正常的位置。
但是，价差是一成不变的吗？
答案通常是否定的。商品期货价差会受到库存、需求、交割、季节性和市场结构的影响，几年前的均值不一定适合直接衡量现在。因此，与其使用全部历史数据计算一个固定均值，更常见的方法是使用滚动窗口。
计算滚动zscorelong_df_09_01['roll_mean'] = long_df_09_01['spread_value'].rolling(window=30).mean()long_df_09_01['roll_std'] = long_df_09_01['spread_value'].rolling(window=30).std()long_df_09_01['roll_zscore'] = (    long_df_09_01['spread_value'] - long_df_09_01['roll_mean']) / long_df_09_01['roll_std']courrent = long_df_09_01.iloc[-1]['roll_zscore']fig, ax = plt.subplots(figsize=(14, 7))ax.plot(long_df_09_01['date_text'], long_df_09_01['roll_zscore'], label='滚动Z-score')ax.axhline(0, color='black', linestyle='--', linewidth=1)N = 50for i, label inenumerate(ax.get_xticklabels()):    label.set_visible(i % N == 0)# 标出最新值ax.scatter(long_df_09_01['date_text'].iloc[-1], long_df_09_01['roll_zscore'].iloc[-1], color='red', zorder=5, label=f'最新值={courrent:.2f}')ax.legend()plt.tight_layout()plt.show()
从滚动 Z-score 图可以看到，09-01 价差的最新滚动 Z-score 为-1.69。这说明当前价差已经低于近期滚动均值，并且偏离程度接近 2 个标准差。按照统计角度理解，当前价差已经进入短期偏低区域，但还没有达到极端偏离的程度。这个时候眼尖的同学就会问了， 之前计算历史分位数来说，他不是在历史高位吗，这个z-score却表示他是历史低位，这个不是矛盾吗，这里需要注意，z-socre衡量的是现在的值对最近的均值的偏离程度，而历史分位数来看是现在的价差处于什么位置，所以会存在不同结论，7.6日价差的滚动 Z-score 为-1.69，说明它相对于近期均值偏低；但历史分位数为85.19%，说明它相对于长期历史样本仍然偏高。这说明当前 09-01 价差并不是处在长期历史低位，而是从近期较高水平快速回落，已经跌到了短期均值下方。所以结论是，长期看仍偏高，短期看已经偏弱。直接看这俩是不可以直接开仓做多或者做空价差的，需要这两个相互印证，以这个例子来说，如果滚动z-score是在1.5左右，这个时候就可以去做空价差，空近月，多远月，（注意还需要观察基本面的信息，有没有战争什么因素的产生。）

五、总结

判断跨期价差是否偏贵或者偏便宜，不能只看当前价差是正数还是负数，也不能只看它比昨天上涨还是下跌。更合理的分析流程是：
计算价差
↓
观察历史走势
↓
计算历史分位数
↓
计算滚动Z-score
↓
与往年同期进行比较
↓
检查基本面和合约流动性
↓
判断是否值得进一步研究
这篇主要解决的是：当前的价差是存在什么位置。
但它还没有解决另一个更重要的问题：
价差偏离之后，是否真的会回归？需要多长时间回归？按照什么标准开仓和平仓？
所以这个问题，下一篇再来。
最后，投资有风险，入市须谨慎，仅为知识分享，不构成投资建议。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

Python随机森林、K-Means聚类与XGBoost融合模型实现穿戴设备加速度数据身体活动监测与行为分析|附AI智能体、代码和数据

Python爬虫,从零基础入门到精通(干货篇)

最新文章

随机文章