裂解价差套利策略

一、交易策略解释

核心思想

经典意义上的裂解价差（Crack Spread），通常用于刻画原油与下游成品油之间的加工利润变化。在国际市场中，这一指标往往围绕原油、汽油和柴油等品种展开；而在国内期货市场中，可交易品种的挂牌结构并不完全一致，因此在策略研究中，更常见的做法是选取原油与燃料油系品种来构建一个可交易、可回测的炼化利润代理价差。

本文采用以下三类合约作为观察对象：

原油期货（SC）：代表原料端；
燃料油期货（FU）：代表重质燃料油端；
低硫燃料油期货（LU）：代表低硫船燃端。

基于这组三个品种，策略关注的并非单一商品价格的绝对涨跌，而是：

下游燃料油系价格是否相对原油明显偏强；
或者下游燃料油系价格是否相对原油明显偏弱；
当这种偏离超出历史常态后，是否存在向均衡区间回归的可能。

因此，这一策略更适合被理解为：

国内期货市场下的裂解利润代理价差策略；
或者更直接地说，是原油—燃料油系加工价差策略。

指标口径说明

为了让策略既保留产业含义，又能够在国内品种体系下落地，本文采用的是一个代理利润指标，而不是海外市场常见的标准 3:2:1 裂解价差原型。

本文所用的代理价差定义为：

炼化利润代理价差（元/吨） = 0.5 × 低硫燃料油价格 + 0.5 × 燃料油价格 - 原油折吨价格

其中：

燃料油与低硫燃料油本身采用 元/吨 报价；
原油期货采用 元/桶 报价，因此需要先折算为 元/吨；
文中使用的折算系数为一个研究口径上的近似值，用于将原油价格与下游燃料油系价格统一到同一计量体系中。

这一处理方式的意义在于：

保留“原料端 vs 下游产品端”的相对价值比较；
避免直接把不同单位的价格机械相减；
使价差序列更适合做历史统计与均值回归分析。

同时也需要明确，这一指标是研究与交易上的代理口径，并不等同于炼厂财务报表中的完整加工利润。它未纳入：

加工损耗与不同装置收率差异；
船运、仓储、税费与调和成本；
区域现货升贴水与交割品品质差异。

理论基础

原料端与产品端联动： 原油构成炼化链条的上游成本基础，而燃料油、低硫燃料油则反映下游燃料市场的价格变化，因此三者之间天然存在成本传导关系。
阶段性供需错配： 当原油供应扰动、船燃需求波动、炼厂检修、库存变化或出口节奏调整出现时，原料端与产品端的价格变化速度并不一致，容易形成阶段性偏离。
均值回归特征： 当下游产品端相对原油明显偏强时，市场通常会重新定价加工利润预期；当下游产品端相对原油明显偏弱时，利润压缩也可能引发修复预期。这种来回摆动，构成了价差回归策略的基础。

指标口径与执行口径

1）指标计算口径：统一到“元/吨”

策略信号使用的是统一后的吨口径价格：

spread = 0.5 * lu_price + 0.5 * fu_price - sc_price_ton

其中：

lu_price、fu_price 为下游产品价格（元/吨）；
sc_price_ton 为原油价格由元/桶折算后的元/吨价格。

这一层对应的是产业研究口径下的相对价值比较。

2）执行口径：按合约手数换算

实际交易中，头寸仍需按交易所合约手数表达。因此在执行阶段，需要把原油侧的桶数与燃料油侧的吨数做进一步映射，再换算为对应手数。

如果以原油下单 N 手为基准，则：

先将原油手数换算为桶数；
再将桶数折算为原油吨数；
最后根据下游产品篮子的权重，将其分配到 FU 与 LU 两条腿，并换算为对应手数。

3）组合执行中的残余敞口

由于期货交易以整数手为单位，理论吨数很难与合约手数完全一一对应，因此实际组合执行时通常会保留一定近似误差。这也是代理价差策略在落地时需要同步关注的执行细节。

策略适用场景

原油与燃料油系品种之间出现阶段性强弱错位；
历史价差呈现一定的均值回归特征；
固定合约或近月合约具有较好的流动性；
交易者接受代理口径与整数手换算带来的执行偏差。

