halo 的技术博客

返回

并购套利:报价与目标价的价差就是风险定价

并购套利(merger arbitrage,也叫 risk arbitrage)是事件驱动策略里最「像生意」的一种:一笔收购宣布后,目标公司股价通常会从 40 跳到 47,但离收购方报的 50 还差 3 块。这 3 块就是 deal spread(并购价差)

很多人以为「买入目标、等收购完成,白捡这 3 块」——大错。这 3 块不是免费午餐,而是市场对你说:我有概率这笔交易会黄,黄了你不仅吃不到 3 块,还可能倒亏 7 块(股价跌回 40)。所以并购套利本质上是在给交易失败概率定价。本文把它拆成可算的模型,并附完整 Python。

一、价差不是利润,是风险补偿#

收购宣布后,目标价 P_tar 与报价 P_bid 之间天然存在价差:

spread = P_bid − P_tar
plaintext

如果 spread = 0,说明市场 100% 相信交易会完成;spread 越大,市场越担心会黄。套利者的收益不是 spread 全拿,而是带条件地拿

  • 交易完成(概率 p):你以 P_tar 买入,最终按 P_bid 换股/现金,赚 spread
  • 交易失败(概率 1−p):目标价跌回 P_pre(公告前价)附近,你亏 (P_tar − P_pre)

所以价差本身就是「失败概率 × 失败损失」的资本化。理解这一点,才不会在 spread 很大时兴奋地冲进去——那往往意味着市场在定价一个你不掌握的坏消息。

价差越窄 → 市场认为完成概率越高

上图蓝线是「隐含完成概率」随价差的变化:价差从 0.5 拉到 12,隐含概率从接近 100% 跌到 40% 出头。橙虚线是毛价差收益率(spread / P_tar),它随价差单调上升。两者反向 —— 价差越大、账面收益越高,但你要承担的概率风险也同步放大。套利不是「选收益最高的」,而是「选风险调整后最值的」。

二、隐含完成概率:从价差反推市场怎么想#

假设市场无套利,且失败时目标价完全跌回 P_pre(先忽略分手费),则:

期望收益 = p · spread + (1 − p) · (P_pre − P_tar) = 0
plaintext

解出隐含完成概率 p*:

p* = (P_tar − P_pre) / (spread + P_tar − P_pre)
plaintext

代入 P_pre=40、P_bid=50、spread=3(即 P_tar=47):

p* = (47 − 40) / (3 + 47 − 40) = 7 / 10 = 0.70
plaintext

意思是:当前价差定价了 30% 的交易失败概率。如果你的研究判断真实失败概率只有 15%,那这就是一笔正向期望的赌注。

import numpy as np

def implied_prob(P_pre, P_bid, spread):
    P_tar = P_bid - spread
    p_star = (P_tar - P_pre) / (spread + P_tar - P_pre)
    return P_tar, p_star

P_pre, P_bid = 40.0, 50.0
for s in [0.5, 3.0, 6.0, 10.0]:
    P_tar, p = implied_prob(P_pre, P_bid, s)
    print(f"spread={s:4.1f}  目标价={P_tar:5.1f}  隐含完成概率={p*100:5.1f}%")
python

跑出来:spread=0.5 → 隐含概率 95.2%;spread=3 → 70.0%;spread=10 → 47.4%。价差翻倍再多,市场对完成的信心掉得很快。

三、双态收益:把每股盈亏画清楚#

给定 spread、P_pre、P_tar,还要算失败时到底亏多少。现实里目标价很少完全跌回 P_pre,监管否决后常停在 P_pre 之上(因为有别的买家或残余价值),且**分手费(break fee)**会补偿一部分。设分手费等价于每股 1.5 元:

def payoff_table(spread, P_pre=40.0, fee_recover=1.5):
    P_tar = 50.0 - spread
    downside = P_tar - P_pre            # 全回撤损失
    loss_if_break = max(downside - fee_recover, 1.0)
    return P_tar, loss_if_break

spread = 3.0
P_tar, loss = payoff_table(spread)
print(f"目标价={P_tar}, 失败每股亏={loss:.1f}")
python

并购套利双态收益:期望每股 +2.15 元

图上左边「完成」柱赚 +3.0(=spread),右边「失败」柱亏 −5.5(被分手费从 7.0 软化为 5.5)。在 p=0.90 完成 / 0.10 失败时:

期望每股 = 0.90×3.0 + 0.10×(−5.5) = 2.70 − 0.55 = +2.15 元
plaintext

这笔交易期望为正,但风险不对称:小概率亏大钱。所以并购套利从不是「稳赚」,而是「大概率小赚、小概率大亏」——它的风险管理核心,是控制单笔仓位,让任何一笔失败都不至于伤筋动骨

四、算到年化:把每股期望变成可比较的收益率#

事件驱动策略不能只看每股绝对收益,要年化才能和别的策略比。设持有期 T 天(从宣布到完成/终止),投入成本≈P_tar:

注意一个反直觉的结果:价差越大、年化收益率往往越高(因为分母 P_tar 没涨多少,而 spread 直接进分子,且持有期更长摊薄)。这正是诱惑所在——但那是用「更高的失败概率」换来的。真要做组合,必须叠加夏普、最大回撤、相关性,而不是挑年化最高的单笔。

五、净收益还要扣三道成本#

上面都是毛收益。实盘里要扣:

  1. 融资成本:并购套利占用资金数周甚至数月,按融资利率 r_f 计。净收益 ≈ 毛收益 − r_f × (T/365) × 仓位成本。
  2. 交易摩擦与做空对冲:若你同时卖空收购方做 market-neutral(对冲大盘 beta),做空的借券费、分红派息、滑点都要算。
  3. 机会成本与多交易并发:一笔钱不能同时押两笔。组合层面要按「占用资金 × 持有期」做资本配置,而不是按笔数。
def net_return(spread, P_pre, fee_recover, p_complete, T_days,
               financing=0.05, trade_cost=0.001):
    eps, gr, ann = annualized_return(spread, P_pre, fee_recover, p_complete, T_days)
    P_tar = 50.0 - spread
    fin_cost = financing * (T_days / 365.0) * (P_tar / P_tar)  # 占成本比例
    net_gr = gr - fin_cost - trade_cost
    return net_gr

print("毛 vs 净 (低价差案例):",
      round(annualized_return(3.0, 40.0, 1.5, 0.90, 60)[2]*100, 1), "% ->",
      round(net_return(3.0, 40.0, 1.5, 0.90, 60)*100, 1), "%")
python

融资 + 交易成本看似小,但并购套利毛收益本就不高(个位数百分比),成本一扣可能把一半利润吃掉。这正是散户很难做这个策略的原因——资金成本结构不占优。

六、五个真实陷阱(高阶)#

  1. 把 spread 当无风险利润。 永远记住 spread = 失败概率的定价。大 spread 不是便宜货,是市场在警告你。先问「为什么市场比我悲观」,再决定下不下注。

  2. 低估「尾部相关性」。 并购失败往往不是孤立事件:监管收紧、信用冻结、系统性下跌时,一批交易会同时黄。你觉得持了 10 笔不相关并购,实则危机里相关性飙到 0.8+,分散化在最需要时失效。

  3. 忽略监管与时间不确定性。 反垄断审查(尤其跨国外资、科技巨头)可能拖过原定完成日,持有期 T 被拉长,融资成本和不确定性同步上升。估概率时必须分情景:批准 / 附条件批准 / 否决 / 无限期拖延。

  4. 分手费不是兜底。 分手费(占交易额 1%~4%)确实软化下跌,但只在「被更优报价截胡」或「监管否决」等特定情形触发;若目标自身暴雷(财务造假),分手费不赔你,股价可能腰斩。

  5. 内幕信息红线。 并购套利离重大非公开信息极近。只用公开信息(公告、 filing、媒体报道)做判断,绝不碰任何疑似未公开知情交易——这是合规底线,不是策略细节。

七、什么时候这笔生意值得做#

并购套利适合有低成本资金、能做中性对冲、且能持续跟踪监管与交易进展的玩家。对个人而言,更务实的入口是:只参与高概率、大分手的现金收购(失败概率低、下行有分手费托底),单笔仓位压到组合的 1%~2%,并接受「小赚多次、偶尔挨一记」的长期正期望。

它的精髓不在「预测哪笔成」,而在把失败概率量化进价格、用仓位管理把小概率大亏关进笼子。当你学会用 spread 反推市场怎么想,再用自己的研究去赚「认知差」——并购套利才从赌大小,变成一门可复利的生意。

并购套利风险:用价差与完成概率给 deal spread 定价
https://blog.halo26812.eu.org/blog/merger-arbitrage-risk
Author halo
Published at 2026年7月15日
版权声明 CC BY-NC-SA 4.0
Comment seems to stuck. Try to refresh?✨