第2章回扣经济学原理

第二章：回扣经济学原理

好，咱们直接进入正题。回扣这东西，表面上看就是交易所给你返钱，但背后的经济学逻辑其实挺深的。我当年刚接触这个领域时，也以为回扣就是白捡的便宜，结果在实盘里吃了不少亏。今天我把这些坑都给你拆开讲清楚。

先问个问题：交易所为什么要给你回扣？说白了，是为了吸引流动性。你挂单提供流动性，交易所给你返点，这叫maker rebate。你吃单拿走流动性，交易所收你钱，这叫taker fee。

这里有个关键点：回扣不是凭空产生的，它本质上是对价差的一种再分配。你想想看，如果买卖价差是1个tick，交易所给你0.5个tick的回扣，那你的实际成本就变成了0.5个tick。但如果你吃单，你可能要付0.5个tick的费用，实际成本就变成了1.5个tick。

核心公式：

有效价差 = 名义价差 - 回扣（maker side）
有效价差 = 名义价差 + 费用（taker side）

我在项目中遇到过一种情况：有些交易所的回扣政策会动态调整。比如市场波动大时，回扣会降低，因为交易所需要控制风险。这时候如果你还按原来的策略挂单，可能就亏了。

角色	名义价差	回扣/费用	有效价差
Maker（挂单）	1 tick	-0.5 tick（返现）	0.5 tick
Taker（吃单）	1 tick	+0.5 tick（收费）	1.5 tick

嗯，这里要注意。回扣虽然诱人，但有个隐藏的大坑——逆向选择。什么意思呢？你挂一个买单，结果成交了，你以为是赚了回扣，但很可能你接的是别人想扔掉的垃圾单。

我举个例子。假设某只股票的真实价值是100元，现在市场上有人挂99.5元的买单，有人挂100.5元的卖单。你作为maker，在100元挂了个买单。结果突然有人砸盘，你的单子被吃了。你以为赚了0.5元的回扣，但实际上你接盘的价格可能已经跌到99元了。这一下你就亏了1元，回扣那点钱根本不够补。

避坑指南：

我曾经在回测中忽略逆向选择成本，结果策略看起来年化20%，实盘一跑直接亏了3个月。后来我加了一个指标——成交后的价格漂移。如果成交后价格朝不利方向移动超过0.5个tick，这笔单子就是被逆向选择了。

为什么会这样？因为信息不对称。那些吃单的人，往往掌握更多信息。他们愿意付taker fee来吃你的单，说明他们觉得这笔交易有利可图。而你作为maker，其实是在跟一群更聪明的人做对手盘。

回扣政策会直接影响市场深度。你想想看，如果回扣高，大家都愿意挂单，那买卖盘口的厚度自然就上去了。但这里有个微妙的地方：回扣太高反而会降低深度。

我解释一下。假设交易所把maker回扣提高到1个tick，那所有人都会去挂单，没人愿意吃单。结果就是盘口看起来很厚，但实际成交很少。一旦有人想大额交易，他必须吃掉很多层挂单，滑点反而更大。

个人经验：

我建议你关注一个指标叫「回扣弹性」。就是回扣每变化1%，市场深度变化多少。如果弹性大于1，说明回扣政策有效；如果小于1，说明回扣已经过度了。

我记得在某个加密货币交易所，他们曾经把maker回扣从0.1%提高到0.2%，结果市场深度增加了40%。但后来提高到0.3%时，深度只增加了5%。这说明0.2%已经是临界点了。

好了，前面讲了这么多理论，现在说说怎么落地。最优报价策略，说白了就是回答一个问题：我该挂什么价格？

这里有个基础框架，我管它叫「三要素模型」：

把这三个要素量化，就能算出每笔挂单的期望收益。公式很简单：

期望收益 = 价差收益 + 回扣收益 - 逆向选择成本

如果期望收益 > 0，就挂单
如果期望收益 < 0，就撤单

但实际做的时候，难点在于怎么估算逆向选择成本。我个人的做法是：

实战技巧：

别用固定参数。市场在变，逆向选择的概率也在变。我建议你每5分钟重新计算一次参数，用滚动窗口的方式。这样策略才能适应市场变化。

最后说一句，最优报价策略没有银弹。不同市场、不同品种、不同时间段的参数都不一样。你需要自己跑回测，找到适合你交易品种的那组参数。

这张图把本章的核心逻辑串起来了。你看，回扣经济学不是孤立的概念，它跟价差、逆向选择、市场深度、报价策略都有关联。搞懂这些关系，你才能设计出真正赚钱的策略。