二、天勤介绍

天勤平台概述

天勤（TqSdk）是一个由信易科技开发的开源量化交易系统，为期货、期权等衍生品交易提供专业的量化交易解决方案。平台具有以下特点：

丰富的行情数据： 支持多品种行情订阅与 K 线数据获取，便于构建跨品种价差指标；
一站式的解决方案： 覆盖研究、回测、模拟与实盘各个环节；
专业的技术支持： 便于结合 pandas 与 numpy 快速完成指标构建与执行逻辑开发。

策略开发流程

环境准备
- 安装 Python 环境；
- 安装 tqsdk：pip install tqsdk；
- 配置账户认证信息。
数据准备
- 订阅 SC、FU、LU 三个目标合约；
- 获取日线数据用于构建代理价差及历史分布。
策略编写
- 将原油价格折算为吨口径；
- 构建原油—燃料油系代理价差；
- 结合 Z-score 完成信号与三腿组合执行。
回测验证
- 设置固定合约与回测区间；
- 观察价差回归节奏、组合配平与收益曲线；
- 评估收益率、回撤及稳定性。
策略优化
- 调整入场、离场和止损阈值；
- 调整原油折吨系数与下游产品篮子权重；
- 引入更明确的换月与流动性过滤规则。

三、天勤实现策略

策略原理

核心价差定义

本文采用的信号指标为原油—燃料油系炼化利润代理价差：

spread_t = 0.5 × LU_t + 0.5 × FU_t - SC_ton

其中：

LU_t：低硫燃料油价格（元/吨）
FU_t：燃料油价格（元/吨）
SC_ton：原油价格由元/桶折算后的元/吨价格

这一定义的重点不在于完全复制海外标准裂解模型，而在于用国内可交易合约构建一个稳定、清晰、可执行的炼化利润代理序列。

指标构建

策略采用 Z-score 衡量当前价差相对历史分布的偏离程度：

z_score = (current_spread - mean_spread) / std_spread

具体做法如下：

使用最近 LOOKBACK_DAYS 个已完成日线构建历史窗口；
逐日计算代理价差序列；
计算历史均值和标准差；
将最新一个已完成日线的价差代入，得到当前 Z-score；
若标准差过小，则跳过本次信号，避免极端放大。

下单手数换算

交易执行时，以原油腿作为基准手数：

sc_barrels = sc_lots × sc_volume_multiple
crude_tons = sc_barrels / barrels_per_ton
fu_lots    = round(crude_tons × 0.5 / fu_volume_multiple)
lu_lots    = round(crude_tons × 0.5 / lu_volume_multiple)

这样处理的目的，是在代理价差研究口径与实际下单口径之间建立一致的映射关系。

交易逻辑

开仓信号：

卖出代理价差： 当 z_score > ENTRY_Z，说明下游燃料油系相对原油偏强，预期价差向下回归；
- 操作：买入原油，卖出燃料油与低硫燃料油；
买入代理价差： 当 z_score < -ENTRY_Z，说明下游燃料油系相对原油偏弱，预期价差向上修复；
- 操作：卖出原油，买入燃料油与低硫燃料油。

平仓信号：

当 abs(z_score) < EXIT_Z 时，认为价差已回到正常区间，组合平仓。

止损信号：

若已持有多头价差，但 z_score 继续上冲至 STOP_Z 以上；
若已持有空头价差，但 z_score 继续下破至 -STOP_Z 以下；
则执行强制平仓。

回测说明

回测初始设置

测试周期： 2024 年 3 月 26 日 - 2024 年 4 月 17 日
交易品种： INE.sc2405 / SHFE.fu2405 / INE.lu2405
初始资金： 1000 万元

回测口径说明

本次回测采用阶段性展示窗口，主要用于呈现：

国内裂解利润代理价差的构建方式；
原油桶口径向燃料油吨口径的映射逻辑；
三腿组合在 TqSdk 框架中的执行方式。

因此，本文采用的是固定远月合约口径，而非主力连续或自动换月口径。这样的处理有助于保持三个品种在同一交割月下进行观察，也便于对价差本身进行稳定比较。

同时，这一口径也有其边界：

结果仍会受到远月流动性、期限结构和固定合约选择的影响；
若用于更贴近实盘的策略评估，还需进一步加入换月安排、执行成本和流动性约束。

回测结果解读

下图展示的是一段阶段性表现窗口，更适合作为策略结构与执行逻辑的展示参考，主要用于观察：

代理价差是否具备一定的均值回归特征；
三腿组合能否实现相对稳定的配平；
组合执行后是否存在较明显的残余敞口。

回测结果

上述回测累计收益走势图

完整代码示例

#!/usr/bin/env python
# coding=utf-8
__author__ = "Chaos"

from datetime import date

import numpy as np
from tqsdk import TqApi, TqAuth, TqBacktest, TqSim, TargetPosTask, BacktestFinished

