第十章：高频做市策略

做市做到高频这个层面，说实话，拼的就是谁更快、更准、更隐蔽。我刚开始接触高频做市时，以为就是比谁的服务器离交易所近，后来才发现，真正的门道在于对市场微观结构的理解。这一章，我带你看看三个经典的高频策略：延迟套利、闪电订单、冰山订单，以及Tick级数据的特征工程怎么做。

10.1 延迟套利：吃的是时间差

延迟套利，说白了就是利用不同市场或不同产品之间的信息传递延迟来赚钱。举个例子，某股票在A交易所先涨了，B交易所还没反应过来，这时候你就能在B低价买入，等价格同步后卖出。

我个人习惯把延迟套利分为两类：

• 跨市场延迟套利：同一品种在不同交易所的价格差异
• 跨品种延迟套利：比如股指期货和ETF之间的价差

嗯，这里要注意，延迟套利的关键不是发现价差，而是预测价差会持续多久。我在项目中遇到过一种情况：价差看起来很大，但等你下单时，对手方已经撤单了。为什么？因为别人比你更快。

10.2 闪电订单：快进快出的艺术

闪电订单，英文叫Flash Order，是一种极短持仓周期的策略。你可能持仓只有几毫秒，甚至几微秒。听起来很疯狂？其实逻辑很简单：你捕捉到市场深度中的一个微小失衡，瞬间吃掉流动性，然后立刻平仓。

我记得有一次做回测，发现闪电订单的胜率能达到70%以上，但每笔盈利非常薄，可能只有0.1个tick。所以，这种策略对交易成本极其敏感。佣金、滑点、甚至交易所的撮合延迟，都能直接决定盈亏。

10.3 冰山订单：大单的隐身衣

冰山订单，顾名思义，只露出订单的一小部分，大部分隐藏在“水下”。做市商为什么要用冰山订单？你想想看，如果你要买入10万手，直接挂单，市场会立刻反应，价格瞬间被推高。冰山订单能让你分批进场，减少市场冲击。

我建议你在做市策略中这样使用冰山订单：

• 挂单时：只显示总量的10%-20%
• 成交后：自动补充新的挂单，保持冰山形态
• 监控：注意对手方是否在“钓鱼”，即故意挂小单试探你的冰山

这里有个实战技巧：冰山订单的隐藏部分，最好放在订单簿的中间位置，而不是最底部。因为很多算法交易会扫描整个深度，如果你藏得太深，反而容易被发现。

10.4 Tick级数据特征工程

做高频策略，数据是命根子。Tick级数据，就是每一笔成交和每一次报价的原始记录。特征工程，就是从这些原始数据中提取出有用的信号。

我个人常用的Tick级特征包括：

特征名称	计算方法	用途
订单簿不平衡	(买一量 - 卖一量) / (买一量 + 卖一量)	判断短期方向
成交速度	最近100笔成交的时间间隔中位数	判断流动性变化
价差波动率	最近50个tick的买卖价差标准差	识别市场紧张程度
大单占比	单笔成交量超过均量3倍的比例	检测机构行为

嗯，这里要特别强调一下特征的时间窗口。高频策略的特征窗口通常很短，比如50毫秒、100毫秒。窗口太长，信号就滞后了；窗口太短，噪声太大。我习惯用滚动窗口的方式，动态调整窗口大小。

下面是一个简单的Tick级特征计算代码示例：

def compute_tick_features(tick_data):
    # tick_data: DataFrame with columns ['price', 'volume', 'bid', 'ask']
    
    # 订单簿不平衡
    imbalance = (tick_data['bid'] - tick_data['ask']) / (tick_data['bid'] + tick_data['ask'])
    
    # 成交速度：最近100笔的时间间隔
    time_diff = tick_data['timestamp'].diff().rolling(100).median()
    
    # 价差波动率
    spread = tick_data['ask'] - tick_data['bid']
    spread_vol = spread.rolling(50).std()
    
    # 大单占比
    avg_vol = tick_data['volume'].rolling(100).mean()
    large_trade = (tick_data['volume'] > avg_vol * 3).rolling(100).mean()
    
    return pd.DataFrame({
        'imbalance': imbalance,
        'trade_speed': time_diff,
        'spread_vol': spread_vol,
        'large_trade_pct': large_trade
    })

10.5 本章知识体系

为了让你更直观地理解这些策略之间的关系，我画了一张图：

这张图把本章的核心内容串起来了。你看，三个策略虽然玩法不同，但都依赖Tick级数据特征工程来提供信号。没有高质量的特征，再好的策略也是空中楼阁。

---