指標相關性與背離套利的方案分析

2026 年 10 月 16 日收盤，國內有多隻跟蹤納斯達克 100 指數的 ETF。它們買的是同一籃子美股，每天的淨值漲跌幾乎一模一樣，但場內價格相對淨值的溢價各不相同：513100 是 17.5%，513110 是 11.0%¹²。同一個東西，在同一個交易所，兩個價格差了 6 個多點。

圖 1 · 跟蹤同一個指數的兩隻 ETF，溢價差從幾乎為零拉開到 6 個點以上

兩年前，這兩隻的溢價幾乎一樣。是什麼讓它們走散的？更進一步，市場裡這類“本該綁在一起、卻走散了”的東西還有很多：同一家公司的 A 股和 H 股，同一個品種的近月和遠月期貨，大盤和小盤指數，股票和債券。如果有一個平臺能把市面上的指數和指標都盯著，給它們建立相關性的繫結，一旦出現背離就提示出來，是不是就能找到套利空間？這樣的平臺有沒有？如果有，為什麼用它賺到錢的人並不多？

本文從這兩隻 ETF 出發，一層一層往下看。

一、背離與套利

幾個基本概念

先把後文反覆用到的幾個詞說清楚。

溢價是 ETF 場內價格高出淨值的比例。ETF 的淨值由它持有的股票決定，場內價格由買賣雙方報價決定，兩者可以不一樣。

相關係數衡量兩個序列的漲跌是否同步，取值在 −1 到 1 之間。兩個指數日收益的相關係數是 0.9，意思是它們大多數日子同漲同跌。

價差是兩個價格之間的距離，通常取對數價格之差（ $\ln A - \ln B$ ）或比值。“背離”指價差偏離了它平常的水平。

z 分數是度量偏離程度的方法：用價差減去過去一段時間（比如 250 個交易日）的平均值，再除以這段時間的標準差。z = 2 表示價差比平常高出兩個標準差。

協整比相關更進一步：兩個價格各自可以漫無目的地漲跌，但它們的價差會圍繞一個固定水平來回波動，跑遠了會被拉回來。半衰期衡量拉回的速度，指偏離縮小一半平均需要多少天。

這裡有一個容易混淆的地方：相關不等於收斂。兩個指數每天漲跌高度同步，價差也可以一年比一年大。比如一個每天漲 0.10%，一個每天漲 0.08%，相關係數可以接近 1，價差卻會一直擴大。真正決定“背離之後會不會回來”的，是協整，以及背後有沒有讓它回來的力量。

兩類背離

讓價差回來的力量，大致有兩種來源，對應兩類性質不同的背離。

第一類背離背後有強制收斂的機制。ETF 價格高於淨值時，有資格的機構可以按淨值申購新份額，然後在場內高價賣出，這個動作會把溢價壓回去；股指期貨到期按現貨指數交割，期貨和現貨的價差到期必然歸零；可轉債可以按約定價格換成股票，轉債價格不會長期遠低於轉股價值。這類背離的收斂是由規則保證的，賺取其中的價差才叫嚴格意義上的套利。

第二類背離背後沒有這樣的機制，只有歷史上的統計規律：兩隻同行業的股票過去十年走勢很像，最近其中一隻跌多了。押注它們會恢復原來的關係，學術上叫統計套利，配對交易是其中最經典的形式³⁴。它本質上是一種預測，歷史關係可能恢復，也可能就此斷掉。

兩類之間還有一層：有經濟原因、但沒有強制機制的繫結。同一家公司的 A 股和 H 股，代表同一份利潤，但兩地資金不能自由流動，AH 溢價可以多年不收斂。

三類繫結

繫結方式	例子	背離後靠什麼回來	是否保證收斂
規則繫結	ETF 價格與淨值；期貨與現貨；可轉債與正股	申購贖回、到期交割、轉股	保證（機制暢通時）
經濟繫結	同指數的幾隻 ETF；A 股與 H 股；同一產業鏈上下游	資金在兩邊之間移動	不保證，可能多年不回來
統計繫結	歷史走勢相似的兩隻股票或兩個指數	只有歷史規律	不保證，關係可能斷裂

開頭那兩隻納指 ETF 本來屬於第一類，但 513100 自 2024-11-25 起暫停申購，機制被關掉了，就退化成了第二類。

表 1 · 同樣叫“背離”，背後讓它回來的力量完全不同

回到開頭的問題。513100 和 513110 的溢價差，在 2024 年初幾乎為零，是因為兩隻都能正常申購，任何一隻溢價高了都會被申購套利壓回去。2024 年 11 月以後，QDII 外匯額度緊張，這些 ETF 先後限購、暫停申購，規則繫結失效，溢價就由場內資金的情緒決定了，哪隻更受追捧，哪隻就更貴。

所以一個“發現背離”的平臺，首先要回答的不是“哪裡背離了”，而是這個背離背後有沒有讓它回來的力量。帶著這個區分，再看市面上的工具做到了哪一步。

二、現有的平臺和工具

有沒有這樣的產品

有，但沒有一個產品把整件事做完。把“發現背離並據此交易”拆成四步：把資料彙集起來看（看），在大量組合裡掃出候選（找），判斷候選是不是真機會（判斷），下單執行（做）。現有工具分別覆蓋其中的一部分。

圖 2 · 現成工具覆蓋了“看”“找”“做”，中間的“判斷”大多留給使用者

機構終端解決“看”。Bloomberg 可以畫任意兩個序列的價差，也可以用 BQuant 計算指數成分股之間的相關性矩陣，觀察背離與收斂⁵；國內的 Wind、同花順 iFinD 能把各類指數、宏觀指標放在一起比較，設定條件報警。它們把所有資料集中到一個地方，但不判斷哪個背離值得做，也不替你下單。

