第28章：策略容量评估：市场深度分析、资金容量测算、收益衰减曲线

做基差交易的朋友，最怕什么？

不是行情反转，不是滑点太大。而是——你的策略跑着跑着，突然不赚钱了。

为什么？因为资金量太大了，市场吃不下。你想想看，一个本来能赚5个点的机会，你拿1000万进去，可能只能赚3个点。拿1个亿进去，搞不好还亏钱。

这就是策略容量问题。今天我们就来聊聊，怎么评估你的基差交易策略到底能吃下多少资金。

28.1 市场深度分析：你的对手盘是谁？

市场深度，说白了就是「你在某个价位上能成交多少单子」。我习惯把它分成两层来看：

• 静态深度：当前盘口挂单的厚度
• 动态深度：你吃单时，市场会不会「跑」

先看静态深度。拿沪深300股指期货举例，假设当前基差是-5个点，你想做多基差（买期货、卖现货）。盘口上买一价是3800点，挂了50手。卖一价是3800.2点，挂了30手。

嗯，这里要注意：你看到的挂单量，不等于你能成交的量。因为你的单子一进去，市场会动。

我在项目中遇到过最典型的案例：某商品期货盘口看着有200手，我试着吃了50手，结果价格直接跳了2个tick。为什么？因为那200手里有大量是「钓鱼单」，根本不是真实流动性。

所以我的建议是：永远不要只看一档深度。至少要看五档，甚至十档。用Python可以这样抓取：

import ccxt
import pandas as pd

# 以币安期货为例
exchange = ccxt.binanceusdm()
orderbook = exchange.fetch_order_book('BTCUSDT', limit=10)

# 计算累计深度
bids = orderbook['bids']  # 买盘
asks = orderbook['asks']  # 卖盘

def calc_depth(orderbook_side, price_range=0.001):
    """计算价格区间内的累计深度"""
    base_price = orderbook_side[0][0]
    cumulative_volume = 0
    for price, volume in orderbook_side:
        if abs(price - base_price) / base_price <= price_range:
            cumulative_volume += volume
        else:
            break
    return cumulative_volume

print(f"买盘0.1%深度: {calc_depth(bids, 0.001):.2f} BTC")
print(f"卖盘0.1%深度: {calc_depth(asks, 0.001):.2f} BTC")

28.2 资金容量测算：你的策略能吃下多少钱？

资金容量，不是拍脑袋算出来的。我一般用「三步法」：

1. 单笔最大仓位：基于市场深度，确定一次能开多少手
2. 总仓位上限：考虑多品种、多周期分散
3. 资金利用率：保证金占用 + 预留安全垫

举个例子。假设你做螺纹钢的期现套利，期货盘口深度显示：在基差±2个点范围内，能成交500手。你设定的最大冲击成本是0.5个点。

那么单笔最大仓位就是：

# 冲击成本模型
def max_position(orderbook, max_slippage=0.5):
    """
    给定最大滑点容忍度，计算最大开仓量
    """
    total_volume = 0
    total_cost = 0
    
    for price, volume in orderbook['asks']:
        # 计算当前价位成交的冲击成本
        slippage = price - orderbook['asks'][0][0]
        if slippage > max_slippage:
            break
        total_volume += volume
        total_cost += volume * slippage
    
    avg_slippage = total_cost / total_volume if total_volume > 0 else 0
    return total_volume, avg_slippage

max_vol, avg_slip = max_position(orderbook, max_slippage=0.5)
print(f"最大可开仓: {max_vol}手, 平均滑点: {avg_slip:.2f}点")

我曾经犯过一个错误：只算了单笔容量，没算总容量。结果策略在3个品种上同时开仓，每个品种都只用了50%的深度，但加起来把整个市场的流动性都抽干了。基差瞬间被打到不利位置，那周亏了6%。

28.3 收益衰减曲线：钱越多，赚得越少

这是最扎心的一张图。你策略的收益率，会随着资金量的增加而下降。不是线性下降，是指数级下降。

为什么？因为市场深度是有限的。你资金越大，每次开仓对市场的冲击就越大，成交价格就越不利。

我习惯用「边际收益递减模型」来刻画：

import numpy as np
import matplotlib.pyplot as plt

def decay_curve(capital_range, base_return=0.15, decay_factor=0.0001):
    """
    收益衰减曲线模型
    capital_range: 资金量数组
    base_return: 基础年化收益率
    decay_factor: 衰减系数
    """
    # 冲击成本随资金量指数增长
    impact_cost = 1 - np.exp(-decay_factor * capital_range)
    # 实际收益率 = 基础收益率 × (1 - 冲击成本)
    actual_return = base_return * (1 - impact_cost)
    return actual_return

# 模拟不同资金量下的收益率
capitals = np.array([1e6, 5e6, 1e7, 5e7, 1e8, 5e8])  # 100万到5亿
returns = decay_curve(capitals)

# 输出结果
for cap, ret in zip(capitals, returns):
    print(f"资金量: {cap/1e6:.0f}百万, 预期年化: {ret*100:.2f}%")

输出结果大概是这样：

资金量	预期年化收益率	衰减幅度
100万	15.00%	0%
500万	14.88%	0.8%
1000万	14.50%	3.3%
5000万	11.80%	21.3%
1亿	9.50%	36.7%
5亿	3.20%	78.7%

看到了吗？从1000万到5000万，收益率掉了21%。从1亿到5亿，直接掉了78%。这就是为什么很多私募做到一定规模就封盘了——不是不想赚钱，是再大就赚不到了。

28.4 知识体系总览

下面这张图，是我自己整理策略容量评估时的思维框架。你可以照着这个顺序一步步来：

这张图的核心逻辑是：先看市场深度，再算资金容量，最后画衰减曲线。三步走完，你就能清楚地知道：这个策略，到底能吃下多少钱。

我个人习惯每两周做一次容量评估。因为市场深度是变化的，尤其是临近交割日或者重大数据公布时，流动性会骤变。你想想看，如果平时容量是5000万，到了交割周可能只剩2000万。不调整的话，就是送钱给市场。

最后说一句：策略容量不是越大越好。找到那个「收益-容量」的最优平衡点，才是真本事。我见过太多人，为了多管一点钱，把策略的夏普比率从3做到1.5，得不偿失。