第四章 实战复盘框架：数据采集、归因分析、绩效评估指标

做市商策略跑完一天，你看着账户里的盈亏数字，然后呢？

很多人直接关掉终端，明天再战。这其实是最浪费的行为。我见过太多团队，策略亏了不知道亏在哪，赚了也不知道是运气还是实力。说白了，复盘才是策略迭代的起点。

4.1 数据采集：别让脏数据毁了你的分析

复盘的第一步，是拿到干净、完整的数据。我个人习惯把数据分成三类：

• 行情数据：Tick级买卖盘口、成交记录、订单簿快照
• 交易数据：每笔订单的发送时间、成交时间、成交价、手续费
• 状态数据：策略参数、持仓变化、资金余额、风险指标

嗯，这里要注意。很多新手只记录成交数据，忽略了订单簿快照。为什么？因为你要分析「为什么没成交」或者「为什么被吃掉了」，没有盘口数据根本说不清。

数据采集的格式，我建议统一用时间戳+字段名的方式。举个例子：

{
  "timestamp": 1700000000123,
  "type": "orderbook_snapshot",
  "exchange": "binance",
  "symbol": "BTCUSDT",
  "bids": [[45000.1, 1.2], [45000.0, 3.5]],
  "asks": [[45000.2, 0.8], [45000.3, 2.1]]
}

时间戳一定要用毫秒级，最好用UTC。别问我为什么，跨交易所对账时，时区问题能让你崩溃一整天。

4.2 归因分析：把盈亏拆开来看

数据拿到了，接下来就是归因。说白了，你要回答三个问题：

1. 赚/亏了多少钱？ —— 总盈亏
2. 钱从哪来的？ —— 收入结构
3. 钱亏在哪了？ —— 成本结构

我习惯把做市商的盈亏拆成四个部分：

收入/成本项	说明	计算方式
价差收入	买卖价差带来的净收入	Σ(卖价 - 买价) × 成交量
库存损益	持仓方向性波动带来的盈亏	期末库存价值 - 期初库存价值
手续费	交易所收取的费用	Σ(成交额 × 费率)
滑点成本	实际成交价与预期价的偏差	Σ(成交价 - 报价价) × 成交量

你想想看，如果总盈亏是正的，但库存损益是负的，说明什么？说明你的策略在赚价差，但方向判断错了。这时候你要调整的不是报价算法，而是库存管理逻辑。

4.3 绩效评估指标：用数字说话

归因分析是定性，绩效指标是定量。我个人常用的指标有这几个：

• Sharpe Ratio：风险调整后收益。做市商策略的Sharpe一般要求在3以上，低于2就要警惕了。
• 最大回撤：策略从峰值跌到谷底的最大幅度。做市商策略通常控制在5%以内。
• 胜率：盈利交易次数 / 总交易次数。做市商胜率一般很高，但别只看胜率，要看盈亏比。
• 订单成交率：实际成交订单 / 发送订单。这个指标能反映你的报价是否合理。
• 库存周转率：总成交量 / 平均库存。周转率越高，说明资金利用效率越高。

举个例子，我做过一个ETH做市策略，胜率高达85%，但最大回撤却到了12%。为什么？因为那15%的亏损单，每一笔都亏得很大。这就是典型的「高胜率、低盈亏比」陷阱。

4.4 实战复盘框架图

下面这张图是我自己总结的复盘框架，你可以直接拿去用：

这张图的核心逻辑是：数据采集 → 归因分析 → 绩效评估 → 策略迭代，然后循环。我每次复盘都严格按照这个流程走，从不跳步。

4.5 复盘实战：一个真实案例

我记得有一次，一个学员跑来做市策略，连续三天盈利，第四天突然亏了5%。他慌了，问我怎么办。

我说别急，先按框架走一遍：

1. 数据采集：拉出那天的Tick数据和订单记录。发现当天波动率突然放大，盘口深度变薄。
2. 归因分析：价差收入还是正的，但库存损益亏了6%。说明策略在波动率放大时，库存管理没跟上。
3. 绩效评估：最大回撤从2%跳到了5%，Sharpe从4.2掉到了2.1。订单成交率从85%降到了60%。
4. 策略迭代：加了一个波动率自适应模块，当波动率超过阈值时，自动缩小报价宽度并降低库存目标。

改完之后，回测显示最大回撤降到了3%以内。后来实盘也验证了，效果不错。