期貨交易軟體在“繫結 + 背離 + 下單”上走得最遠，因為期貨天然有跨期、跨品種和期現這些價差。快期、量投這類軟體支援自定義套利合約：用四則運算公式把幾個合約組成一個價差，再對這個價差設條件單⁶。交易所也提供標準套利指令，同時買一個、賣一個，由交易所撮合，上期所和上期能源計劃在 2026 年 8 月 24 日上線這類指令⁷。這是國內個人投資者最接近“設定好繫結關係，背離了就自動下單”的現成工具，但只限期貨，而且繫結關係要自己設。

零售配對交易軟體解決“找”。海外的 PairTrade Finder 掃描歷史資料尋找走勢相近的股票對，在價差偏離時發出進出場訊號，還能接 Interactive Brokers 半自動下單⁸⁹。TradingView 可以在程式碼欄直接輸入 QQQ/SPY 這樣的公式畫出價差，再對它設報警；社群裡有協整打分指令碼，不過作者也說明，Pine Script 跑不了正式的協整檢驗，只能用幾個指標打分代替¹⁰。

開源庫適合自己搭。Hudson & Thames 的 ArbitrageLab 把文獻裡的主要配對方法都實現了一遍，包括距離法、協整法、copula 和 OU 過程的最優進出場¹¹。技術上，用這些庫搭一個“全市場指數兩兩配對、算 z 分數、超閾值報警”的掃描器，並不難。

自然語言和“視角”

還有一類工具更接近“用相對抽象的方式描述想看什麼”。

同花順的問財可以把“近 5 年 ROE 大於 15%、市盈率低於 30 的股票”這樣一句話翻譯成篩選條件¹²，但它做的是選股，不做關係和背離。Alpha-GPT 更進一步：研究者用自然語言描述一個交易想法，大模型把它翻譯成因子表示式並回測，研究者看結果再修改想法，人和機器來回迭代。論文稱這套系統在 WorldQuant 2024 年的量化競賽裡進入了前 10¹³。微軟的 RD-Agent 讓多個智慧體自己提出因子假設、寫程式碼、在 Qlib 上回測，根據結果改進假設，人參與得更少¹⁴。

WorldQuant BRAIN 則是把“不同的人帶著不同的視角”直接做成了產品：大量參與者在平臺上提交自己寫的訊號表示式，平臺用統一的資料回測、篩選，挑出好的組合進自己的投資組合，按質量給參與者付費¹⁵。不過它的“判斷”只看統計指標，比如夏普比率、換手率、和已有訊號的相關性¹⁶。

共同點和空白

把這些工具放在一起看，“看”和“找”已經很便宜了，“做”在期貨上也有現成的工具。空著的是中間那一步：一個背離被掃出來以後，它背後有沒有讓它回來的力量。現有工具把這一步留給了使用者，或者只用歷史統計來回答。

這一步恰恰決定了背離是機會還是陷阱。如果要把這一步補上，這個平臺應該長什麼樣？

三、視角：從基礎視角到高階視角

假設真有這樣一個平臺，我們開啟它，面前是幾千只股票、上千只 ETF、幾百個期貨合約和指數。前面說過，一個背離值不值得做，取決於用什麼視角去看它。可是一個人剛進來，並不能憑空想出視角。視角從哪裡來？

我們的回答是分兩層。底下一層是基礎視角：規則或公開資訊直接寫明瞭“這兩樣東西應該一起動”的繫結，比如 ETF 和它的淨值、期貨和現貨。它們不需要判斷，機器可以從公開資料裡把它們全部連出來。上面一層是高階視角：在基礎視角之上比較、換觀察量、加條件、順著鏈條往下推，得到的那些更具體、也更可能藏著機會的視角。本節先講基礎視角有哪些、怎麼算、怎麼看，再講高階視角是怎麼推出來的。

基礎視角有哪些

基礎視角大多就是表 1 裡的規則繫結，再加上少數有明確對應關係的經濟繫結。每一種都要回答三件事：兩端是什麼，觀察什麼量，資料從哪裡來。

基礎視角的資料和來源

基礎視角	觀察量	資料來源 · 更新
規則繫結
ETF 與淨值	溢價率；盤中用 IOPV（參考淨值）	交易所行情、基金公司淨值 · 每日，QDII 淨值晚一天
ETF 與跟蹤指數	跟蹤誤差	基金合同的跟蹤標的、中證或國證指數點位 · 關係每月同步，點位每日
指數與成分股	成分和權重	中證指數公司權重檔案、交易所 ETF 申贖清單 · 調樣時，清單每日
股指期貨與現貨	基差	中金所合約規則和期貨行情 · 每日
期貨近月與遠月	跨期價差	各期貨交易所合約列表和行情 · 每日
可轉債與正股	轉股溢價率	集思錄的轉股價和轉股價值、交易所下修公告 · 每日，公告觸發
經濟繫結
A 股與 H 股	AH 溢價	東方財富 AH 比價、港元匯率 · 每日
附在邊上的機制狀態
申購贖回	正常、限購或暫停，每日限額	天天基金申購狀態表、巨潮資訊網基金公告 · 每日，公告觸發

這些資料都能免費拿到，開源庫 AKShare 把它們整理成了統一的呼叫方式，但它本質上是抓網頁，網站改版時會失效，集思錄也要登入才能拿全。要穩定可以換成 Tushare Pro，或者 Wind、iFinD 這類付費終端，資料項是一樣的。

表 2 · 基礎視角用的都是公開資料，大部分每個交易日收盤後更新一次

表 2 裡每一項在 AKShare 裡都有對應的介面，比如 ETF 行情和 IOPV 是 fund_etf_spot_em，申購狀態是 fund_purchase_em，轉債是 bond_cb_jsl，介面清單見參考資料¹⁷。

最後一行不是一條“邊”，而是邊的狀態。同樣是 ETF 和淨值，申購暢通時是規則繫結，溢價高了會被申購壓回去；暫停申購以後就退化成了經濟繫結，溢價可以一直不回來。所以機器在連邊的同時，必須把每條邊的收斂機制當前是否暢通一起記下來。

