第4章价差与波动率

第4章价差与波动率：买卖价差的决定因素、波动率对做市策略的影响、如何利用波动率调整报价宽度

4.1 买卖价差的决定因素

做市商赚的是什么？说白了，就是买卖价差。但价差不是你想设多少就设多少，它背后有一整套逻辑在驱动。

我个人习惯把价差的决定因素分成三类：市场结构因素、资产特性因素和时间因素。

4.1.1 市场结构因素

交易量：流动性越好的品种，价差越小。比如BTC/USDT在币安的主交易对，价差经常只有0.01%。
订单簿深度：深度越厚，大单对价格的冲击越小，价差可以收窄。
竞争程度：做市商越多，价差越薄。我在做美股ETF时，一个标的同时有十几家做市商报价，价差压到0.01美元以下。
交易规则：比如最小价格变动单位（tick size）直接限制了价差的下限。

4.1.2 资产特性因素

波动率：这是核心变量，后面会详细讲。
价格水平：高价股和低价股的价差绝对值不同，但相对价差可能接近。
信息不对称风险：比如财报发布前，价差通常会扩大。

4.1.3 时间因素

交易时段：开盘和收盘时段价差通常较大，盘中相对稳定。
事件窗口：重大新闻发布前后，价差会急剧扩大。

核心公式：最优价差 = 库存风险成本 + 逆向选择成本 + 订单处理成本

这个公式我用了很多年，每次调整参数时都会重新审视这三个成本的比例。

4.2 波动率对做市策略的影响

波动率这东西，做市商又爱又恨。爱的是波动大意味着价差可以设大一点，赚得更多；恨的是波动大意味着库存风险急剧上升，一不小心就亏回去。

我记得有一次做ETH的做市，波动率突然从30%飙到120%。我按老习惯设了0.05%的价差，结果一个小时内库存被吃光，反向波动直接亏了2个ETH。嗯，从那以后我再也不敢忽视波动率了。

4.2.1 波动率如何影响做市商的利润

做市商的利润公式可以简化为：

利润 ≈ 价差收入 - 库存损失 - 手续费

波动率主要影响库存损失这一项。波动越大，库存价值的不确定性越高，潜在的损失也越大。

你想想看，如果波动率是10%，你持有一分钟的风险敞口可能只有0.01%。但如果波动率是100%，同样一分钟的风险敞口可能达到0.1%。差了整整10倍。

4.2.2 波动率与最优报价宽度的关系

学术界有个经典模型叫Avellaneda-Stoikov，它给出了一个理论上的最优报价宽度公式：

最优半价差 = 0.5 * γ * σ² * T * Q

其中：

γ：风险厌恶系数
σ：波动率
T：持仓时间
Q：当前库存量

这个公式告诉我们一个简单道理：波动率翻倍，价差应该翻四倍（因为σ²）。

注意：这个公式是理论模型，实际应用中需要根据市场情况调整。我曾经在低波动率市场直接套用这个公式，结果价差设得太小，被高频交易者反复收割。

4.3 如何利用波动率调整报价宽度

理论讲完了，咱们来点实际的。怎么在代码里实现波动率驱动的报价宽度调整？

4.3.1 波动率计算

我个人习惯用指数加权移动平均（EWMA）来计算实时波动率，而不是简单的历史波动率。原因很简单：EWMA对近期数据更敏感，能更快响应市场变化。

def calc_ewma_volatility(prices, lambda_=0.94):
    """
    计算EWMA波动率
    lambda_：衰减因子，通常取0.94-0.97
    """
    returns = np.diff(np.log(prices))
    variance = 0
    for r in reversed(returns):
        variance = lambda_ * variance + (1 - lambda_) * r ** 2
    return np.sqrt(variance * 252)  # 年化

4.3.2 动态报价宽度策略

基于波动率调整报价宽度，我常用的策略是：

基准价差：设定一个基础价差，比如0.02%
波动率乘数：当前波动率 / 基准波动率
调整后的价差 = 基准价差 × 波动率乘数^α

其中α是一个可调参数，我一般设在0.5到1.5之间。α越大，价差对波动率越敏感。

def calc_spread(base_spread, current_vol, base_vol, alpha=1.0):
    """
    根据波动率调整报价宽度
    """
    vol_ratio = current_vol / base_vol
    adjusted_spread = base_spread * (vol_ratio ** alpha)
    # 限制价差范围，防止极端情况
    adjusted_spread = max(min_spread, min(max_spread, adjusted_spread))
    return adjusted_spread

实战技巧：我建议把波动率分成几个区间，每个区间用不同的参数。比如：

低波动（<20%）：α=0.5，价差收窄以吸引订单
中波动（20%-60%）：α=1.0，正常调整
高波动（>60%）：α=1.5，价差大幅扩大以保护库存

4.3.3 波动率调整的实时监控

在实际系统中，波动率不是一成不变的。我习惯每秒钟重新计算一次波动率，然后动态调整报价。

这里有个坑：波动率突变。比如突然出现一个巨量成交，波动率瞬间飙升。如果你立刻把价差拉大，可能会错过后续的稳定行情。

我的做法是加一个平滑滤波器：

smoothed_vol = 0.9 * prev_smoothed_vol + 0.1 * current_vol

这样既保留了波动率的趋势，又避免了被瞬时噪音干扰。

4.4 知识体系总览

下面这张图总结了本章的核心逻辑，我画了很久才满意：

4.5 实战中的避坑指南

做市这么多年，我踩过的坑不少。挑几个典型的说说：

坑1：波动率计算周期选错

我曾经用5分钟K线算波动率，结果在快速行情下反应太慢。后来改成1秒Tick级别，又发现噪音太大。最终折中方案：用10秒窗口的EWMA，效果最好。

坑2：价差调整过于激进

有一次波动率从20%跳到80%，我直接把价差扩大了4倍。结果市场很快回归平静，我的报价完全失去竞争力，一整天没成交。后来加了平滑和区间限制，再没出过这种问题。

我的建议：刚开始做波动率调整时，先把α设小一点（比如0.3），观察一段时间再逐步加大。宁可少赚，不要大亏。

4.6 本章小结

价差和波动率的关系，说白了就是风险定价。波动率越高，你承担的风险越大，价差就应该越宽。

但要注意，这不是一个简单的线性关系。市场结构、资产特性、时间因素都会影响最终的报价宽度。我个人的经验是：先理解理论模型，再根据实际数据调整参数。

最后送大家一句话：做市不是赌博，是概率游戏。波动率是你的朋友，但前提是你得学会怎么用它。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录