# === 用户参数 ===
CRUDE_OIL = "INE.sc2405"   # 原油期货合约
FUEL_OIL = "SHFE.fu2405"   # 燃料油期货合约
LS_FUEL = "INE.lu2405"     # 低硫燃料油期货合约
START_DATE = date(2024, 3, 26)
END_DATE = date(2024, 4, 17)

LOOKBACK_DAYS = 20
DATA_LENGTH = LOOKBACK_DAYS + 2
ENTRY_Z = 1.5
EXIT_Z = 0.3
STOP_Z = 2.5
SC_ORDER_LOTS = 6

# 研究口径参数
CRUDE_BARRELS_PER_TON = 7.33   # 将原油价格由元/桶折算为元/吨的近似系数
FU_WEIGHT = 0.5
LU_WEIGHT = 0.5


def calc_proxy_margin(sc_price_barrel, fu_price_ton, lu_price_ton):
    """按吨口径计算原油-燃料油系炼化利润代理价差（元/吨）"""
    sc_price_ton = sc_price_barrel * CRUDE_BARRELS_PER_TON
    product_basket_ton = FU_WEIGHT * fu_price_ton + LU_WEIGHT * lu_price_ton
    return product_basket_ton - sc_price_ton


api = TqApi(
    TqSim(),
    backtest=TqBacktest(start_dt=START_DATE, end_dt=END_DATE),
    auth=TqAuth("快期账号", "快期密码"),
)

sc_quote = api.get_quote(CRUDE_OIL)
fu_quote = api.get_quote(FUEL_OIL)
lu_quote = api.get_quote(LS_FUEL)

sc_klines = api.get_kline_serial(CRUDE_OIL, 60 * 60 * 24, data_length=DATA_LENGTH)
fu_klines = api.get_kline_serial(FUEL_OIL, 60 * 60 * 24, data_length=DATA_LENGTH)
lu_klines = api.get_kline_serial(LS_FUEL, 60 * 60 * 24, data_length=DATA_LENGTH)

sc_pos_task = TargetPosTask(api, CRUDE_OIL)
fu_pos_task = TargetPosTask(api, FUEL_OIL)
lu_pos_task = TargetPosTask(api, LS_FUEL)

while not (sc_quote.volume_multiple and fu_quote.volume_multiple and lu_quote.volume_multiple):
    api.wait_update()

sc_volume_multiple = sc_quote.volume_multiple      # 1000 桶/手
fu_volume_multiple = fu_quote.volume_multiple      # 10 吨/手
lu_volume_multiple = lu_quote.volume_multiple      # 10 吨/手

# 根据原油腿的基准手数，换算下游产品腿的理论手数，并取最近整数手
sc_barrels_per_order = SC_ORDER_LOTS * sc_volume_multiple
crude_tons_per_order = sc_barrels_per_order / CRUDE_BARRELS_PER_TON
fu_lots_per_order = int(round(crude_tons_per_order * FU_WEIGHT / fu_volume_multiple))
lu_lots_per_order = int(round(crude_tons_per_order * LU_WEIGHT / lu_volume_multiple))

fu_residual_tons = crude_tons_per_order * FU_WEIGHT - fu_lots_per_order * fu_volume_multiple
lu_residual_tons = crude_tons_per_order * LU_WEIGHT - lu_lots_per_order * lu_volume_multiple

print(
    f"策略启动，监控合约: {CRUDE_OIL}, {FUEL_OIL}, {LS_FUEL}\n"
    f"每次下单：原油 {SC_ORDER_LOTS} 手，燃料油 {fu_lots_per_order} 手，低硫燃料油 {lu_lots_per_order} 手\n"
    f"近似配比残余：燃料油 {fu_residual_tons:.2f} 吨，低硫燃料油 {lu_residual_tons:.2f} 吨"
)