從資料來源到一條邊

有了資料來源，還要經過幾道工序，才能變成圖上一條能看、能算的邊。整條流水線分五步，下面用 513100 在 2026 年 10 月 16 日的一條資料把它串起來：

圖 3 · 基礎視角是一條流水線：採集、規整、建邊、計算，每一步都跟著同一條 513100 的資料

① 資料來源。 就是表 2 第三列裡的那些網站和交易所。它們格式各異：交易所給行情，基金公司給淨值，中證指數公司給成分權重，集思錄給轉股價，巨潮資訊網給公告原文。

② 採集。 不同的資料變化快慢不同，所以按三個節奏去抓。建圖用的資料，比如基金列表、跟蹤標的、指數成分、合約列表、轉債列表和 AH 對照表，變化很慢，每週抓一次就夠了。行情和淨值每個交易日抓一次。公告要隨時盯著，因為“暫停申購”這樣的訊息會直接改變一條邊的性質。

③ 規整。 抓回來的資料還不能直接比較，要先做四件事。一是統一程式碼，同一只 ETF 在不同網站可能寫成 513100、sh513100 或 513100.SS，必須對應到同一個節點。二是對齊日期，這一步最容易出錯：513100 在 10 月 16 日收盤價是 2.356，但那天晚上能拿到的最新淨值是 10 月 15 日的 2.0057，因為 QDII 的淨值要等美股收盤才算得出來，溢價只能拿這兩個數相除。三是換算幣種，H 股和美股的價格要按當天匯率折成人民幣。四是檢查缺失和異常，停牌、淨值沒出、價格一天跳了 10% 以上的，先標記出來，不進入計算。

④ 關聯。 規整好的資料按繫結關係連成邊。一條邊記下四樣東西：它是哪種繫結、觀察什麼量、收斂機制現在暢不暢通、和哪些邊是兄弟。513100 和納斯達克 100 之間這條邊，型別是“申購贖回”這種規則繫結，但機制狀態是“暫停申購”，所以眼下按經濟繫結對待。以納斯達克 100 為例，國內掛在這個節點上的 QDII 有 41 只（2026 年 9 月）。

⑤ 分析。 每條邊每天算一遍觀察量，再算它相對兄弟的位置和相對自己過去 60 天常態的偏離。513100 這一天的溢價是 17.5%，比十隻的平均高 3.72 個百分點，比它自己平時高 1.64 個百分點。這些結果送到節點頁給人看，也作為下一步推高階視角的原料。全市場的邊在幾千條這個量級，一臺普通電腦幾分鐘就能算完，這是按資料量估算的，沒有實測。

一個交易日裡什麼時候跑

流水線的每一步，什麼時候跑，取決於資料什麼時候出來。A 股下午收盤，收盤價馬上就有；淨值要到晚上才公佈，QDII 還要再晚一天；美股在北京時間的深夜交易。把一個交易日攤開來看：

圖 4 · 收盤價下午就有，淨值要等到晚上，所以溢價在夜裡算好，第二天開盤前能看到

收盤價 15:00 就有，15:30 採集一次，先算完不依賴淨值的邊，比如期貨基差、轉股溢價和 AH 溢價。淨值晚上陸續公佈，各家時間不一樣，所以 23:30 再採集一次，把 ETF 和淨值之間的邊算完。第二天開盤前，節點頁就是最新的。公告全天都在抓，晚間披露最集中。每週六另跑一次建圖，把一週裡新上市、換了跟蹤標的或者調了樣的品種更新進去。

盤中按分鐘計算 IOPV 溢價，技術上也能做。但第六節會講到，在這個速度上普通人拼不過做市商，所以預設按日計算。

呈現和互動

基礎視角以節點為單位呈現。開啟一個節點，就能看到掛在它上面的所有邊，每條邊當天的觀察量、相對常態的偏離和機制狀態排在一起：

圖 5 · 基礎視角由規則自動連出來，高階視角在它上面推出來，再交給人確認

圖 5 左邊是 2026 年 10 月 16 日收盤後，開啟“納斯達克 100”這個節點看到的內容。上面是節點本身的資訊，下面是掛在它上面的 ETF，按相對自身常態的偏離從高到低排列。點開其中一條邊，可以看它的歷史：溢價走勢、機制狀態變化的時間點（比如 513100 從 2024 年 11 月 25 日起暫停申購），以及過去同樣程度的偏離有多少回來了。從一條邊也能跳到另一端的節點，比如從指數跳到它的成分股，或者跳到它的期貨。

到這裡還只是“看”，還不是視角。圖 5 右邊才是關鍵：在基礎視角上，機器可以按幾種固定的方式，推出高階視角的候選。

從基礎視角推出高階視角

推法有四種。

兄弟：同一個父節點下互相比。 十隻 ETF 都和“納斯達克 100”連著，它們彼此之間就有了一條間接的繫結。把每隻的溢價減去十隻的平均，得到“相對溢價”：513100 最貴，比平均高 3.72 個百分點；513390 最便宜，比平均低 2.82 個百分點。父節點不一定是指數，也可以是一件事，後面跨平臺的例子就是兩個合約掛在同一組議息結果下面。

換觀察量。 直接比相對溢價有個問題：有的 ETF 天生就貴，有的天生就便宜，513100 常年在平均之上。把觀察量換成“相對自己過去 60 天常態的偏離”，去掉天生的那部分，排序就變了：159696 比自己平時高 2.15 個百分點，513390 低 1.66 個百分點，這才是臨時的錯位。第五節的實驗會看到，這一步換不換，結果差別很大。

加條件。 繫結只在收斂機制暢通的時候成立。513100 暫停申購以後，它和淨值之間的規則繫結退化成了經濟繫結。把機制狀態作為條件加進視角，就得到“只看申購暫停期間”或“只看申購恢復以後”這樣的視角，它們的歷史統計要分開算，混在一起會互相干擾。

