做市策略基础：什么是做市？做市策略的核心逻辑

做市，说白了就是「两边报价，赚差价」。

我刚开始接触这个领域时，觉得做市商就是交易所里的「黄牛」——左手买、右手卖，吃个中间价差。后来自己动手写策略才发现，事情远没那么简单。你想想看，如果真这么容易，为什么市场上90%的做市商都在亏钱？

嗯，今天我们就来拆解一下做市策略的核心逻辑。我会结合自己踩过的坑，把价差、库存、订单簿这三个核心要素讲透。

什么是做市？

做市商（Market Maker）的核心任务，就是为市场提供流动性。具体来说：

• 同时挂买单和卖单：在买一价挂单，在卖一价挂单
• 赚取价差：卖价 - 买价 = 你的利润
• 承担库存风险：万一方向走反了，你手里囤了一堆货

举个例子。假设BTC当前市场价是60,000 USDT。你挂单：

• 买一：59,990 USDT（买入1 BTC）
• 卖一：60,010 USDT（卖出1 BTC）

如果有人卖给你，你手里就有了1个BTC。如果有人从你手里买，你就赚了20 USDT的差价。看起来很简单对吧？

但问题来了——如果价格一直跌，你手里的BTC就变成了烫手山芋。这就是库存风险。

做市策略的核心逻辑

做市策略说白了就三件事：价差管理、库存控制、订单簿博弈。我们一个一个说。

1. 价差（Spread）——你的利润来源

价差就是卖一价和买一价之间的差值。公式很简单：

Spread = Ask_Price - Bid_Price

但实际策略中，价差不是固定的。我见过很多新手直接设一个固定价差，比如0.1%。结果市场波动一大，单子全被吃掉，亏得底裤都不剩。

我个人习惯用动态价差。核心逻辑是：

• 市场波动大 → 扩大价差（补偿风险）
• 市场波动小 → 缩小价差（吸引成交）

举个例子，我常用的一个价差模型：

spread = base_spread + k * volatility

其中 base_spread 是基础价差（比如0.05%），volatility 是近期波动率，k 是调节系数。

2. 库存（Inventory）——你的生死线

库存管理是做市策略里最容易被忽视、但也是最致命的一环。

我曾经犯过一个错误：某次做ETH做市，市场突然暴跌，我手里囤了200个ETH。当时觉得「没事，会反弹的」。结果跌了10%才止损，亏了6位数。

从那以后，我给自己定了一条铁律：库存必须控制在目标范围内。

库存管理的核心指标：

指标	含义	我的经验值
库存比率	当前库存 / 目标库存	0.8 ~ 1.2
库存偏离度	（当前库存 - 目标库存）/ 目标库存	±20% 以内
库存周转率	每日成交额 / 平均库存	5 ~ 10 次/天

当库存偏离目标时，你需要调整报价：

• 库存过多：降低卖价，提高买价（鼓励卖出，抑制买入）
• 库存过少：提高卖价，降低买价（鼓励买入，抑制卖出）

说白了就是：手里货多了就便宜卖，货少了就贵点卖。

3. 订单簿（Order Book）——你的战场地图

订单簿就是当前市场上所有挂单的集合。做市策略的核心，就是读懂这张「地图」。

我一般关注订单簿的几个关键维度：

• 深度：每个价位上有多少量
• 斜率：价格越远，深度变化有多快
• 不平衡度：买单总量 vs 卖单总量
• 价差宽度：当前最优买卖价差

举个例子，如果买单深度远大于卖单深度，说明市场买盘强劲。这时候我会倾向于：

• 缩小卖价（更容易成交）
• 扩大买价（防止被砸盘）

反过来，如果卖单深度大，说明抛压重，我会谨慎做多库存。

这里有一个我常用的订单簿不平衡指标：

imbalance = (bid_volume - ask_volume) / (bid_volume + ask_volume)

取值范围 -1 到 1。正数表示买盘强，负数表示卖盘强。

做市策略的整体框架

说了这么多，我们来画一张图，把整个逻辑串起来。

这张图展示了我做策略时的完整流程。市场数据进来后，三个模块并行计算，然后汇总到报价决策引擎，最后输出挂单。同时，成交结果会反馈回来，形成闭环。

一个简单的做市策略示例

说了这么多理论，我们来看一个最简化的做市策略代码。嗯，这只是演示逻辑，生产环境千万别直接用。

class SimpleMarketMaker:
    def __init__(self, base_spread=0.001, target_inventory=10):
        self.base_spread = base_spread
        self.target_inventory = target_inventory
        self.current_inventory = 0
    
    def calculate_spread(self, volatility):
        """动态价差计算"""
        return self.base_spread * (1 + 2 * volatility)
    
    def calculate_prices(self, mid_price, volatility, order_book):
        """计算买卖报价"""
        spread = self.calculate_spread(volatility)
        
        # 库存调整
        inventory_deviation = (self.current_inventory - self.target_inventory) / self.target_inventory
        inventory_adjustment = -0.5 * inventory_deviation * spread
        
        # 订单簿不平衡调整
        imbalance = order_book['bid_volume'] - order_book['ask_volume']
        imbalance_adjustment = 0.1 * imbalance / (order_book['bid_volume'] + order_book['ask_volume']) * spread
        
        # 最终报价
        bid_price = mid_price * (1 - spread/2 + inventory_adjustment + imbalance_adjustment)
        ask_price = mid_price * (1 + spread/2 + inventory_adjustment + imbalance_adjustment)
        
        return bid_price, ask_price

这段代码虽然简单，但包含了三个核心要素：

• 价差随波动率动态调整
• 库存偏离时调整报价方向
• 订单簿不平衡影响报价偏移

做市策略的核心，说白了就是「在风险可控的前提下，赚取流动性溢价」。价差是你的利润，库存是你的风险，订单簿是你的情报。三者平衡好了，你就能在市场里稳定盈利。

嗯，今天就先聊到这里。记住，做市不是印钞机，而是精细的风险管理游戏。下一章我们会深入讲回测框架的设计，到时候我会分享更多实战中的坑和技巧。

---