做市商的三重成本与碎片化 (Market Making Costs and Fragmentation)
大白话：做市商赚的钱来自价差，但会因两种原因亏钱——被知情交易者占了便宜（逆向选择）、以及库存还没卖掉时价格往反方向走（库存风险）。 交易费是第三项。新的技术平台能让一个新交易场所同时压低这三项，所以碎片化（把交易分散到多个平台）才有可能成功。
做市收入的三分法
这是本文的起点，也是本 wiki 做市商理论的骨架。 做市商的毛利来自价差，但价差补偿的是三类成本：
| 成本 | 含义 | 新技术如何压低 |
|---|---|---|
| 订单处理成本 | 交易所处理订单的费用 | 低费率（Chi-X 吸引 HFT 的首要原因） |
| 逆向选择成本 | 挂单被知情交易者"吃"掉 | 快速撮合——在公开信息到达时立即更新报价 |
| 库存风险溢价 | 持有非零仓位的价格风险 | 低延迟——能快速探测到别处的流动性需求并减仓 |
大白话：三件事对应三个"快"或"便宜"——费便宜、反应快、动作更快。
双向强化的因果循环
Menkveld (2013) 的核心论断：做市型 HFT 与新市场互相成就。
flowchart LR
A["新市场进入<br/>初期仅 1-2% 成交"] --> B["做市型 HFT 进场"]
B --> C["Chi-X 份额跳至两位数<br/>约一个月"]
B --> D["买卖价差下降 50%"]
C --> E["新市场对投资者<br/>有吸引力"]
E --> F["更多流量进入 Chi-X"]
F --> C
D --> G["其他做市商<br/>也会进场"]
G --> B
实证观察：Chi-X 于 2007 年 4 月进入欧洲，起初只占总成交的 1–2%，在 Chi-X 与 Euronext 同时出现一个新 trader ID 之后，约一个月内份额跳到两位数。该 HFT 的参与率在数量级和时间上与 Chi-X 份额同步。
一个 HFT 的完整损益分解
荷兰指数股，2007-09-04 至 2008-06-17。
| 项目 | 欧元/笔 |
|---|---|
| 价差收入（扣费后） | +1.55 |
| 持仓损益 | −0.68 |
| 毛利润 | +0.88 |
持仓损益再拆一层，是本文最值得记住的发现：
| 持仓时长 | 损益 |
|---|---|
| < 5 秒 | +0.45（盈利） |
| > 5 秒 | −1.13（亏损） |
持仓越久越亏钱。 盈利完全依赖毫秒级完成"接单→减仓"的闭环，任何慢下来的部分都在失血。
碎片化的量化证据：两个参与率的巨大差异
| 场所 | 该 HFT 的交易参与率 |
|---|---|
| Chi-X（新入市场） | 8.1% |
| Euronext（原有市场） | 64.4% |
这个对比是全文最有力的一句话：新市场靠收窄报价吸引流动性提供者（做市商），老市场靠深度吸引流动性索取者（大机构）。
这两个角色必须都在场，场所才有意义——做市商负责提供价格，老市场负责吸收大单。
一个容易被忽略的资本约束
不能跨清算所净额结算，导致资金占用放大 100 倍。
- 该 HFT 峰值保证金占用 205.2 万欧元（按每只股票计）；
- 年化毛夏普 9.35；
- 但夏普高的原因之一正是占用了大量资本——这在分散到多市场时成本会急剧上升。
这是碎片化的隐藏代价：每多接一个市场，就多一份无法净额对冲的资本占用。Duffie & Zhu (2011) 讨论了多清算所的净额结算效率。
如何识别一家做市型 HFT（方法上可复用）
论文不依赖自报身份，用行为特征识别：
| 特征 | 观测值 |
|---|---|
| 延迟（消息间隔上界） | 1.67 毫秒 |
| 自营交易 | 是 |
| 成交笔数占比 | 14.4%（两个市场各半） |
| 每日净头寸 | 多数交易日开收盘时为零 |
| 被动成交占比 | 约 4/5 |
最干净的识别特征是"开收盘净头寸为零"——真正的做市商日内不留隔夜风险。
价格影响的证据：HFT 持多头时中间价被压低，持空头时被抬高——这是做市行为在价格过程中的直接体现。
异常的夏普该怎么解释
论文没有把 9.35 当套利收益，而给出商业解释：
- 这是创业风险的回报——建技术、对接两个市场、设计算法的固定成本很高，超额收益恰好让净现值为正；
- 当时确有失败风险——LSE 在 2004 年推出 EuroSETS 挑战 NYSE-Euronext 失败；
- 后续 HFT 涌入会稀释租金——但样本期太短，无法识别。
这个解释框架对本 wiki 有用：看到异常高的因子夏普时，先问"承担了什么风险、有什么固定成本"，而不是直接当可复制的收益。
对 A 股的三条推论
| 维度 | 说明 |
|---|---|
| 结构可比 | A 股同样碎片化：沪市、深市、北交所，加上券商的场外隔夜/N8 产品 |
| 可直接检验的预测 | 看做市商进场后买卖价差是否下降 50%——本文最可测的预测。科创板/创业板做市商制度（见 创业板做市商制度）是否达到这个效果，本 wiki 尚无数据 |
| 被动成交的信号含义 | 该 HFT 约 4/5 的成交是被动成交。若 A 股主动单大量对着做市商成交，主动单方向的信号质量会系统性下降——见 机构与散户的订单流差异 |
Open Questions
- 持仓 5 秒这个阈值普适吗？ 本文样本是荷兰指数股、2007 年。A 股有涨跌幅限制与 T+1，做市商的风险管理窗口可能不同。
- A 股做市商的实际持仓时长是多少？ 本 wiki 认为最值得测——若也集中在 5 秒内，说明制度设计起作用。
- 净夏普是多少？ 论文明确不含固定成本（算法开发、硬件、清算所会员费），净夏普会低很多。
- 多个场所的资本占用如何管理？ 100 倍放大是硬约束，多场所策略的资金门槛可能远高于单场所。
Cross-ref
- 源论文: Menkveld 2013
- 作者: Albert Menkveld
- 配套: L2 档位与委托队列 · 创业板做市商制度 · concepts/microstructure/机构与散户的订单流差异
- 交易成本算法: Hasbrouck 2015 实现短缺三层算法