沿鏈傳遞。 邊可以首尾相接：納指連著納指 ETF 的淨值，淨值又連著 ETF 的場內價格，中間隔著一個時區。美股夜裡交易，國內 ETF 白天交易，於是有了“納指當晚的漲跌，預示 513100 第二天的漲跌”這個視角，《納指ETF的時差利差分析》一文用的就是它¹⁸。在 2025 年 12 月到 2026 年 10 月之間，兩者的相關係數是 0.56。不過鏈條越長，繫結越弱，後面跨平臺的例子會看到它衰減得有多快。

這四種推法都是機械的，機器可以在整張圖上自動列舉。問題在於數量：十隻 ETF 兩兩比較就是 45 對，再乘上不同的觀察量和條件，沿著鏈條多推幾步，候選成倍增長。第五節的盲掃會說明，掃得越多，純靠運氣冒出來的“好”候選也越多。所以推出來的候選要交給人挑。

人在這裡做兩件事。一是挑：哪些推法有經濟上的意義。“十隻納指 ETF 互相比”有意義，“納指 ETF 和中證全債比”就沒有，雖然兩者在圖上也能連起來。二是補：有些視角在圖裡根本沒有對應的邊，機器推不出來。比如“十隻 ETF 的整體溢價什麼時候塌下來”，要盯的是外匯額度和監管動向；再比如把一件事在不同平臺上的價格放在一起，圖裡原本就沒有“事件”這種節點。補進來的東西，又會成為圖上新的節點和邊。

把視角寫下來

視角可以用幾個欄位描述。下面把三個例子並排寫出來：

視角卡

欄位	同指數的幾隻 ETF	同一家公司的 A 股與 H 股	股指期貨與現貨
為什麼應該繫結	持有同一籃子美股，淨值同步	代表同一份利潤	到期按現貨指數交割
觀察什麼	各自溢價相對自己平時水平的偏離	H 股折價相對歷史區間的位置	基差（期貨減現貨）
收斂機制	申購受限，只靠場內資金	無，兩地資金不自由流動	到期交割，必然歸零
怎麼執行	持有一隻，偏貴時換到便宜的，不用做空	只買便宜的一邊	買現貨 ETF、賣期貨
一次的磨損	6–20bp	港股印花稅 0.1% 起	期貨手續費 + ETF 價差
什麼情況下失效	申購恢復，整體溢價塌陷	政策改變兩地資金流動	貼水長期存在，展期吃虧

“為什麼應該繫結”和“收斂機制”這兩行，決定了這個視角下的背離是不是機會；其餘幾行決定能不能做、做了能剩多少。

表 3 · 一個視角就是對“為什麼這些東西應該一起動”的一個具體說法

這張卡里，相關係數一次都沒出現。它當然有用，可以幫我們找到候選，但真正決定一個背離值不值得往下挖的，是前三行：它們為什麼應該綁在一起，背離了靠什麼回來。這些問題需要對市場規則、資金流向和政策的理解，正是人擅長、而純統計掃描做不到的。

反過來，人也有不擅長的事：同時盯著幾百個組合，記住每一對的歷史迴歸率，在出現偏離的那一天及時發現。這部分適合交給機器。

跨平臺的視角

上面的基礎視角都在國內的交易所裡。視角里的兩樣東西，其實不一定在同一個市場交易。只要它們最後取決於同一件事，就可以掛在同一個“事件”節點下面，作為兄弟綁在一起看。

預測市場 Polymarket 上有一個“2026 年美聯儲會降息幾次”的市場¹⁹，0 次、1 次……12 次以上，每個選項都有一個價格，可以讀成機率（預測市場的機制見《從一個 87% 說起：Polymarket 是什麼、怎麼看、怎麼下注》²⁰）。把每個選項的次數乘以 25 個基點、按機率加權，就得到市場預期的全年降息幅度。另一邊，芝加哥商品交易所的聯邦基金期貨 2027 年 1 月合約，價格等於 100 減去市場預期的那時的利率²¹，它反映的也是 2026 年全年幾次議息會議的結果。兩邊的參與者完全不同，一邊是預測市場的使用者，一邊是做利率交易的機構，但最終由同一組議息結果結算。

圖 6 · 兩個平臺上的同一件事：預測市場和利率期貨給出的降息預期幾乎重合

從 2025 年 12 月到 2026 年 10 月的 201 個交易日裡，兩條線的相關係數是 −0.96（期貨隱含利率越低，降息越多，所以是負號），換算成降息幅度後幾乎重合，兩者之差大多在一次降息（25 個基點）以內。這個跨平臺的繫結是真實存在的。

分歧也看得到，而且有兩種來源。一種是規則不同：2026 年 9 月以後，期貨開始計入加息的可能，隱含的“降息幅度”變成了負數，而 Polymarket 這個市場的選項最少只有“0 次”，表達不了加息，兩邊就出現了一段結構性的差距。這不是錯誤定價，是兩個合約的定義不一樣，正是視角卡里“收斂機制”那一欄要先核對的東西。另一種是短期的看法不同：分歧出現以後，接下來幾天往往是期貨向 Polymarket 靠攏，但按分歧超過 10 個基點、不重疊地數，只有 10 次，其中 7 次期貨往 Polymarket 的方向走，平均幅度主要來自 2 月底的一次，去掉它就接近於零。樣本太少，還不能說哪一邊領先。

這個繫結能不能再往下傳，傳到國內能交易的品種上？ 降息預期變了，會影響美股，再影響國內的納指 ETF；也可能影響中美利差，再影響國債和匯率。我們用同一段時間檢驗了美國當天 Polymarket 降息預期的變化，和國內下一個交易日幾個品種的漲跌：

