做市引擎概述：什么是做市引擎、做市策略的核心逻辑、多品种并行的必要性

大家好，我是你们这堂课的主讲人。在量化交易这个圈子里摸爬滚打了十几年，从早期的单品种做市到如今管理着几十个币对、上百个合约的并行做市系统，踩过的坑确实不少。今天咱们就来聊聊做市引擎最基础、也最核心的几个问题。

说白了，做市引擎就是一套自动化报价系统。它不像高频交易那样追求极致的速度，也不像趋势策略那样赌方向。做市的核心逻辑，用一句话概括就是：赚取买卖价差，同时控制库存风险。

什么是做市引擎？

我习惯把做市引擎比作一个「智能柜台员」。你想想看，传统交易所里的做市商，他的工作就是同时挂出买单和卖单。有人来买，他就卖；有人来卖，他就买。赚的就是那个差价。

做市引擎就是把这件事自动化了。它需要完成三件事：

• 实时监控市场行情——价格、深度、成交量，一个都不能少
• 动态计算报价——根据当前库存、波动率、对手盘行为，算出最优的买一价和卖一价
• 自动挂单与撤单——毫秒级响应，保证报价始终处于合理位置

嗯，这里要注意一点。做市引擎不是简单的「买一卖一挂上去就完事」。我在项目中遇到过最典型的案例：某个团队把做市引擎做成了「死报价」，结果市场剧烈波动时，他们的单子被高频交易者反复收割，一晚上亏了几十万。所以，真正的做市引擎必须包含风险管理模块。

做市策略的核心逻辑

做市策略听起来玄乎，其实核心逻辑就两个：价差收入和库存管理。

先讲价差收入。假设比特币当前市场价是60000 USDT，你做市引擎挂出59990的买单和60010的卖单。如果有人卖给你，你赚了10 USDT的浮盈；如果有人从你这里买，你也赚了10 USDT。理想情况下，两边都成交，你净赚20 USDT。

但现实哪有这么美好？

我曾经做过一个统计：在波动率较高的市场里，单纯挂固定价差的做市策略，胜率不到40%。为什么？因为市场会「吃掉」你错误方向的单子。比如价格突然下跌，你的买单成交了，但卖单迟迟无法成交，库存里全是多头仓位。这时候价格继续跌，你就亏大了。

所以，做市策略的核心逻辑必须包含：

• 动态价差调整——波动率越高，价差越大；库存偏离越大，价差越不对称
• 库存对冲——当库存偏离目标值时，通过调整报价方向来「驱赶」库存回归
• 信号过滤——识别虚假突破、大单吃单等异常行为，避免被「钓鱼」

多品种并行的必要性

这个问题，我直接说结论：不做多品种并行，做市引擎的盈利能力至少打五折。

为什么会这样？

你想想看，做市策略本质上是在赚「流动性溢价」。但单一品种的流动性是有限的，尤其是在非主流币种或冷门合约上。如果你只做一个品种，可能一天下来成交额也就几百万，利润还不够付服务器电费。

多品种并行有几个实实在在的好处：

• 分散风险——某个品种突然暴跌，其他品种可能还在正常波动，整体收益曲线更平滑
• 资金利用率提升——不同品种的做市机会是错峰的，资金可以在多个品种间灵活调配
• 规模效应——一套做市引擎同时服务10个品种，边际成本几乎为零，但收益是线性增长的

我记得有一次，某个主流币种因为政策利空突然暴跌30%，所有做市商都在疯狂撤单。但因为我们同时做了5个相关性较低的品种，其他4个品种的做市收益完全覆盖了那个品种的亏损。那天收盘，整体账户还是盈利的。

当然，多品种并行也带来了新的挑战：

挑战	说明
行情数据量暴增	10个品种的深度数据，每秒可能产生上万条更新
订单管理复杂度	每个品种都有多个订单，撤单、改单、重挂的逻辑必须清晰
资金分配策略	如何在不同品种间动态分配保证金，是个数学优化问题
系统稳定性	一个品种的异常不能影响其他品种的正常运行

做市引擎的核心架构图

下面这张图是我个人比较推崇的做市引擎架构。它把行情、策略、风控、订单管理分成了四个独立的模块，通过消息队列解耦。这样即使某个模块挂了，其他模块还能继续工作。

这张图里，我特意把「多品种并行」放在了最下面。为什么？因为它是整个架构的「底座」。行情模块需要同时订阅多个品种的深度数据，策略模块需要为每个品种独立运行一个策略实例，订单模块需要管理多个品种的订单队列。这些都不是简单的「加个循环」就能解决的。

好了，这一章的内容就到这里。做市引擎的概念、核心逻辑、多品种并行的必要性，咱们都聊透了。下一章，我会带大家深入代码层面，看看如何用Python搭建一个最小可用的做市引擎原型。

---

公众号:蓝海资料掘金营，微信deep3321