做市商策略设计：从想法到落地的完整流程
做市商策略设计，说白了就是回答三个问题：什么时候报价？报什么价？报多少量？这三个问题看似简单，但背后牵扯的东西可不少。我做了这么多年，见过太多人一上来就调参数、跑回测，结果亏得一塌糊涂。为什么？因为策略设计流程没走对。
今天我就把这套流程掰开揉碎了讲给你听。嗯，咱们一步步来。
1. 策略设计流程：五步走，少一步都不行
我个人习惯把做市策略设计分成五个阶段。这五个阶段环环相扣，跳过一个，后面就得返工。
- 市场分析阶段：搞清楚你交易的是什么品种。是股票？期货？还是加密货币？不同品种的微观结构差异巨大。我记得有一次，我把BTC的做市参数直接套用到ETH上，结果被市场狠狠教育了一顿。
- 策略逻辑设计：确定你的核心逻辑。是做纯价差套利？还是做库存管理驱动的报价？这里要明确你的信号来源。
- 参数初始化：给策略设定初始参数。比如报价深度、更新频率、最大持仓限制等。
- 回测验证：用历史数据检验策略表现。这一步我会单独讲，因为坑太多了。
- 实盘部署与监控：上线后持续跟踪，随时准备调整。
核心要点：做市策略不是写出来就完事了。它是一个动态调整的过程。我见过最成功的团队，每周都会根据市场环境微调参数。
2. 策略参数优化：别掉进过拟合的坑
参数优化这块，我得好好说说。很多新手喜欢用网格搜索，把所有参数组合跑一遍，选收益最高的那组。你想想看，这能靠谱吗？
我曾经犯过这个错误。2019年做ETH-USDT的做市，我用过去三个月的数据优化参数，回测年化收益高达80%。结果实盘第一周就亏了5%。为什么？因为那组参数完美拟合了历史行情，但市场一变化就失效了。
参数优化有几个原则，我列出来给你参考：
- 少即是多：参数越少，过拟合风险越低。能用3个参数解决的问题，别用5个。
- 滚动优化：不要用全部历史数据一次性优化。用滚动窗口，比如每30天重新优化一次。
- 稳健性检验：找到最优参数后，看看它周围的参数表现如何。如果稍微变一点就崩了，那这组参数不可用。
我的小技巧：参数优化时，我会同时看夏普比率和最大回撤。只盯着收益率看，迟早要吃亏。
3. 策略回测框架：别让回测骗了你
回测框架是检验策略的试金石。但说实话，大部分人的回测框架都有问题。我见过最离谱的，有人用收盘价做回测，结果实盘时发现根本成交不了。
一个靠谱的回测框架，至少要考虑以下几点：
| 要素 | 说明 | 常见错误 |
|---|---|---|
| 数据精度 | 使用tick级数据或至少1秒级快照 | 用1分钟K线做高频做市回测 |
| 成交模拟 | 考虑订单簿深度和滑点 | 假设所有订单都能按报价成交 |
| 手续费 | 精确计算maker/taker费用 | 忽略手续费或估算不准确 |
| 延迟模拟 | 加入网络延迟和撮合延迟 | 假设零延迟，实盘直接崩 |
下面是一个简单的回测框架代码示例，我用Python写的：
class MarketMakingBacktest:
def __init__(self, orderbook_data, fee_rate=0.001):
self.data = orderbook_data
self.fee_rate = fee_rate
self.position = 0
self.cash = 100000
def run(self, spread=0.002, depth=100):
for tick in self.data:
# 计算理论报价
mid_price = (tick.bid + tick.ask) / 2
bid_price = mid_price * (1 - spread/2)
ask_price = mid_price * (1 + spread/2)
# 模拟成交
if tick.bid >= bid_price:
self.position += depth
self.cash -= bid_price * depth * (1 + self.fee_rate)
if tick.ask <= ask_price:
self.position -= depth
self.cash += ask_price * depth * (1 - self.fee_rate)
return self.calculate_pnl()注意：这个示例极度简化。真实回测中，你还需要处理订单簿快照重建、订单生命周期管理、多资产同时报价等复杂逻辑。千万别直接拿这个代码去跑实盘！
4. 策略绩效评估：别只看收益率
策略做出来了，回测跑完了，怎么判断它好不好？很多人只看年化收益率，这是大忌。
我一般会看这几个指标：
- 夏普比率：衡量风险调整后收益。做市策略的夏普通常应该在2以上，低于1.5就要警惕了。
- 最大回撤：做市策略理论上回撤应该很小。如果回撤超过5%，说明你的风控有问题。
- 成交率：你的报价有多少被吃掉了？成交率太低说明报价太保守，太高说明你给的价差太小。
- 库存周转率：做市商最怕库存积压。库存周转率太低，说明你的策略在囤货而不是做市。
举个例子，我之前优化一个BTC永续合约的做市策略：
| 指标 | 优化前 | 优化后 | 说明 |
|---|---|---|---|
| 年化收益率 | 35% | 28% | 收益率下降了，但更稳健 |
| 夏普比率 | 1.8 | 3.2 | 风险调整后收益大幅提升 |
| 最大回撤 | 8.5% | 2.1% | 这才是做市策略该有的样子 |
| 成交率 | 62% | 45% | 报价更合理，不再盲目挂单 |
你看，优化后收益率虽然降了，但夏普翻倍，回撤大幅缩小。这才是好的优化方向。
记住：做市策略的核心是稳定盈利，不是暴利。如果你看到一个做市策略年化100%以上，要么是回测有问题，要么是参数过拟合了。
知识体系总览
下面这张图，是我对做市商策略设计整个知识体系的梳理。你可以把它当作一个导航图，随时回来对照：
这张图把整个知识体系串起来了。你看，从策略设计流程出发，分支出参数优化、回测框架和绩效评估三个核心模块。每个模块下面又有具体的子知识点。做策略的时候，你可以对照这张图，看看自己走到了哪一步，有没有遗漏什么。
好了，这一章的内容就到这里。做市策略设计是个系统工程，每一步都马虎不得。下一章我们会深入讲具体的报价算法，到时候见。