4、流动性博弈：做市商策略与逆向选择成本

做市商，说白了就是市场的「中间商」。

你想想看，一个交易市场如果没有做市商，你想买的时候没人卖，你想卖的时候没人买，那这市场就废了。做市商的作用就是——随时报出买价和卖价，赚取差价。

但问题来了：做市商不是傻子，他们怕被「聪明钱」割韭菜。这种风险，在量化圈里有个专门的名字——逆向选择成本。

4.1 做市商的核心逻辑：赚什么钱？

做市商的利润来源，其实就两个：

• 买卖价差（Bid-Ask Spread）：低价买，高价卖，赚中间那点缝隙。
• 订单流回扣（Rebate）：有些交易所会给做市商返佣，鼓励他们提供流动性。

但别以为这钱好赚。我刚开始做市商策略的时候，觉得「不就是挂单等成交嘛」，结果第一个月亏了6%。为什么？因为你挂的单子，总是被最聪明的那批人吃掉。

4.2 什么是逆向选择成本？

举个例子你就明白了。

假设你是一个做市商，你在BTC/USDT上挂了买单：

• 买一价：30000 USDT
• 卖一价：30005 USDT

这时候，突然一个大单砸下来，把你的买单全吃了。你以为是正常成交？

不。很可能是因为某个量化基金提前知道了市场要跌，或者他们检测到了某个大单正在路上。他们抢在你前面卖给你，你接盘了。

这就是逆向选择——你总是和比你更聪明、信息更快的人做对手盘。

4.3 如何量化逆向选择成本？

我个人习惯用「成交后价格漂移」来度量这个成本。

具体做法：

1. 记录每一笔成交的价格和时间
2. 统计成交后1秒、5秒、30秒的价格变化
3. 如果成交后价格朝着不利于你的方向移动，说明你被逆向选择了

举个代码例子：

import pandas as pd
import numpy as np

def calculate_adverse_selection_cost(trades, mid_prices, lookahead=5):
    """
    trades: DataFrame, 包含 ['timestamp', 'price', 'side']
    mid_prices: Series, 时间序列中间价
    lookahead: 看未来几秒的价格变化
    """
    costs = []
    for _, trade in trades.iterrows():
        t = trade['timestamp']
        p = trade['price']
        side = trade['side']  # 'buy' 或 'sell'
        
        # 找到未来 lookahead 秒的中间价
        future_idx = mid_prices.index.get_loc(t, method='nearest')
        if future_idx + lookahead < len(mid_prices):
            future_price = mid_prices.iloc[future_idx + lookahead]
        else:
            continue
        
        # 如果是买单，价格下跌说明被逆向选择
        if side == 'buy':
            cost = (future_price - p) / p
        else:
            cost = (p - future_price) / p
        
        costs.append(cost)
    
    return np.mean(costs)

# 使用示例
avg_cost = calculate_adverse_selection_cost(my_trades, mid_prices, lookahead=5)
print(f"平均逆向选择成本: {avg_cost:.4%}")

嗯，这里要注意：lookahead 参数很敏感。太短（比如1秒）可能只是噪声，太长（比如60秒）可能混入其他市场因素。我个人习惯用5秒，对于大多数加密货币市场来说比较合理。

4.4 做市商策略的三大防线

既然逆向选择成本这么可怕，怎么防？我总结了三条：

4.4.1 动态价差调整

别傻傻地挂固定价差。当市场波动率上升时，价差要拉宽。为什么？因为波动率越高，你被逆向选择的概率越大。

我常用的公式：

spread = base_spread * (1 + k * volatility)
# 其中 volatility 可以用最近N笔交易的收益率标准差来算

4.4.2 订单簿位置管理

别总挂在最优价位。我见过很多新手做市商，非要把买单挂在买一，卖单挂在卖一。结果呢？每次都被「钓鱼」。

我的做法：

• 在波动率低的时候，挂近一点（买一、卖一）
• 在波动率高的时候，挂远一点（买二、卖二甚至更远）
• 如果检测到有大单在附近，直接撤单

4.4.3 库存风险对冲

如果你做市的是BTC，手里攒了一堆BTC多头，这时候你其实很脆弱。万一BTC暴跌，你不仅亏库存，还被逆向选择双重打击。

我建议：

• 在期货市场做空对冲
• 或者控制库存上限，超过阈值就停止做市

4.5 逆向选择成本的实战检测

你可能会问：我怎么知道我的策略有没有被逆向选择？

嗯，我一般用「成交后收益分布」来检测。

具体做法：

1. 把所有成交按时间分成两组：被动的（挂单成交）和主动的（吃单成交）
2. 分别统计这两组成交后的价格变化
3. 如果被动成交后的价格变化显著为负，说明你的挂单被聪明钱盯上了

成交类型	成交后5秒平均收益	结论
被动买单（挂单成交）	-0.03%	被逆向选择
主动买单（吃单成交）	+0.01%	正常
被动卖单（挂单成交）	-0.04%	被逆向选择
主动卖单（吃单成交）	+0.02%	正常

你看这个表格，被动成交的收益都是负的。这说明什么？说明你的报价策略有问题，你总是在给聪明钱「送钱」。

4.6 做市商策略的完整框架图

下面我用一张SVG图，把整个做市商策略的核心逻辑串起来：

4.7 避坑指南：我犯过的三个错误

最后，分享几个我亲身踩过的坑：

做市商策略，说白了就是一场信息不对称的博弈。你永远不可能比市场更聪明，但你可以通过机制设计，让自己不那么「傻」。动态调整价差、管理订单簿位置、对冲库存风险——这三板斧用好了，你就能在流动性博弈中活下来，甚至活得不错。