Polymarket 降息預期的變化與其他品種的相關係數（2025-12 至 2026-10）

品種	和 Polymarket 的關係	相關係數
同一件事、不同平臺
聯邦基金期貨（水平）	同一組議息結果結算	−0.96
聯邦基金期貨（每日變化）	同上	−0.31
同一天的美國利率品種
2 年期美債期貨	受同一預期影響	+0.23
10 年期美債收益率	受同一預期影響	−0.22
國內下一個交易日
513100 納指 ETF	經過美股傳導	+0.11（去掉納指後 +0.07）
510300 滬深300 ETF	經過風險偏好傳導	+0.07
511010 5 年國債 ETF	經過中美利差傳導	−0.08
美元兌人民幣	經過中美利差傳導	−0.02
對照
納指當晚漲跌 → 513100 次日	直接傳導	+0.56

Polymarket 的價格時間戳是 00:00 UTC（美東前一晚 8 點），已歸到前一個美國交易日。國內品種約 190 個樣本，相關係數絕對值小於 0.14 在 5% 水平上不顯著。

表 4 · 繫結強度隨鏈條變長迅速衰減：同一件事上幾乎一致，傳到國內品種時已經看不出來

到了國內品種這一層，相關係數都在 ±0.1 左右，統計上不顯著。原因不難理解：Polymarket 降息預期裡能影響納指 ETF 的那部分資訊，當晚美股的漲跌已經帶過來了，對照組裡納指當晚漲跌和 513100 次日收益的相關是 0.56。

所以跨平臺的視角是成立的，它同時也是“沿鏈傳遞”會衰減的一個例項。它的強度和表 1 的分類是同一個結構：同一件事、不同平臺幾乎完全繫結，同一預期下的不同工具只是鬆散同步，順著因果鏈傳到下游品種就弱到沒有用了。對國內的讀者還有一點要說明：Polymarket 在大陸無法訪問，按國內法律也不應參與交易，這裡只是透過它的公開介面讀取價格，把它當作一個觀察指標。預測市場內部，互斥選項、相互蘊含的市場之間也會出現背離，有研究用大模型識別這類關聯、再用程式掃描，估計 2024 年 4 月到 2025 年 4 月之間有約 4000 萬美元的此類套利被實現²²，那是另一個、由規則繫結的視角。

那麼，機器和人應該怎麼分工？

四、系統設計：機器掃描、人來判斷

設計目標

系統要做到三件事。第一，視角可以用一句話提出來，不需要寫程式碼，也不要求是精確的配對錶。第二，機器對每個視角下的所有組合自動掃描，給出候選，並附上足夠判斷用的證據，包括和隨機對照的比較。第三，人對候選做判斷，判斷結果要能沉澱下來，讓下一次掃描更準。

總體架構

圖 7 · 視角由人提出、機器展開掃描，候選回到人手裡判斷，判斷結果再沉澱回視角

整個系統分成三層，上下兩層是人，中間一層是機器。

視角卡是系統的輸入。它有兩個來源：一是從第三節的基礎視角圖譜裡推出來的候選，人點一下確認；二是人直接用一句話描述想看什麼，例如圖 7 頂部那句。大模型把這句話翻譯成表 3 那樣的欄位：標的有哪些（從基金列表裡找出所有跟蹤納斯達克 100 的 ETF）、觀察什麼量（溢價，而且是相對每隻自己平時水平的偏離，因為有的 ETF 天生就貴）、怎麼執行、磨損多少。翻譯的結果要給人確認，因為“繫結理由”和“收斂機制”這兩欄，大模型可能寫錯，而它們最要緊。

掃描器對視角下的所有組合，每天收盤後計算一遍。它輸出的不只是“當前偏離多少”，還包括歷史上同樣程度的偏離出現過幾次、之後有多大比例回來了、回來要多久、扣掉磨損以後平均每次賺多少。最後兩行最容易被忽略：同樣的規則在打亂順序的隨機資料上跑出什麼結果，以及這次一共掃了多少組。掃的組合越多，純靠運氣冒出來的“好”候選就越多，沒有對照，就分不清哪些是規律、哪些是噪音。

候選佇列按證據排序，交給人。圖 7 右邊是 2026 年 10 月 16 日收盤時這個視角下的第一個候選：159696 的溢價比它自己 60 天的常態高出 2.2 個百分點，513390 低了 1.7 個百分點。兩隻之間的偏離差是 3.8 個百分點。過去兩年半，十隻裡偏離最高和最低的兩隻相差超過 1 個百分點的情況出現過 30 次（每次之後隔 20 天才計下一次），之後 20 天裡，便宜的那隻平均比貴的那隻多漲 0.67%，77% 的情況是便宜的跑贏。

判斷這一步由人來做，回答的是機器回答不了的問題：這兩隻 ETF 有沒有理由一起動（有，持有同一籃子股票）；這次偏離是不是新資訊，比如某隻剛剛宣佈恢復申購，那它的溢價下降就不會回來；能不能執行，扣完磨損還剩多少。判斷為靠譜的候選進入深挖，寫成研究筆記、做更細的回測，像納指 ETF 那篇文章一樣。判斷為不靠譜的，記下原因。

前後聯動

人的判斷要回寫到視角卡上，這是這個設計和“全自動掃描”的主要區別。

被否決的候選，原因會累積成視角的“失效條件”。比如“某隻 ETF 發了恢復申購公告”這一類原因出現過一次以後，掃描器就可以在下次看到同樣的公告時自動給這隻 ETF 降權。視角本身也有生命週期：表 3 裡每個視角都寫了“什麼情況下失效”，一旦收斂機制變了，比如 QDII 額度放開、申購恢復，這個視角下的歷史統計就不再適用，應該停用重新評估，而不是繼續按歷史規律發訊號。

反過來，深挖後證實靠譜的視角，可以提高掃描頻率，或者把閾值、持有期這些引數用走查的方式固定下來。

設計看起來是合理的，但這種模式真能找到機會嗎？下面用資料檢驗。

五、這種模式靠不靠譜

研究怎麼說

先看統計套利在學術上的表現。Gatev、Goetzmann 和 Rouwenhorst 在 2006 年發表的研究是配對交易的經典文獻：在美股 1962 年到 2002 年的資料上，按歷史價格走勢找出最接近的股票對，價差偏離超過兩個標準差就開倉，自融資組合的年化超額收益最高約 11%，這是扣成本以前的數字³。

