套利原理

通俗地讲，就是两个合约相关性很好，突然市场出了一个bug，破坏了两个合约之间的平衡状态，进场套利；等待市场回复，平仓出场。即均值回复思想。

价差套利

价差套利的前提是做出商品期货品种间同一月份的价格之间的价差，并且画出价差的时间序列图，分析价差，寻找合理的价差范围，超出合理的价差变动范围时如何进行操作。

套利标的的选取

我们选取同为黑钢产业的主要产品，热轧卷板与螺纹钢作为套利标的。

首先，从价格走势上来看，二者价格趋势上一致性非常高，基本处于同涨同跌局面，如下图所示，2014年至2017年热轧卷板与螺纹钢价格指数，相关性达到0.924。二者成本从铁矿石到钢坯这个阶段几乎一样，只是在最终的轧制成材阶段出现了分化。

其次，二者价格的季节性也表现出较高的一致性。热轧卷板和螺纹钢的年内高点普遍出现在4月，次高点出现在7月，而10月不管是热轧卷板还是螺纹钢都倾向于出现年内低点。在较一致的季节性特点下，二者的价格强弱也有一定的规律可循。一般情况下，1、2月热轧卷板的表现会略强于螺纹钢，但是之后二者比价会逐步走低，也就是螺纹钢相对于热轧卷板会逐步变强。而这种强弱关系一般到10月会达到一个极致，之后热轧卷板会再度重新变得相对强一点。

为了防止未来函数的引入，在这里我们选取“HC1701”与“RB1701”作为套利观察合约

图示分为两部分，上图为2016-04-01至2016-12-31的两标的合约日线收盘价的数据，经计算，相关性系数为0.988，下图为两者价差的走势，上下界分别为均值加减两倍标准差。

可以看出价差在上下界之外会再次回归，这就成为了我们的交易机会，不过，均值周期需要缩短，以增加交易次数。另外，我们用2017-04-01至2017-12-31的“HC1801”与“RB1801”作为标的合约，进行回测。

跨品种价差套利策略实现（基于掘金量化平台）

策略思想

获取过去的30个交易日的bar的均值正负2个标准差得到上下界。
用最新价差来判断开仓方向，上穿上轨来做空价差，下穿下轨来做多价差。
回归至上下轨水平内的时候平仓。

策略主要步骤实现

订阅数据

subscribe(symbols=symbols, frequency='1d', count=31, wait_group=True)

订阅数据需要在定义init函数里面设置，并调用subscribe函数，这里注意，我们需要通过计算前三十根bars来作为开平仓的标准，并在当前bar上做出开平仓操作，所以需要获取31根bar：

symbols 需要设置订阅的标的代码。
frequency需设置订阅数据的周期级别，这里设置1d 表示以一天为周期。
count需要设置获取的bar的数量

数据获取

data_rb = context.data(symbol=symbol, frequency='1d', count=31, fields='close')

订阅数据之后，需要获取已经订阅的数据来进行操作，这时需调用context.data函数：

symbols 需要设置订阅的标的代码。
frequency需设置订阅数据的周期级别，这里设置1d表示以一天为周期。
count需要设置获取的bar的数量
fields需要设置返回值的种类

策略回测分析

回测报告

分析

我们选取了2017年4月至2017年11月作为回测周期，“HC1801”与“RB1801”作为标的合约，价差均值周期设为30，可以看出：

胜率（具有盈利的平仓次数与总平仓次数之比）达到了56.25%。

卡玛比率（年化收益率与历史最大回撤之比）是使用最大回撤率来衡量风险。**采用最大回撤率来衡量风险，关注的是最极端的情况。**卡玛比率越高表示策略承受每单位最大损失获得的报酬越高。在这里卡玛比率超过了4。

夏普比率（年化收益率减无风险收益率的差收益波动率之比）超过1.5，也即承受1单位的风险，会有超过1.5个单位的收益回报

策略收益曲线 相当稳定，最大回撤极小，缺点是交易次数少，很长时间无交易。

策略源码

# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.api import *
import numpy as np

'''
本策略根据计算滚动的.过去的30个1min的bar的均值正负2个标准差得到布林线
并在最新价差上穿上轨来做空价差,下穿下轨来做多价差
并在回归至上下轨水平内的时候平仓
回测数据为:SHFE.rb1801和SHFE.hc1801的1min数据
回测时间为:2017-09-01 08:00:00到2017-10-01 16:00:00
'''


def init(context):
    # 进行套利的品种
    context.goods = ['SHFE.rb1801', 'SHFE.hc1801']
    # 订阅行情
    subscribe(symbols=context.goods, frequency='1d', count=31, wait_group=True)


def on_bar(context, bars):
    # 获取两个品种的时间序列
    data_rb = context.data(symbol=context.goods[0], frequency='1d', count=31, fields='close')
    close_rb = data_rb.values
    data_hc = context.data(symbol=context.goods[1], frequency='1d', count=31, fields='close')
    close_hc = data_hc.values
    # 计算价差
    spread = close_rb[:-1] - close_hc[:-1]
    # 计算布林带的上下轨
    up = np.mean(spread) + 2 * np.std(spread)
    down = np.mean(spread) - 2 * np.std(spread)
    # 计算最新价差
    spread_now = close_rb[-1] - close_hc[-1]
    # 无交易时若价差上(下)穿布林带上(下)轨则做空(多)价差
    position_rb_long = context.account().position(symbol=context.goods[0], side=PositionSide_Long)
    position_rb_short = context.account().position(symbol=context.goods[0], side=PositionSide_Short)
    if not position_rb_long and not position_rb_short:
        if spread_now > up:
            order_target_volume(symbol=context.goods[0], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Short)
            print(context.goods[0], '以市价单开空仓一手')
            order_target_volume(symbol=context.goods[1], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Long)
            print(context.goods[1], '以市价单开多仓一手')
        if spread_now < down:
            order_target_volume(symbol=context.goods[0], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Long)
            print(context.goods[0], '以市价单开多仓五十手')
            order_target_volume(symbol=context.goods[1], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Short)
            print(context.goods[1], '以市价单开空仓五十手')
    # 价差回归时平仓
    elif position_rb_short:
        if spread_now <= up:
            order_close_all()
            print('价格回归,平所有仓位')
            # 跌破下轨反向开仓
        if spread_now < down:
            order_target_volume(symbol=context.goods[0], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Long)
            print(context.goods[0], '以市价单开多仓五十手')
            order_target_volume(symbol=context.goods[1], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Short)
            print(context.goods[1], '以市价单开空仓五十手')
    elif position_rb_long:
        if spread_now >= down:
            order_close_all()
            print('价格回归,平所有仓位')
            # 涨破上轨反向开仓
        if spread_now > up:
            order_target_volume(symbol=context.goods[0], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Short)
            print(context.goods[0], '以市价单开空仓五十手')
            order_target_volume(symbol=context.goods[1], volume=50, order_type=OrderType_Market,
                                position_side=PositionSide_Long)
            print(context.goods[1], '以市价单开多仓五十手')


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='d90f679c-d353-11e7-9259-9cd21ef04ea9',
        filename='跨品种套利.py',
        mode=MODE_BACKTEST,
        token='your token',
        backtest_start_time='2017-04-01 08:00:00',
        backtest_end_time='2017-11-01 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=500000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)