一、债券做市业务全景：从交易台到数据流

大家好，我是老张。在债券市场摸爬滚打了十几年，从最初的交易员做到现在的量化团队负责人。今天咱们聊聊债券做市业务的全景图。

说实话，很多人一听到「做市商」三个字，第一反应就是「中间商赚差价」。嗯，这个理解没错，但远不止这么简单。

1.1 什么是债券做市商

债券做市商，说白了就是交易所或银行间市场里，那些承诺「随时报价、随时成交」的机构。你想想看，债券市场不像股票那样有集中的交易所，很多债券一天都成交不了几笔。如果没有做市商，你想买一只冷门债，可能挂单挂一周都没人理你。

做市商的作用就是：

• 提供流动性——你随时想买，我卖给你；你想卖，我买进来
• 缩小买卖价差——让市场更有效率
• 稳定市场价格——避免大单冲击导致价格剧烈波动

我在2015年刚入行时，带我的老交易员说过一句话：「做市商就是市场的加油站，没油了车跑不动，但加油站的油也不是白给的。」这句话我一直记着。

1.2 做市商的核心盈利模式

盈利模式其实就三个字：吃价差。但怎么吃、吃多少，这里面门道很深。

盈利来源	说明	我踩过的坑
买卖价差	比如国债活跃券，买价99.98，卖价100.00，中间2个bp的差价就是利润	曾经为了抢量，把价差压到0.5bp，结果被高频交易者反复收割
库存收益	持有债券期间获得的票息收入	2016年债灾时库存浮亏，教训深刻
信息优势	通过订单流感知市场情绪，提前调整报价	这个需要数据支撑，后面会详细讲
回购融资	用持有的债券做回购，放大杠杆	杠杆是把双刃剑，我见过爆仓的同行

1.3 做市业务的数据流全景

好了，前面铺垫了这么多，现在进入正题——数据流。我个人习惯把做市业务的数据流分成三层：原始数据层、加工数据层、策略数据层。

下面这张图是我自己画的，基本概括了整个数据流转过程：

这张图我画了好几个版本，最终选了现在这个。为什么？因为做市业务的数据流，本质上就是从「发生了什么」到「该怎么办」的转化过程。

1.4 数据流中的关键节点

在实际项目中，我遇到过很多数据流的问题。这里挑几个重点说说：

1. 行情数据接入——交易所和银行间的数据格式完全不同，需要统一清洗。我曾经因为一个字段的精度问题，导致报价系统算错了整整一个下午。
2. 成交数据回放——做市策略回测时，必须用真实的成交数据，不能用行情数据替代。为什么？因为行情里的买卖价不一定能成交，这个坑我替大家踩过了。
3. 宏观数据对齐——CPI、PMI这些数据发布时点不固定，需要做时间戳对齐。我习惯用事件驱动的方式处理，而不是定时轮询。

1.5 数据清洗的重要性

说到数据清洗，很多人觉得这是脏活累活。但我想说，数据清洗决定了策略的天花板。

举个例子：国债活跃券的行情数据里，经常会出现「跳空」——就是价格突然从99.98跳到100.05，中间没有成交。如果不做处理，你的模型会以为市场发生了剧烈波动，然后做出错误报价。

我曾经因为没处理好这个，导致系统在非活跃时段频繁调价，被交易所警告了。从那以后，我专门写了一套异常值检测模块，专门处理这种「假跳空」。

1.6 从数据到决策的闭环

做市业务的数据流，最终要形成一个闭环：

• 原始数据进来 → 清洗加工 → 生成策略信号 → 执行报价 → 成交数据反馈 → 修正模型

这个闭环跑得越快，做市商的竞争力就越强。我见过一些机构，从数据到报价的延迟控制在50微秒以内。当然，对于大多数债券做市来说，毫秒级就够用了。

好了，这一章的内容就到这里。数据流是后面所有章节的基础，建议大家把这张图记在脑子里。后面我们会一步步深入，从数据清洗开始，到建模、回测、上线，把整个做市系统的每个环节都拆开来讲。

---