後續研究發現這份收益在變小。Do 和 Faff 把資料延長到 2009 年，配對交易的利潤在 1970 到 80 年代最高，1990 年代以後持續下降²³；他們後來又把佣金、衝擊成本和融券費用算進去，原始版本基本不再盈利，只剩少數改進版本還有小幅利潤²⁴。更一般的研究也有類似結論：McLean 和 Pontiff 統計了 97 個學術上發表過的收益預測變數，論文發表以後，這些變數的收益平均下降了約 58%²⁵。一個規律被知道的人越多，它就越弱。

另一個風險是集中虧損。2007 年 8 月的第一週，大量做同類多空策略的量化基金幾乎同時平倉，彼此的賣出推著價差繼續擴大，幾天之內集中虧損²⁶。統計套利的收益分佈通常是“大多數時候賺小錢，偶爾一次虧大錢”。

實驗一：不帶視角的盲掃

先模擬一個“全自動”的平臺：不提任何視角，把手頭的指數兩兩配對，按統一規則掃描。

資料是 2005 年到 2026 年 10 月的 11 個指數：滬深300、中證500、中證1000、上證50、300價值、300成長、中證紅利、紅利低波、中證全債、可轉債和盈富基金（恒生指數）²⁷，兩兩配對共 55 對。規則是：對每一對計算對數價比的 250 日 z 分數，絕對值超過 2 就開倉（買相對便宜的、賣相對貴的），z 回到 0.5 以內或持有滿 60 天就平倉，每次扣 20bp 成本。對照組是把真實日收益的順序打亂，造出沒有任何關係的隨機價格，用同樣的規則跑一遍。

組別	回到 z<0.5 的比例	每次扣成本後	賺錢的配對
隨機對照（打亂順序）	24%	−96bp	—
55 對真實配對（中位數）	25%	−29bp	26 / 55
當前背離最大的三對（2026-10-16）
滬深300 / 中證全債（z −3.8）	11%	−701bp	—
中證全債 / 可轉債（z +3.5）	13%	−297bp	—
中證紅利 / 可轉債（z +3.3）	24%	−193bp	—
歷史上每次收益最高的三對
上證50 / 中證紅利	29%	+212bp	—
中證500 / 上證50	19%	+157bp	—
上證50 / 盈富基金	48%	+141bp	—

每一對歷史上出現 30–42 次背離。“歷史上收益最高”是從 55 對裡事後挑出來的，不能直接當作未來的預期。

表 5 · 不帶視角盲掃，迴歸比例和隨機對照幾乎一樣；背離最大的幾對恰恰是最不該做的

結果有三點。

整體上和隨機差不多。 55 對真實配對的迴歸比例中位數是 25%，隨機對照是 24%。按這個規則，大多數指數之間的背離並不比隨機遊走更容易回來。

背離最大的候選，恰恰是最不該做的。 當前排在前面的全是股票對債券，比如滬深300 和中證全債。股票和債券本來就沒有繫結關係，過去一年股市漲得多，價比自然“偏離”了常態，這不是錯誤定價。這幾對在歷史上每次平均虧 2 到 7 個百分點。一個只看 z 分數的平臺，會把它們排在第一位。

歷史上最好的幾對，有經濟上的解釋。 上證50 和中證紅利、上證50 和盈富基金，都是大盤藍籌之間的配對，成分股有大量重疊或同屬一類資產。但這是從 55 對裡事後挑出來的前幾名，而且執行時需要賣出其中一邊，在 A 股做空並不容易（見第六節）。

實驗二：帶視角的掃描

再用第三節的視角“同一個指數的幾隻 ETF，誰比自己平時更貴，就換到更便宜的那隻”。這個視角有明確的繫結理由（同一籃子股票），執行時不需要做空，只需要在幾隻 ETF 之間換倉，ETF 買賣也不交印花稅。

資料是十隻納指 ETF 2024 年 1 月到 2026 年 10 月的復權日線和淨值¹²。每隻 ETF 的“相對溢價”定義為它的溢價減去十隻的平均溢價，“偏離”是相對溢價減去它自己過去 60 天的平均值。始終持有一隻；當持有的這隻的偏離比偏離最低的那隻高出一個閾值時，第二天收盤換過去。比較物件是同期十隻等權持有。

十隻納指 ETF 按溢價偏離換倉（2024-03 至 2026-10，年化）

換倉閾值	每次成本 6bp	每次成本 20bp	每年換倉
0.5 個百分點	33.1%	30.3%	15 次
1 個百分點	33.1%	31.5%	9 次
2 個百分點	29.0%	28.4%	4 次
比較
十隻等權持有	24.2%		0
直接比絕對溢價換倉	26%–30%（閾值 1%–5%，2024-01 起）		不到 1 次

訊號在第 t 天收盤計算，第 t+1 天收盤換倉。閾值和 60 天視窗是直接選定的，沒有做走查。

表 6 · 帶視角的掃描，扣完成本每年比等權持有多 4 到 9 個百分點

扣完成本，換倉比等權持有每年多 4 到 9 個百分點。每隻 ETF 的相對溢價確實會迴歸，半衰期在 3 到 25 天之間。

表 6 最後一行也說明了視角里“觀察什麼”這一欄為什麼要寫清楚。如果直接比較絕對溢價，系統會一直持有天生便宜的那隻（513110 的溢價平均比十隻均值低 0.7 個百分點），一年都換不了一次，和持有不動沒有區別。只有比較“相對自己平時的偏離”，才能抓到真正的臨時錯位。

這個結果有幾個限制。資料只有兩年半，閾值和視窗是我直接選的，沒有像風格輪動那篇文章一樣做走查；成交按收盤價算，小規模 ETF 的實際價差可能更大，20bp 那一列是較保守的情形。更重要的是，這個策略賺的是“相對便宜”，沒有對沖“整體太貴”：十隻 ETF 都揹著 11% 到 17% 的溢價，一旦外匯額度放開、申購恢復，溢價會整體下降，換倉換得再好也會一起虧掉一截。

