第二章 价差与流动性：买卖价差的形成机制、流动性指标的度量方法、价差与波动率的关系
做套利的人，天天跟价差打交道。但你真的理解价差是怎么来的吗？
我个人习惯把买卖价差看作市场的「呼吸」。呼吸急促，说明市场紧张；呼吸平稳，说明流动性好。今天我们就来拆解这个呼吸过程。
2.1 买卖价差的形成机制
说白了，价差就是你想买、我想卖，但咱们俩不愿意出同一个价。你想想看，如果所有人都同意一个价格，那还要做市商干嘛？
价差的形成，主要有三个层次：
- 订单处理成本：交易所要收费，清算要成本，这些最终都会体现在价差里。我记得早期做美股时，ECN的返佣机制让价差变得极其复杂。
- 逆向选择成本：你跟知情交易者对赌，输了怎么办？做市商必须用价差来保护自己。我在项目中遇到过，某只小盘股在财报前价差突然扩大三倍——明显是有人在提前布局。
- 存货持有成本：做市商手里拿着股票，万一跌了怎么办？这个风险也要算进价差。
核心公式：有效价差 = 半价差 × 2 = (卖一价 - 买一价)
但实际交易中，我们更关注的是「实现价差」——扣除逆向选择成本后的部分。
嗯，这里要注意：不同市场的价差形成机制差异很大。A股是竞价市场，价差主要由订单簿决定；外汇市场是报价驱动，价差由银行决定；加密货币嘛...那又是另一套玩法了。
2.2 流动性指标的度量方法
流动性这东西，看不见摸不着，但没它不行。我一般用四个维度来度量：
| 维度 | 指标 | 我的用法 |
|---|---|---|
| 宽度 | 买卖价差 | 最直观，但容易被操纵 |
| 深度 | 订单簿挂单量 | 看Level 2数据时必看 |
| 弹性 | 价格回复速度 | 大单冲击后多久恢复 |
| 即时性 | 成交时间 | 市价单多久能吃掉 |
我个人最常用的是 Amihud 非流动性指标：
# 日度 Amihud 指标计算
def amihud_illiquidity(returns, volume, price):
"""
returns: 收益率序列
volume: 成交量
price: 价格
"""
daily_illiq = abs(returns) / (volume * price)
return daily_illiq.mean() * 1e6 # 放大便于观察为什么用这个？因为它把价格冲击和成交量结合起来了。我曾经用这个指标筛选套利标的，发现流动性差的品种，套利成本高得吓人——看着有价差，一进去就被滑点吃掉了。
避坑指南：我曾经只看买卖价差就冲进去做套利，结果发现深度不够，一单就把价格打穿了。后来我养成了习惯：先看价差，再看深度，最后算滑点成本。
2.3 价差与波动率的关系
这个关系，说白了就是「波动越大，价差越宽」。为什么会这样？
你想想看，波动率高的时候，做市商面临的风险也大。他们要么扩大价差保护自己，要么直接撤单。我在2015年股灾时亲眼见过，有些股票的价差从0.01元直接跳到0.10元——整整十倍。
这里有个经验公式：
# 价差与波动率的经验关系
spread = alpha + beta * volatility + epsilon
# 我常用的滚动估计
def rolling_spread_vol_relation(spread, vol, window=20):
import numpy as np
betas = []
for i in range(window, len(spread)):
x = vol[i-window:i].values.reshape(-1, 1)
y = spread[i-window:i].values
beta = np.linalg.lstsq(x, y, rcond=None)[0][0]
betas.append(beta)
return betas嗯，这里要注意：这个关系不是线性的。波动率低的时候，价差变化不大；但波动率一旦超过某个阈值，价差会呈指数级扩大。我习惯把这个阈值叫做「恐慌点」。
实战警告：别在波动率飙升时做高频套利。我曾经不信邪，在VIX冲到40的时候还做统计套利，结果被来回打脸。价差扩大 + 滑点增加 = 双重打击。
2.4 知识体系结构图
下面这张图，是我自己梳理的价差与流动性分析框架。每次做新策略前，我都会过一遍这个流程：
这张图我每次做策略回测前都会看一遍。你想想看，如果连价差成本都覆盖不了，那还谈什么套利？
我的经验法则：
- 价差 < 0.01%：流动性极好，适合高频
- 价差 0.01%-0.1%：正常，可以做统计套利
- 价差 > 0.1%：小心，先看深度再动手
- 价差 > 0.5%：除非有确定性机会，否则别碰
最后说一句：流动性这东西，平时感觉不到，但一旦出问题，就是致命的。我见过太多人因为忽视流动性风险，在看似完美的套利机会上栽跟头。记住，价差不是成本的全部，但它是最直接的信号。