4. 买卖价差分析：价差的构成、度量与影响因素

做市商赚的是什么钱？说白了，就是买卖价差。但价差不是凭空产生的，它背后藏着三个核心成本。我做了这么多年量化交易，见过太多人把价差简单理解为“手续费”，结果策略一上线就亏得找不着北。今天咱们就把价差拆开揉碎了讲清楚。

4.1 价差的三个构成成分

先问一个问题：为什么做市商不能把价差设为零？答案很简单——亏钱。每一笔成交，做市商都在承担风险。我把这些风险拆成三块来讲。

4.1.1 逆向选择成本

这是最隐蔽、也最致命的一块成本。什么叫逆向选择？就是对手方知道的信息比你多。比如一个机构投资者突然下大单买入，他可能知道某个利好消息即将公布。而你作为做市商，在信息上天然处于劣势。

我记得在2018年做美股期权做市时，遇到过一只小盘股。平时价差只有两分钱，但有一天价差突然扩大到一毛五。我当时觉得奇怪，一查才发现，公司盘后要发布财报。那些提前知道消息的人，正在利用我的报价套利。嗯，这就是典型的逆向选择。

逆向选择成本怎么量化？一个经典方法是看成交后的价格变动。如果你卖出的股票，成交后价格立刻上涨，说明你卖便宜了——这部分涨幅就是你的逆向选择成本。

4.1.2 订单处理成本

这个比较好理解。每一笔订单从进入系统到成交，都需要消耗资源。交易所费用、清算费用、系统维护、人力成本……这些都是实打实的支出。

我个人习惯把订单处理成本分成两块：固定成本和可变成本。固定成本包括服务器租赁、数据订阅等，一个月几万块雷打不动。可变成本则是每笔交易的手续费，比如在币安做市，maker返佣、taker收费，净成本大概在万分之几。

你想想看，如果价差连手续费都覆盖不了，那做市商就是在做慈善。所以订单处理成本是价差的底线，谁也不能突破。

4.1.3 存货持有成本

做市商手里必须持有一定数量的股票或加密货币。这些存货是有成本的。资金占用成本、隔夜利息、还有最要命的——价格下跌的风险。

我在2022年做加密货币做市时，手里囤了一堆ETH。结果LUNA暴雷那天，ETH从2000美元跌到1000美元，我手里的存货一天亏了40%。那之后我学乖了，存货持有成本必须用VaR模型来算，不能拍脑袋。

存货持有成本的计算公式其实不复杂：

存货持有成本 = 存货价值 × 资金成本率 × 持有时间 + 预期价格波动风险溢价

其中预期价格波动风险溢价，我一般用历史VaR的95%分位数来估算。比如你持有100万美金的BTC，日波动率5%，那风险溢价就是5万美金一天。这个数字很吓人，但这就是现实。

4.2 价差的度量方法

度量价差不是简单地算算买一卖一差价。不同的度量方法，反映的是不同的市场微观结构特征。我常用的有三种。

4.2.1 报价价差

这是最直观的度量。就是当前最优卖价减去最优买价。公式很简单：

报价价差 = 卖一价 - 买一价

但报价价差有个问题——它只反映了表面的流动性成本。实际成交时，你可能根本拿不到这个价差。比如市场深度不够，大单进来直接把价格打穿了。

4.2.2 有效价差

有效价差考虑到了实际成交价格。它衡量的是：你的成交价相对于买卖价差中点的偏离程度。

有效价差 = 2 × |成交价 - 买卖价差中点|

举个例子。假设买一100元，卖一102元，中点就是101元。如果你以101.5元买入，有效价差就是2 × |101.5 - 101| = 1元。而报价价差是2元。你看，有效价差只有报价价差的一半——说明你实际成交的条件比报价要好。

我个人在实盘中更关注有效价差。因为它能真实反映你的交易成本。报价价差只是门面功夫。

4.2.3 实现价差

实现价差更进一步。它考虑了成交后的价格变动，用来衡量做市商实际赚到的钱。

实现价差 = 2 × (成交价 - 成交后一段时间的中点价) × 方向符号

为什么要看成交后的价格？因为如果成交后价格朝着不利于你的方向移动，说明你被逆向选择了。实现价差扣除了这部分损失，剩下的才是做市商真正落袋的利润。

度量方法	计算公式	反映内容	我的使用场景
报价价差	卖一 - 买一	表面流动性成本	快速监控市场状态
有效价差	2 × |成交价 - 中点|	实际交易成本	策略回测与归因
实现价差	2 × (成交价 - 后市中点) × 方向	做市商真实利润	实盘绩效评估

4.3 影响价差的因素

价差不是一成不变的。它会随着市场环境、交易品种、时间维度等因素剧烈波动。我总结了四个最重要的影响因素。

4.3.1 波动率

波动率越大，价差越大。道理很简单——波动大意味着做市商承担的风险大，自然要收更高的风险溢价。

我记得在2020年3月，美股熔断那几天，标普500 ETF的价差从平时的0.01美元扩大到了0.15美元，整整15倍。那段时间做市商几乎都在亏钱，因为波动太快，根本来不及调整报价。

量化上，我一般用已实现波动率（RV）来建模价差：

价差 = α + β × RV + ε

β系数通常在0.3到0.8之间，具体取决于品种。比特币的β就比苹果股票高得多。

4.3.2 成交量与流动性

成交量越大，流动性越好，价差越小。这是市场微观结构的基本规律。但要注意，成交量和价差的关系不是线性的。

我做过一个统计：当某只股票日均成交量从100万股增加到500万股时，价差缩小了40%。但从500万到1000万，价差只缩小了10%。这说明流动性存在边际递减效应。

4.3.3 信息不对称程度

信息不对称越严重，逆向选择成本越高，价差越大。怎么衡量信息不对称？一个常用指标是PIN（Probability of Informed Trading）。

PIN值越高，说明知情交易者越多。比如财报发布前、重大新闻事件前后，PIN值会飙升。这时候做市商如果不扩大价差，就是在给知情交易者送钱。

我曾经在PIN值超过0.3时还维持正常价差，结果一天亏了半个月的利润。从那以后，我写了个自动化脚本——当PIN值超过阈值时，自动把价差乘以1.5倍。

4.3.4 竞争程度

做市商越多，竞争越激烈，价差越小。这个很好理解。但竞争也有两面性——过度竞争会导致价差低于合理水平，最终所有做市商都赚不到钱。

我记得在2021年，某加密货币交易所上线了一个新币种，一开始只有两家做市商，价差0.1%。后来增加到20家做市商，价差被压缩到0.01%。结果呢？大部分做市商因为覆盖不了成本，陆续退出了。最后又回到两三家，价差重新回到0.05%。

这就是市场的自我调节机制。价差太低，做市商活不下去；价差太高，交易者会流失。最终会达到一个动态平衡。