第4章定价策略

4、定价策略：固定价差策略、动态价差策略、基于波动率的定价模型

做市商的核心，说白了就是靠买卖价差吃饭。你报一个买价，再报一个卖价，中间的差价就是你的利润来源。但问题来了——这个差价到底定多少合适？定宽了，没人跟你成交；定窄了，自己亏钱。今天我就把三种主流的定价策略掰开揉碎了讲清楚。

这是最基础的做法。我刚开始做市商那会儿，用的就是固定价差。简单粗暴：不管市场怎么波动，我永远挂一个固定宽度的买卖盘。

举个例子：假设BTC当前价格是50000 USDT，我设定固定价差为0.1%。那么我的买价就是49950，卖价就是50050。不管市场怎么动，这个0.1%的宽度不变。

核心公式：

买价 = 中间价 × (1 - 价差比例/2)
卖价 = 中间价 × (1 + 价差比例/2)

这种策略的好处是——简单、稳定、容易监控。但缺点也很明显：

我的经验：固定价差适合流动性非常好的品种，比如BTC/USDT。我在做ETH/USDT时试过固定价差，结果发现波动率一上来，库存管理成本直接吃掉利润。后来我就改动态了。

动态价差，说白了就是让价差跟着市场走。市场波动大，我就把价差拉宽；市场平稳，我就收窄。这样既能吃到波动红利，又不会在震荡中被反复收割。

我常用的动态调整逻辑：

价差 = 基础价差 × (1 + α × 波动率因子)

其中α是一个调节系数，我一般设在0.5到2之间。波动率因子可以用最近N笔交易的收益率标准差来计算。

一个实际案例：

我在做某山寨币的做市时，发现它的波动率在白天和晚上差异巨大。白天波动率0.3%，晚上能到1.2%。如果我用固定价差0.5%，白天赚得少，晚上亏得多。改成动态后，白天价差0.4%，晚上价差0.8%，整体利润提升了30%以上。

动态价差的核心参数有三个：

注意：α值设得太大会导致价差频繁跳动，反而增加成交滑点。我曾经吃过这个亏，把α设到3，结果价差在0.2%到1.5%之间来回跳，交易成本反而上升了。后来我加了平滑处理，才稳定下来。

这是目前最主流的做法。说白了，就是把波动率作为定价的核心输入，用数学模型算出最优价差。我个人最常用的是基于GARCH模型的波动率预测。

为什么用GARCH？因为金融市场的波动率有聚集效应——大涨大跌之后往往跟着更大的波动。GARCH能捕捉到这种特性。

模型框架：

σ²(t) = ω + α × ε²(t-1) + β × σ²(t-1)

其中：
σ²(t) 是当前时刻的波动率估计
ε²(t-1) 是上一时刻的收益率残差
ω, α, β 是模型参数（我一般用最大似然估计来拟合）

有了波动率估计后，价差可以这样定：

价差 = k × σ(t) × √(T)

其中：
k 是风险厌恶系数（我一般取1.5-3）
σ(t) 是GARCH预测的波动率
T 是持仓周期（比如1秒、1分钟）

一个真实案例：

我在做某主流币的做市时，用GARCH(1,1)模型预测波动率。参数拟合出来后，α=0.12，β=0.85，ω=0.0001。这意味着波动率有很强的持续性（β接近1）。实际跑下来，价差在0.1%到0.8%之间动态调整，夏普比率从原来的1.2提升到了2.1。

当然，GARCH模型也有坑。我踩过的坑包括：

参数过拟合：用太多历史数据拟合，结果模型在新数据上表现很差。我后来改用滚动窗口拟合，每1000笔数据重新拟合一次。
极端事件：GARCH对黑天鹅事件反应滞后。比如突然的暴跌，模型还没反应过来，价差已经不够宽了。我加了一个硬性保护——当价格变动超过3个标准差时，直接拉宽价差到最大值。
计算延迟：GARCH模型需要实时计算，如果数据量太大，容易造成延迟。我后来改用简化版——只计算最近N笔交易的波动率，用指数加权移动平均（EWMA）代替GARCH。

我的建议：如果你刚开始做做市商，先从固定价差开始，跑通了再上动态价差。等你有了一定的数据积累，再尝试GARCH这类复杂模型。别一上来就搞高大上的东西，容易翻车。

嗯，这三种策略没有绝对的好坏。关键看你的品种、资金量、技术能力。我个人习惯是：先用动态价差打底，再根据品种特性叠加波动率模型。固定价差？我现在基本不用了，除非是测试新交易所的API。

最后说一句：定价策略没有银弹。你想想看，同一个策略在不同交易所、不同品种上表现可能天差地别。我建议你多跑回测，多试参数，找到最适合自己风格的那一套。