第四章：回扣套利策略基础

各位同学，今天我们来聊聊回扣套利。说实话，这个策略在圈内一直有点神秘色彩。很多人觉得它就是个“薅羊毛”的活儿，但真正在机构里做过的人都知道——这里面的门道深着呢。

我最早接触回扣套利是在2016年，当时帮一家做市商搭建交易系统。客户说：“你们能不能帮我把交易所的返佣吃下来？”我当时心想，这不就是刷单吗？后来深入研究才发现，事情远没那么简单。

4.1 回扣套利的定义与分类

回扣套利，说白了就是利用交易所提供的流动性返佣机制来获利。交易所为了吸引做市商提供流动性，会按照挂单量、成交量和挂单时长等指标给予返佣。套利者通过策略性地挂单和撤单，在承担有限风险的前提下，把这些返佣“吃”下来。

我个人习惯把回扣套利分成三类：

• 纯回扣套利：只吃返佣，不承担方向性风险
• 混合回扣套利：在吃返佣的同时，结合其他策略
• 统计回扣套利：基于历史数据预测返佣机会

嗯，这里要注意一个关键点：不是所有交易所的返佣规则都一样。有的按挂单量算，有的按成交量算，还有的按挂单时长算。你想想看，如果按挂单时长算，那挂单时间越长越好；如果按成交量算，那就要想办法提高成交率。

4.2 纯回扣套利策略

纯回扣套利，是我个人最喜欢的策略类型。为什么？因为它逻辑简单，风险可控。

具体怎么做呢？我举个例子：

# 纯回扣套利伪代码
def pure_rebate_strategy(symbol, exchange):
    # 1. 获取当前最优买卖价
    bid_price = exchange.get_best_bid(symbol)
    ask_price = exchange.get_best_ask(symbol)
    
    # 2. 在买一价下方挂买单（提供流动性）
    buy_order = exchange.place_limit_order(
        symbol=symbol,
        side='buy',
        price=bid_price - 0.01,  # 比最优买价低1分钱
        quantity=1000
    )
    
    # 3. 在卖一价上方挂卖单（提供流动性）
    sell_order = exchange.place_limit_order(
        symbol=symbol,
        side='sell',
        price=ask_price + 0.01,  # 比最优卖价高1分钱
        quantity=1000
    )
    
    # 4. 等待成交，获取返佣
    # 如果成交了，就赚返佣；如果没成交，就撤单重挂
    while True:
        if buy_order.is_filled():
            rebate = exchange.get_rebate(buy_order)
            profit += rebate
            # 重新挂单
            buy_order = exchange.place_limit_order(...)
        if sell_order.is_filled():
            rebate = exchange.get_rebate(sell_order)
            profit += rebate
            sell_order = exchange.place_limit_order(...)

你看，这个策略的核心就是：挂单在盘口之外，等待被动成交。被动成交的订单，交易所会给你返佣；主动吃单的订单，不仅没有返佣，还要交手续费。

4.3 混合策略框架

纯回扣套利虽然稳定，但收益天花板很低。我见过很多团队，做纯回扣套利做到一定规模就上不去了。为什么？因为返佣率是固定的，你挂单量再大，返佣率也不会变。

这时候就需要引入混合策略框架。说白了，就是在吃返佣的同时，叠加其他策略来增厚收益。

我常用的混合策略框架是这样的：

# 混合回扣套利框架
class HybridRebateStrategy:
    def __init__(self, exchange, symbol):
        self.exchange = exchange
        self.symbol = symbol
        self.rebate_layer = RebateLayer()  # 回扣层
        self.arbitrage_layer = ArbitrageLayer()  # 套利层
        self.hedge_layer = HedgeLayer()  # 对冲层
    
    def run(self):
        # 1. 回扣层：挂单吃返佣
        rebate_orders = self.rebate_layer.place_orders()
        
        # 2. 套利层：利用盘口价差做套利
        if self.arbitrage_layer.detect_opportunity():
            arb_orders = self.arbitrage_layer.execute()
            # 用套利利润对冲回扣层的库存风险
            self.hedge_layer.hedge(arb_orders)
        
        # 3. 监控整体风险敞口
        total_risk = self.calculate_total_risk()
        if total_risk > threshold:
            self.reduce_exposure()

这个框架的好处是：回扣层提供稳定现金流，套利层提供超额收益，对冲层控制风险。三个层次互相配合，形成一个完整的策略体系。

4.4 策略风险收益特征

说到风险收益特征，我习惯用三个维度来衡量：

策略类型	预期年化收益	最大回撤	夏普比率	容量
纯回扣套利	5%-15%	<1%	3-5	中等
混合回扣套利	15%-40%	2%-5%	1.5-3	大
统计回扣套利	10%-25%	1%-3%	2-4	小

你看，纯回扣套利的夏普比率最高，但收益也最低。混合策略的收益最高，但回撤也大。怎么选？我个人建议：如果你刚开始做回扣套利，先从纯策略入手，跑顺了再考虑混合。

为什么会这样？因为纯策略的风险好控制。你想想看，纯回扣套利最大的风险是什么？是挂单被吃后，库存方向暴露。但只要你的挂单量不大，这个风险完全可以忽略。而混合策略就不一样了，套利层和对冲层一旦出问题，可能连回扣层的利润都赔进去。

我记得有一次，一个朋友问我：“我能不能直接上混合策略？”我说：“你先把纯策略跑三个月，看看能不能稳定盈利。”结果他跑了两个月就放弃了——因为纯策略的收益太低了，他觉得没意思。但后来他告诉我，其实纯策略帮他积累了很多经验，比如怎么选交易所、怎么调参数、怎么控制风险。这些经验，在混合策略里都用得上。