檢驗結論

兩個實驗放在一起看，結論是：相關性掃描本身產生不了機會，視角才是關鍵。不帶視角的盲掃，結果和隨機差不多，排在前面的往往是本來就不繫結的組合；帶著一個有經濟理由、能執行的視角去掃，扣完成本仍然有可觀的超額，至少在這段資料裡是這樣。

這支援“機器掃描、人來判斷”的分工：機器負責在視角之內把所有組合都算清楚，人負責提出視角、判斷哪些繫結有理由成立。

既然如此，為什麼做成這件事、賺到錢的人並不多？

六、為什麼賺到錢的人不多

先要分清兩種“賺錢”。賣這類工具的平臺本身是賺錢的，同花順 2026 年上半年的歸母淨利潤是 9.5 億元²⁸，但它賺的是“讓你看到”的錢，不是套利的錢。用工具的人能不能賺到，取決於下面幾道門檻。

第一道是速度和成本。 有強制收斂機制的背離，比如能正常申贖的 ETF 的折溢價、期現基差，做市商和量化機構用接近零的佣金、專線和可以做空的賬戶，在秒級到分鐘級就會抹平。留到普通投資者手裡的，扣完成本通常是負的。普通人能碰到的，往往是機制失靈的時候，比如 513100 暫停申購，而這時它也就不再是嚴格意義上的套利了。

第二道是做空。 經典的配對交易要同時買一個、賣一個。A 股的融券在 2024 年持續收緊，轉融券從 2024 年 7 月 11 日起暫停，融券保證金比例從 7 月 22 日起提高到 100%，私募基金提高到 120%²⁹。個人能用的做空工具基本只剩股指期貨和期權，開戶門檻是 50 萬元，而且只覆蓋幾個寬基指數。所以在 A 股，能做的主要是不需要做空的版本，比如實驗二那種換倉。

第三道是磨損。 背離回來的幅度，經常和一次往返的成本是同一個量級。

一次往返的大致磨損（按單邊名義金額）

做法	交易筆數	主要成本	合計
A 股股票配對	4 筆（開倉買、賣，平倉賣、買）	佣金 4 次、賣出印花稅 0.05% 兩次、買賣價差、融券利息	約 25–40bp，另加融券費
同指數 ETF 換倉	2 筆（賣一隻、買一隻）	佣金 2 次、買賣價差，不交印花稅	約 6–20bp
股指期貨對 ETF	2–4 筆	期貨手續費很低，ETF 價差、保證金佔用	約 5–15bp，門檻 50 萬

佣金按萬分之一到萬分之二點五估算，價差按每筆 1–5bp 估算，是量級而不是精確值。

表 7 · 同樣一次背離，股票配對的磨損是 ETF 換倉的兩到三倍

第四道是統計上的辨別力。 盯的組合越多，假訊號越多。實驗一里 55 對指數的整體結果和隨機對照幾乎一樣，但仍然能“找到”幾對歷史收益很高的配對。分不清哪些是規律、哪些是從大量組合裡湊出來的，就會把噪音當成機會。

第五道是承受力。 統計套利大多數時候賺小錢，偶爾一次虧大錢。背離繼續擴大的時候，要判斷是暫時的還是關係已經斷了，還要有資金和心理扛得住。2007 年那次量化踩踏，虧損的正是最專業的機構²⁶。

第六道是容量和公開性。 一個真正有效的背離，知道的人多了就會被做掉。這也是為什麼真正賺錢的人不賣工具，賣工具的人不需要自己去賺。

把這六道門檻放在一起，能看出普通投資者的位置：前兩道（速度、做空）基本跨不過去，所以要避開機構的主戰場；第三道（磨損）決定了要選 ETF、期貨這類成本低的品種；第四、五道（辨別力、承受力）正是“視角 + 隨機對照 + 人來判斷”想要解決的。

第六道門檻提出了一個新問題：既然一個視角會隨著知道的人變多而失效，能不能看清它現在處在哪個階段？

七、視角的生命週期

視角會經歷哪些階段

一個視角從出現到失效，大致會經過幾個階段。萌芽時，繫結關係由機制維持著，背離很小，沒有機會，比如 2024 年上半年納指 ETF 都能正常申購的時候。出現是機制失效或有了新資訊，背離開始變大，513100 在 2024 年 11 月暫停申購就是這樣一個時點。有效期裡，按這個視角操作的效果明顯好於隨機對照，知道的人還不多。擁擠期，做同一件事的人越來越多，機會變小或者波動變大。最後是失效：效果回到對照水平，甚至反過來虧錢。

McLean 和 Pontiff 的統計給出過一個整體的輪廓：學術上發現的收益預測變數，到了樣本外收益平均下降約 26%，論文發表、知道的人變多以後，下降約 58%²⁵。這個數字說明的是平均水平，具體到一個視角，它處在哪一段，需要單獨去看。

現有的工具能看到什麼

還沒有一個產品能把單個視角的生命週期完整畫出來，不過有幾樣東西各自看到了其中一段。

因子擁擠度模型看的是“擁擠”這一段。MSCI 的模型用五個指標合成每個因子的擁擠分數，包括估值價差、做空比例價差、成分股兩兩之間的相關性、因子波動率和過去 36 個月的因子收益，高於一個標準差就算擁擠³⁰。它只覆蓋動量、價值這類標準因子，不覆蓋個人自定義的視角。

學術上的擁擠度量給出了“知道的人多了”的一種測量方法。Lou 和 Polk 提出的 comomentum，用動量策略會買賣的那批股票之間的異常收益相關性，推斷有多少套利資金在做同一件事：這個值低時，動量策略有效；這個值高時，動量策略容易崩潰、反轉³¹。道理是，很多人同時買入、賣出同一批股票，這批股票就會被一起推動，相關性隨之上升。

