2. 做市商盈利核心逻辑：买卖价差（Bid-Ask Spread）的深度解析
做市商怎么赚钱？说白了，就靠四个字：低买高卖。
但这里的“低买高卖”不是指预测价格涨跌，而是同时挂出买单和卖单，吃中间的差价。这个差价，就是我们常说的买卖价差（Bid-Ask Spread）。
我个人习惯把价差比作“过路费”。市场每成交一笔，做市商就收一次费。费率不高，但架不住量大。今天我们就来拆解这个“过路费”到底怎么收、收多少、以及怎么才能不亏本。
2.1 价差的基本构成
先看一个最简单的例子。假设某股票当前最优买价（Bid）是10.00元，最优卖价（Ask）是10.02元。
- Bid（买价）：10.00元 —— 你愿意卖给我的价格
- Ask（卖价）：10.02元 —— 我愿意卖给你的价格
- Spread（价差）：0.02元
做市商在10.00元买入，在10.02元卖出。每完成一次买卖循环，赚0.02元。听起来不多，但一天交易几万次呢？
核心公式：
做市商单笔毛利 = (Ask - Bid) × 成交量 - 交易费用
净利 = 单笔毛利 × 交易次数 - 持仓风险成本
嗯，这里要注意：价差不是纯利润。你还要扣掉手续费、交易所返佣、以及最重要的——库存风险成本。
2.2 价差的三个层次
我在项目中遇到过不少新手，以为价差就是简单的“卖价减买价”。其实，真正的价差管理要分三层看：
| 层次 | 名称 | 说明 | 我的经验 |
|---|---|---|---|
| 第一层 | 名义价差 | 盘口上看到的Ask - Bid | 这只是表面数字，别太当真 |
| 第二层 | 有效价差 | 实际成交价与中间价的差值 | 这才是你真正赚到的 |
| 第三层 | 实现价差 | 扣除逆向选择成本后的净价差 | 做市商真正的命门 |
为什么会这样？因为市场不是静止的。你挂10.00的买单，可能被一个知道内幕消息的大户砸穿。你以为赚了0.02，结果下一秒价格跌到9.90，你手里全是高价货。这就是逆向选择成本。
2.3 盈亏平衡点：你至少要赚多少？
做市不是无本生意。我给大家算一笔账：
盈亏平衡价差公式：
盈亏平衡价差 = 2 × (手续费 + 滑点成本 + 库存风险成本)举个例子：
- 手续费：每笔0.005元
- 滑点成本：每笔0.003元（市场波动导致）
- 库存风险成本：每笔0.002元（持有头寸的波动风险）
那么你的盈亏平衡价差 = 2 × (0.005 + 0.003 + 0.002) = 0.02元。
也就是说，如果价差低于0.02元，你就是在做慈善。我曾经犯过这个错，为了抢成交量把价差压到0.01元，结果一个月下来亏了手续费。嗯，从那以后我再也不干这种傻事了。
2.4 价差策略的核心变量
做市商不是死板地挂一个固定价差。你需要动态调整。我个人习惯关注以下四个变量：
- 波动率：波动越大，价差要越宽。因为风险高了。
- 成交量：流动性好的品种，价差可以收窄。薄利多销。
- 库存头寸：手里货多了，要降价卖；货少了，要提价买。
- 对手方类型：遇到散户可以窄一点，遇到机构要小心。
避坑指南：
我曾经在波动率飙升时还维持窄价差，结果被一连串的市价单打穿。记住：波动率翻倍，价差至少翻1.5倍。这是血的教训。
2.5 实战中的价差管理框架
下面这张图是我自己总结的价差决策流程。你想想看，每次挂单前，其实都在做这个判断：
这个流程看起来简单，但实际跑起来坑很多。比如波动率怎么算？用1分钟标准差还是5分钟？我个人习惯用指数加权移动平均（EWMA），对近期数据更敏感。
2.6 代码示例：一个简单的价差计算器
下面是一个Python示例，展示如何根据波动率和库存动态调整价差：
class SpreadCalculator:
def __init__(self, base_spread=0.02, vol_multiplier=1.5):
self.base_spread = base_spread
self.vol_multiplier = vol_multiplier
self.inventory = 0
def calc_spread(self, volatility, inventory):
# 波动率调整
vol_adjust = 1 + self.vol_multiplier * volatility
# 库存调整：库存为正，降低买价；库存为负，提高卖价
inv_adjust = 1 + 0.1 * abs(inventory) / 1000
spread = self.base_spread * vol_adjust * inv_adjust
return round(spread, 4)
def calc_quotes(self, mid_price, volatility):
spread = self.calc_spread(volatility, self.inventory)
bid = mid_price - spread / 2
ask = mid_price + spread / 2
return bid, ask
# 使用示例
calc = SpreadCalculator()
mid = 100.00
vol = 0.02 # 2% 波动率
bid, ask = calc.calc_quotes(mid, vol)
print(f"Bid: {bid}, Ask: {ask}, Spread: {ask-bid}")你看，代码本身不复杂。但真正的难点在于参数调优。base_spread设多少？vol_multiplier用1.5还是2.0？这些都需要回测。
我的建议：
刚开始做市时，把价差设宽一点。宁可少赚，不要亏钱。等跑顺了，再慢慢收窄。我曾经用0.05的base_spread起步，三个月后才降到0.02。
2.7 总结：价差是门艺术
买卖价差看起来简单，但背后是风险定价、库存管理、市场微观结构的综合博弈。说白了，做市商赚的是“信息不对称”的钱，也是“流动性提供”的钱。
记住三个关键点：
- 价差不是越大越好，太大会失去竞争力
- 价差不是越小越好，太小会亏手续费和风险
- 动态调整才是王道，死板挂单必死
嗯，今天就聊到这里。下一章我们聊聊库存风险的具体管理方法——那才是做市商真正头疼的地方。