基于随机微分方程的橡胶跨品种套利策略优化研究

天然橡胶与20号胶的长期均衡关系重构

天然橡胶（RU）与20号胶（NR）同属天然橡胶产业链，价格长期高度联动，是跨品种套利的经典标的。然而，两者在交割品属性、主力合约月份及期限结构上的差异，导致简单的价差中枢难以稳定代表相对定价偏离。研究表明，RU期货流动性主要集中在1月、5月和9月合约，而NR期货为连续交割月份，主力合约切换节奏不同。这种主力月份组合的错配以及两条期限曲线升贴水的变化，会持续改变价差的正常水平。因此，构建有效的套利策略首先需剥离这些结构性影响，识别真正的相对定价偏离。

通过引入状态变量表示主力交割月组合，并计算各品种的期限结构斜率，可以拟合出包含状态截距与期限结构系数的协整关系式。该模型将实际价差分解为长期均衡水平与协整残差。实证数据显示，调整后的协整残差标准差显著低于原始价差标准差，且通过ADF与KPSS平稳性检验，证实了残差具有均值回归特征。这一过程将跨品种套利的研究对象从简单价差明确为相对长期均衡的协整残差，为后续策略构建奠定基础。

Z-score基准策略的逻辑与局限

基于平稳的协整残差，Z-score策略通过标准化偏离程度构建均值回归信号。当残差高于均值一定标准差时做空价差，低于均值一定标准差时做多价差，并在偏离收窄至阈值内时平仓。回测结果显示，在扣除手续费、滑点及换月成本后，Z-score基准策略能够实现正向累计净收益，交易胜率与盈亏比均表现良好，平均持有期与残差回归半衰期基本一致。这证明只要正确处理合约月份与期限结构的影响，协整残差的回归特征可转化为可执行的交易信号。

然而，Z-score策略仅衡量当前偏离的大小，未区分相同偏离下回归速度与路径风险的差异。在实际市场中，某些大幅偏离可能伴随极高的波动性，导致回归过程充满不确定性；而某些中等偏离可能在低波动环境下快速回归。若仅依据偏离幅度入场，策略可能承担不必要的路径风险，或错过风险调整后更优的机会。因此，需要引入更动态的模型来评估预期回归幅度与预测不确定性。

随机微分方程模型的风险调整机制

随机微分方程（SDE）模型将协整残差视为随机过程，通过漂移项和扩散项分别刻画预期回归方向与预测不确定性。漂移函数采用非线性形式，包含线性项与三次项，以反映不同偏离程度下的回归力度差异：线性项提供基础回归速度，三次项则在大幅偏离时增强回归拉力。扩散系数则允许随残差状态变化，基础方差与状态相关方差共同决定预测区间的宽度。这种设定使得模型能够识别“回归动力”与“实现风险”，避免在波动过大时盲目入场。

通过将一步模型向前递推，SDE模型生成多期条件均值与预测方差，进而构建Q信号。Q信号定义为预测期内的预期残差变化除以预测标准差，是一个无量纲的风险调整指标。Q值的正负指示交易方向，绝对值大小反映预期回归相对于预测风险的充分程度。相较于Z-score，Q信号不仅回答“当前偏离多远”，更进一步比较“预计能回归多少”以及“为此需承担多大不确定性”，从而实现对交易机会的质量筛选。

策略优化效果与绩效对比分析

在相同的交易规则与成本口径下，自适应SDE策略相较于Z-score基准策略展现出显著的性能提升。SDE策略通过舍弃回归空间不足或预测不确定性偏高的信号，实现了更少的交易次数与更低的持仓时间占比，但取得了更高的累计净收益与夏普比率。具体而言，SDE策略的年化收益率提升，年化波动率下降，最大回撤保持持平，卡玛比率显著改善。交易胜率与盈亏比的同步提升，表明优化主要来源于对高质量交易机会的精准筛选，而非依赖高频换手。

结构对比分析进一步证实，非线性漂移与状态相关扩散的配合是策略改善的关键。单独使用线性漂移或常数扩散的效果均不如完整模型，说明同时衡量回归潜力与预测不确定性对于提高相对价值策略效率至关重要。SDE模型通过动态调整参数权重，适应市场结构的变化，使策略在不同波动环境下均能保持稳健表现。这一研究路径表明，将平稳残差作为随机过程进行建模，是从静态偏离信号走向动态风险调整信号的有效方法，有助于提升量化套利策略的风险收益效率。