因子研究工具看的是“效果”這一段，比如按時間滾動計算訊號的預測能力，但只能看到收益在衰減，看不到衰減的原因。

把生命週期畫出來

對單個視角，可以把四類資訊放在同一條時間軸上：機會有多大（背離的幅度），效果比對照好多少（勝率或超額收益），做的人多不多（成交額、份額變化、同類訊號之間的相關性），以及機制事件（申購暫停或恢復、額度、規則變化）。前兩條線說明現在處在哪一段，後兩條線說明為什麼。

下面用同一批納指 ETF 資料上的兩個視角試一下，一個是本文的“同指數 ETF 溢價換倉”，一個是《納指ETF的時差利差分析》裡的“上午相對納指強，下午延續”¹⁸。

圖 8 · 同一批資料上的兩個視角：一個還在有效期，一個已經失效

上圖是換倉視角：11 個季度裡 9 個季度跑贏等權持有，2026 年第四季度十隻 ETF 之間的溢價差異是兩年來最大的，機會還在。但下圖的平均溢價已經到了 13%，整體溢價塌陷的風險也是最大的。可以判斷它仍在有效期，風險在上升。

中圖是日內視角：2024 年第四季度到 2026 年第二季度，訊號日下午上漲的比例在 56% 到 88% 之間，明顯高於全部交易日；2026 年第三季度降到 50%，和普通日子沒有區別；第四季度到目前只有 5 個訊號日，贏了 1 天。它已經進入失效期。同一時期平均溢價從 5% 左右升到 9% 以上，溢價越高，下午追漲的空間越小，這和納指 ETF 那篇文章裡按溢價分組的結果一致。

兩個視角用的是同一批價格和淨值，走到了生命週期的不同階段。這就是圖 7 裡“判斷結果回寫視角卡”和表 3 裡“什麼情況下失效”這兩處設計要做的事：把每個視角現在處在哪一段持續畫出來，讓使用者對這個關聯有直觀的感覺，而不是隻在出現背離的那一天看到一條訊號。

八、存在的問題與改進

檢驗中暴露的問題

樣本短。 納指 ETF 的換倉只有兩年半的資料，而且這段時間正好是溢價從 1% 漲到 17% 的特殊時期。溢價整體上升時，各只之間的錯位更大，換倉的機會也更多，這個結果未必能推廣到溢價平穩的時期。

引數沒有走查。 閾值和 60 天視窗是直接選的，表 6 裡不同閾值的結果在 28% 到 33% 之間，說明結果對引數不算敏感，但更嚴謹的做法是滾動地只用過去的資料選引數。

視角卡的翻譯可能出錯。 大模型把一句話翻譯成標的列表和觀察量時，可能漏掉某隻 ETF，也可能把“收斂機制”寫錯。這一欄寫錯，後面的統計再漂亮也沒有意義，所以必須由人確認。

人的判斷本身也會過擬合。 人看到一個候選的歷史曲線很好看，容易事後給它編一個“經濟原因”。判斷的理由最好在看到回測結果之前寫下來。

改進方向

掃描器加上滾動協整檢驗和失效監控。 除了 z 分數，持續檢查一對組合是否仍然協整；收斂機制相關的公告（申購暫停或恢復、指數調整、交易規則變化）作為事件接入，觸發視角的重新評估。

把整體風險也寫進視角。 換倉視角的最大風險是整體溢價塌陷，視角卡里可以加一欄“這個視角不對沖什麼”，並在整體溢價超過某個水平時提示。

記錄每一次人的判斷。 否決和透過的理由都存下來，過一段時間回頭看，哪些理由事後被證明是對的，逐步把人的經驗沉澱成掃描器的過濾條件。

九、小結

兩隻跟蹤同一指數的 ETF 溢價相差 6 個多點，算不算套利空間？要看背離背後有沒有讓它回來的力量。有規則保證收斂的才是套利，只有歷史統計的是統計套利，本質上是預測。
有沒有平臺能盯著所有指標、發現背離？有，但分散在幾類工具裡：終端負責看，配對軟體和開源庫負責找，期貨軟體負責做，自然語言和智慧體工具可以把一句話變成篩選條件。中間“判斷該不該回來”的那一步，大多留給使用者。
一個人進來，視角從哪裡來？先由機器用公開資料把基礎視角連成一張圖：ETF 與淨值、ETF 與指數、指數與成分股、期貨與現貨、可轉債與正股、A 股與 H 股，每個交易日收盤後更新觀察量和相對常態的偏離，公告觸發時更新收斂機制的狀態。在這張圖上按兄弟比較、換觀察量、加條件、沿鏈傳遞四種方式推出高階視角的候選，人負責挑和補。
能不能用相對模糊的方式描述想看什麼？可以。用一張視角卡寫下“為什麼應該繫結、觀察什麼、靠什麼收斂、怎麼執行、磨損多少”，由人提出、大模型翻譯、人確認，再交給機器掃描。視角也可以跨平臺：Polymarket 和聯邦基金期貨對降息的預期幾乎重合，但傳到國內品種上就看不出關聯了。
這種模式靠不靠譜？不帶視角盲掃 55 對指數，結果和隨機對照幾乎一樣；帶著“同指數 ETF 換倉”這個視角，扣完成本每年比等權持有多 4 到 9 個百分點，但樣本只有兩年半，而且不對沖整體溢價。
為什麼賺到錢的人不多？速度、做空、磨損、統計辨別力、承受力和容量六道門檻。普通投資者能做的，是避開機構的主戰場，選不需要做空、成本低的品種，用視角和隨機對照提高辨別力。
一個視角會不會失效，現在處在哪個階段？視角會經歷萌芽、出現、有效、擁擠、失效幾個階段。把機會、效果、參與者和機制事件放在同一條時間軸上就能看出來：納指 ETF 的換倉視角仍然有效，日內視角從 2026 年第三季度起已經失效。