第三章 做市策略核心指标：买卖价差、持仓风险、报价命中率、夏普比率与收益回撤比
做市策略做得好不好，不能光凭感觉。我见过不少新手，跑回测时看着资金曲线往上走就兴奋，结果一上实盘就亏得找不着北。为什么？因为没抓住核心指标。
今天咱们就把做市策略的五个核心指标掰开揉碎讲清楚。说白了，这五个指标就是你的仪表盘。开车不看仪表盘，迟早要出事。
3.1 买卖价差（Spread）—— 做市商的饭碗
买卖价差，就是买一价和卖一价之间的差值。你想想看，做市商赚的是什么？就是这中间的差价。
核心公式：
Spread = Ask Price - Bid Price
通常用基点（bps）表示：Spread(bps) = (Ask - Bid) / Mid Price × 10000
我在项目中遇到过一种情况：某个山寨币的价差经常超过50个基点，看着利润空间很大。但一算成交量，一天就几万美金。这种价差大但流动性差的市场，其实很难做。
价差类型我一般分三种：
- 静态价差：你挂单时设定的固定价差。比如我习惯在BTC上设2个tick的价差。
- 动态价差：根据市场波动率实时调整的价差。波动大时放宽，波动小时收窄。
- 有效价差：实际成交时的价差，考虑了滑点和手续费。
我的经验：别只看名义价差。扣除手续费后的净价差才是你真正能吃到嘴里的。有些交易所maker返佣高，价差小点也能做。
3.2 持仓风险（Inventory Risk）—— 做市商的命门
做市最怕什么？不是亏手续费，而是方向性持仓。你想想看，如果市场突然暴跌，你手里全是多头库存，那画面太美我不敢看。
持仓风险的核心指标就两个：
| 指标 | 定义 | 我的经验阈值 |
|---|---|---|
| 库存量 | 当前持有的净头寸 | 不超过日均成交量的0.5% |
| 库存周转率 | 库存清空的速度 | 理想状态：每5-10分钟周转一次 |
我曾经吃过一次大亏。2020年3月12日，比特币暴跌那天，我的策略没及时调整库存上限，结果手里攒了200个BTC的多头。那一夜，我盯着屏幕，看着价格从8000跌到3800。嗯，从那以后，我加了一个硬止损：库存超过阈值就强制平仓。
避坑指南：库存风险不是线性的。当市场出现极端行情时，你的库存可能瞬间膨胀。我建议设置两层保护：软限制（报警）和硬限制（强制平仓）。
3.3 报价命中率（Hit Rate）—— 你的单子能不能成交
报价命中率，就是你挂的单子最终成交的比例。这个指标很有意思——太高了说明你给的价差太窄，利润薄；太低了说明你挂的价没人理。
我一般这样算：
# 报价命中率计算示例
def calculate_hit_rate(filled_orders, total_orders):
"""
filled_orders: 成交的订单数
total_orders: 总挂单数
"""
if total_orders == 0:
return 0
return filled_orders / total_orders
# 实际项目中我会分方向统计
bid_hit_rate = calculate_hit_rate(bid_filled, bid_total)
ask_hit_rate = calculate_hit_rate(ask_filled, ask_total)
print(f"买单命中率: {bid_hit_rate:.2%}")
print(f"卖单命中率: {ask_hit_rate:.2%}")理想情况下，买卖双方的命中率应该差不多。如果一边明显高于另一边，说明你的报价有偏向性，库存风险就会积累。
我个人习惯把命中率控制在30%-60%之间。低于30%，说明价差太宽，该收窄了；高于60%，说明价差太窄，利润空间被压缩。
3.4 夏普比率—— 风险调整后的收益
夏普比率，说白了就是每承担一单位风险，能换来多少超额收益。做市策略的夏普比率通常比趋势策略高，因为做市赚的是波动率的钱，不是方向的钱。
公式：
Sharpe Ratio = (策略收益率 - 无风险利率) / 策略收益率的波动率
做市策略的夏普比率一般能做到3-5，优秀的能到8以上。
但这里有个坑。我见过有人用日收益率算夏普比率，结果算出来8.5，高兴得不行。后来我让他换成小时级别的数据重算，直接掉到2.3。为什么？因为做市策略的日内波动很大，日频数据会平滑掉很多风险。
建议：计算夏普比率时，频率要和你的交易频率匹配。高频做市用分钟级数据，中低频用小时级。别偷懒用日频。
3.5 收益回撤比—— 实盘最关心的指标
夏普比率再高，回撤大了你也扛不住。收益回撤比，就是总收益除以最大回撤。这个指标直接告诉你：为了赚这些钱，你最多承受了多大的浮亏。
我给自己定的标准：
- 收益回撤比 > 3：合格
- 收益回撤比 > 5：良好
- 收益回撤比 > 8：优秀
记得有一次，我优化了一个参数组合，夏普比率从4.2提升到了6.8，但收益回撤比从5.1降到了2.9。我犹豫了一下，最后还是选了原来的参数。为什么？因为实盘时，回撤大了你根本拿不住。心理压力会逼你提前平仓，最后收益反而更低。
3.6 五个指标的关系图
下面这张图是我自己总结的做市策略核心指标关系。你看一眼就明白了：
你看这张图就明白了。五个指标不是孤立的。价差太宽，命中率就低；价差太窄，库存风险就大。夏普比率和收益回撤比是最终的结果指标，前面三个是过程指标。
3.7 实战中的指标监控
我自己的交易系统里，有一个实时监控面板。每5秒刷新一次，显示这五个指标的实时值。一旦某个指标超出阈值，系统就会报警。
举个例子：
# 实时监控逻辑（伪代码）
def monitor_indicators():
while True:
spread = get_current_spread()
inventory = get_current_inventory()
hit_rate = calculate_hit_rate(last_100_orders)
sharpe = calculate_sharpe(last_24h_returns)
rdd_ratio = calculate_return_drawdown_ratio()
# 报警逻辑
if spread > max_spread:
alert("价差过大，检查市场状态")
if abs(inventory) > max_inventory:
alert("库存超限，启动对冲")
if hit_rate < 0.2 or hit_rate > 0.7:
alert("命中率异常，调整报价策略")
if sharpe < 2.0:
alert("夏普比率过低，考虑暂停策略")
if rdd_ratio < 3.0:
alert("收益回撤比恶化，检查风险敞口")
time.sleep(5)这套逻辑我用了三年，帮我躲过了好几次黑天鹅事件。有一次，夏普比率突然从4.5掉到1.8，系统自动暂停了策略。后来发现是交易所的API出了问题，报价延迟了200毫秒。要是没这个监控，那天得亏不少。
总结一下：
五个指标，三个过程（价差、库存、命中率），两个结果（夏普、回撤比）。过程指标帮你实时调整策略，结果指标帮你评估策略好坏。两手都要抓，两手都要硬。
好了，这一章的内容就到这里。记住，指标是死的，市场是活的。别死盯着数字，要理解数字背后的市场逻辑。下一章咱们聊聊如何用这些指标来设计一个完整的做市策略框架。
公众号:蓝海资料掘金营，微信deep3321