2. 报价模型基础框架：做市报价模型的核心要素与输入输出

做市报价模型，说白了就是解决一个核心问题：我该用什么价格买，用什么价格卖？

很多人一上来就搞复杂的数学公式，结果模型跑出来根本没法用。我个人习惯是，先搭好骨架，再填血肉。骨架是什么？就是今天要讲的三个核心要素：买卖价差、库存管理、信息优势。

2.1 买卖价差：你的第一道护城河

买卖价差（Bid-Ask Spread）是做市商最直接的收入来源。你低价买、高价卖，中间的差价就是利润。

但问题来了：价差设多大才合适？

设小了，赚不到钱，还容易被高频交易者收割。设大了，客户都跑隔壁去了。

我在项目中遇到过一家做市商，把国债的价差压到0.5个基点，结果一个月下来，交易量是上去了，但净利润是负的。为什么？因为每次成交都在给交易所交手续费，价差根本覆盖不了成本。

具体来说，价差由三部分构成：

• 固定成本：交易所手续费、清算费、系统维护费等。这部分是硬成本，必须覆盖。
• 风险溢价：你持有一段时间债券，价格可能波动。这部分是对你承担风险的补偿。
• 信息不对称补偿：你担心对手方知道你不知道的信息。比如，有人突然大量买入，他是不是知道什么内幕？

嗯，这里要注意：不同债券的价差差异很大。比如活跃券（如10年期国债新券）流动性好，价差可以压到1-2个基点。但一些老券、冷门券，价差可能要到10个基点以上。

2.2 库存管理：别让债券砸手里

做市商最怕什么？不是价格跌，而是库存失衡。

你想想看，如果市场突然大跌，你手里全是多头仓位，那损失是实打实的。反过来，如果市场大涨，你手里全是空头仓位，那更惨——你每天都在亏钱。

库存管理的核心目标只有一个：把库存控制在安全范围内。

我建议用两个指标来监控库存风险：

指标	定义	阈值建议
库存敞口	当前持仓市值 / 总资本	不超过总资本的20%
库存久期	持仓的加权平均久期	与基准久期偏差不超过0.5年

我曾经吃过一次亏。有一年债市突然暴跌，我手里囤了一堆10年期国债，库存敞口到了35%。结果一天之内亏了200多万。从那以后，我给自己定了个死规矩：任何单只债券的持仓，不超过总资本的5%。

2.3 信息优势：比别人快0.1秒就够了

做市交易本质上是一场信息战。谁先知道市场发生了什么，谁就能抢到最优的报价位置。

信息优势分三个层次：

1. 市场数据优势：比别人更快获取行情数据。比如，你直接连交易所的专线，比通过第三方数据商快5毫秒。
2. 订单流分析优势：从订单流中提前嗅到趋势。比如，突然有大单在买一价挂单，说明有大户在吸筹。
3. 宏观信息优势：比别人更快解读政策、经济数据。比如，央行刚发布降准消息，你3秒内就调整了报价模型。

我个人习惯是，把信息优势量化成模型参数。比如，当检测到异常订单流时，我会把价差临时扩大20%，同时调整库存目标。

2.4 模型输入与输出：把抽象变成数字

好了，三个核心要素讲完了。现在的问题是：怎么把它们塞进一个模型里？

我习惯把模型分成三层：输入层、处理层、输出层。

输入层：你需要哪些数据？

• 市场数据：实时行情（买一、卖一、最新价）、成交量、波动率
• 订单流数据：逐笔成交、挂单深度、大单预警
• 库存数据：当前持仓、持仓成本、库存久期
• 宏观数据：利率、汇率、信用利差、政策事件

输出层：模型给你什么？

• 最优买价：你愿意买入的最高价格
• 最优卖价：你愿意卖出的最低价格
• 报价数量：每个价格上挂多少量
• 报价有效期：这个报价多久刷新一次

下面这张图，是我自己项目里用的报价模型框架。你可以参考一下：

这张图看起来简单，但每个模块背后都有大量细节。比如处理层里的「库存管理引擎」，我实际项目中用了三个子模块：库存监控、库存调整、库存对冲。每个子模块又有不同的触发条件和执行逻辑。

2.5 一个简单的报价模型示例

说了这么多理论，我们来点实际的。下面是一个极简的报价模型伪代码：

# 报价模型核心逻辑（伪代码）
def calculate_quote(bond_id, market_data, inventory_data):
    # 1. 计算基础价差
    base_spread = fixed_cost + risk_premium(bond_id)
    
    # 2. 库存调整
    if inventory_data['exposure'] > 0.2:
        # 库存过高，降低买价，提高卖价
        spread_adjustment = 0.05 * inventory_data['exposure']
    else:
        spread_adjustment = 0
    
    # 3. 信息优势调整
    if detect_abnormal_orderflow(bond_id):
        info_adjustment = 0.1  # 扩大价差
    else:
        info_adjustment = 0
    
    # 4. 最终报价
    mid_price = market_data['mid']
    final_spread = base_spread + spread_adjustment + info_adjustment
    
    bid_price = mid_price - final_spread / 2
    ask_price = mid_price + final_spread / 2
    
    return bid_price, ask_price

这个代码虽然简单，但已经包含了三个核心要素。你在实际项目中，只需要把每个模块的细节填进去就行。

好了，这一章的内容就到这里。记住三个核心要素：买卖价差是你的利润来源，库存管理是你的风控底线，信息优势是你的竞争壁垒。把这三件事想清楚，报价模型的骨架就有了。

---

公众号:蓝海资料掘金营，微信deep3321