def build_completed_spread_series():
    """只使用已完成日线，排除当前正在形成的最后一根 K 线"""
    sc_close = np.array(sc_klines.close.iloc[:-1], dtype=float)
    fu_close = np.array(fu_klines.close.iloc[:-1], dtype=float)
    lu_close = np.array(lu_klines.close.iloc[:-1], dtype=float)

    valid = np.isfinite(sc_close) & np.isfinite(fu_close) & np.isfinite(lu_close)
    sc_close = sc_close[valid]
    fu_close = fu_close[valid]
    lu_close = lu_close[valid]

    return calc_proxy_margin(sc_close, fu_close, lu_close)


def get_net_pos(symbol):
    pos = api.get_position(symbol)
    return pos.pos_long - pos.pos_short


last_completed_dt = None

try:
    while True:
        api.wait_update()

        new_bar = (
            api.is_changing(sc_klines.iloc[-1], "datetime")
            or api.is_changing(fu_klines.iloc[-1], "datetime")
            or api.is_changing(lu_klines.iloc[-1], "datetime")
        )
        if not new_bar:
            continue

        completed_dt = min(
            sc_klines.iloc[-2]["datetime"],
            fu_klines.iloc[-2]["datetime"],
            lu_klines.iloc[-2]["datetime"],
        )
        if completed_dt == last_completed_dt:
            continue
        last_completed_dt = completed_dt

        spreads = build_completed_spread_series()
        if len(spreads) < LOOKBACK_DAYS + 1:
            continue

        history_window = spreads[-LOOKBACK_DAYS - 1:-1]
        current_spread = spreads[-1]

        mean_spread = np.mean(history_window)
        std_spread = np.std(history_window)
        if std_spread < 1e-8:
            print("历史标准差过小，跳过本次信号")
            continue

        z_score = (current_spread - mean_spread) / std_spread
        print(f"{completed_dt} 当前代理裂解价差: {current_spread:.2f}, Z-score: {z_score:.2f}")

        sc_net = get_net_pos(CRUDE_OIL)
        fu_net = get_net_pos(FUEL_OIL)
        lu_net = get_net_pos(LS_FUEL)
        has_position = any(pos != 0 for pos in [sc_net, fu_net, lu_net])

        if not has_position:
            if z_score > ENTRY_Z:
                # 卖出代理价差：买入原油，卖出燃料油与低硫燃料油
                print(
                    f"开仓-卖出代理价差：买入原油 {SC_ORDER_LOTS} 手，"
                    f"卖出燃料油 {fu_lots_per_order} 手，低硫燃料油 {lu_lots_per_order} 手"
                )
                sc_pos_task.set_target_volume(SC_ORDER_LOTS)
                fu_pos_task.set_target_volume(-fu_lots_per_order)
                lu_pos_task.set_target_volume(-lu_lots_per_order)

            elif z_score < -ENTRY_Z:
                # 买入代理价差：卖出原油，买入燃料油与低硫燃料油
                print(
                    f"开仓-买入代理价差：卖出原油 {SC_ORDER_LOTS} 手，"
                    f"买入燃料油 {fu_lots_per_order} 手，低硫燃料油 {lu_lots_per_order} 手"
                )
                sc_pos_task.set_target_volume(-SC_ORDER_LOTS)
                fu_pos_task.set_target_volume(fu_lots_per_order)
                lu_pos_task.set_target_volume(lu_lots_per_order)

        else:
            # 注意：TargetPosTask 发出目标持仓后，真正报单与成交推进依赖后续 wait_update()
            if abs(z_score) < EXIT_Z:
                print("价差回归正常区间，平仓所有头寸")
                sc_pos_task.set_target_volume(0)
                fu_pos_task.set_target_volume(0)
                lu_pos_task.set_target_volume(0)

            elif sc_net < 0 and z_score > STOP_Z:
                print("止损：买入代理价差后，价差继续向不利方向偏离")
                sc_pos_task.set_target_volume(0)
                fu_pos_task.set_target_volume(0)
                lu_pos_task.set_target_volume(0)

            elif sc_net > 0 and z_score < -STOP_Z:
                print("止损：卖出代理价差后，价差继续向不利方向偏离")
                sc_pos_task.set_target_volume(0)
                fu_pos_task.set_target_volume(0)
                lu_pos_task.set_target_volume(0)

except BacktestFinished:
    print("回测结束")
finally:
    api.close()

目录