做市與吃單的抉擇：費率檔位、返佣與跨越價差的真實成本

你發出的每一筆訂單，在做出任何其他決定之前，都要先做一個二元選擇：跨越價差、支付吃單費，還是掛在訂單簿中、支付做市費——甚至可能收取返佣。行業習慣把這個問題包裝成一道費率最佳化題，費率表也讓它看起來確實如此：吃單5個基點，做市2個基點，節省3個基點，勾選純掛單標誌，搞定。但這套框架只是一層外衣。剝開之後，做市與吃單之爭其實是一筆關於逆向選擇的交易：你究竟是為即時成交支付一個已知價格，還是向市場出售一份由對手方自行決定何時行權的期權——而知情的對手方恰恰會在成交對你不利的那一刻行權。費率表為"平均參與者"給這份期權定了價。但你不是平均參與者，打到你報價上的那筆流量也不是。

本文要做的，是費率表故意隱藏的那道數學題：經過修正的盈虧平衡點、為什麼Glosten-Milgrom（1985）模型意味著被動成交在結構上就對你不利、真實的加密貨幣費率檔位和代幣折扣會如何改變這道算式、返佣挖礦為何在股票市場消亡以及它在加密貨幣領域以何種變異形式存活下來、佇列位置如何決定返佣的真實價值，以及如何在回測中把這一切都建模進去，同時避開這個行業裡最常見的那個費率錯誤。

樸素盈虧平衡點——以及所有人都會忘記的那一項

符號說明：報價價差為 $s$，吃單費為 $f_t$，做市費為 $f_m$（若為返佣則為負值），均以名義本金的基點計，中間價作為基準價格。跨越價差要付出半個價差加吃單費；掛單則賺取半個價差、支付做市費：

$C_{\text{taker}} = \frac{s}{2} + f_t, \qquad C_{\text{maker}}^{\text{naive}} = f_m - \frac{s}{2}$

代入幣安USDⓈ-M合約的基礎費率——做市2個基點、吃單5個基點——假設永續合約報價寬度為2個基點：吃單成本為 $1 + 5 = 6$ 個基點，做市"成本"為 $2 - 1 = 1$ 個基點。表面上看每筆交易能省5個基點。對於一天做20個來回的策略，這被說成是僅靠勾選一個選項就能獲得每天100個基點的收益。

先注意這些數字本身的一個特點：費用不是對價差的修正——在流動性好的加密貨幣交易對上，費用就是成本本身。BTCUSDT永續合約報價寬度經常不到1個基點，而散戶吃單要付5個基點。半價差與費用相比幾乎是舍入誤差。這與股票市場的直覺正好相反，在股票市場價差和費用是同一數量級的——這也是為什麼在加密貨幣領域，任何樸素的比較都在喊"永遠做市"。這也是為什麼每一個第一次做的做市回測都是盈利的，而大多數第一次實盤部署都不是。

樸素的做市成本缺失了三項：

1. 未成交風險。 限價單不是一筆交易，而是一張交易的彩票。如果沒有成交，你要麼錯過行情，要麼之後以更差的價格跨越價差成交。
2. 逆向選擇。 在成交的條件下，價格朝不利於你的方向移動的可能性要比無條件分佈所暗示的更高。這不是運氣不好，而是一個定理。
3. 重新報價成本。 用撤單/重掛追逐市場會把你的佇列位置重置到最後，這會悄無聲息地把你的成交分佈變成主要由第2類成交構成。

第二項背後有五十年的理論支撐，我們來仔細做一遍。

Glosten-Milgrom：成交本身就是壞訊息

Glosten和Milgrom（1985）的論文"Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders"（Journal of Financial Economics 第14卷）是解釋價差為何存在的最簡潔的模型。一個風險中性、零成本、處於競爭環境中的做市商同時報出買價和賣價。到來的交易者中有一部分比例 $\mu$ 是知情交易者——他們知道資產的真實價值 $V$——其餘的交易者出於外生原因交易，以相等機率買入或賣出。做市商無法區分二者。競爭迫使每個報價都必須是一個條件期望：

$\text{卖价} = \mathbb{E}[V \mid \text{下一个交易者买入}], \qquad \text{买价} = \mathbb{E}[V \mid \text{下一个交易者卖出}]$

具體數值演示。設 $V$ 以相等機率取101或99，$\mu = 0.2$。若 $V = 101$，買單到達的機率為 $\mu + (1-\mu)/2 = 0.6$（所有知情交易者都買入，一半的非知情交易者買入）；若 $V = 99$，機率為 $0.4$。則

$\text{卖价} = \frac{0.5 \cdot 0.6 \cdot 101 + 0.5 \cdot 0.4 \cdot 99}{0.5} = 100.2, \qquad \text{买价} = 99.8$

價差為 $\mu(V_H - V_L) = 0.4$——純粹是對逆向選擇的補償。沒有庫存風險，沒有費用，沒有壟斷租金，價差依然存在，其大小隨知情交易者比例和其所知資訊的價值而變化。

這一結論對做市與吃單的抉擇而言至關重要：成交本身就是一種資訊，而且這個資訊對你不利。 你掛出的買單在真實價值較低時成交得更多，因為那正是知情賣方出現的時候。以自己是否成交為條件，會把你剛買入資產的期望價值向下修正——這是由結構決定的，不是運氣不好。衡量這一效應的標準方法是成交後價格偏移（markout）：對於以價格 $p$ 成交的買單，horizon為 $\tau$ 時的markout為 $m(\tau) = \text{中间价}(t_{\text{成交}} + \tau) - p$。幾乎對所有人、在幾乎所有場合，被動成交的累計markout都是負的；如何在不自欺欺人的前提下計算它，參見執行落差與交易成本分析（TCA）一文。

有一個更具普適性的等價框架：一張掛單是免費送給市場的一份期權。行權時機由對手方——而不是你——選擇，他們會在對自己有利時行權。做市返佣就是交易所為你寫出這份期權而支付的權利金。問題從來不是"權利金是不是正的"，而是"權利金是否大於這份期權對行權方的價值"。

修正後的盈虧平衡點

設 $p$ 為你的報價在決策horizon內成交的機率，$A = \mathbb{E}[\text{逆向波动} \mid \text{成交}]$ 為以基點計的條件markout成本，$D$ 為未成交時你額外付出的成本（等待期間的行情漂移加上以新價格跨越價差的成本）。誠實的做市成本為：

$\mathbb{E}[C_{\text{maker}}] = p\left(f_m - \frac{s}{2} + A\right) + (1-p)\left(\frac{s}{2} + f_t + D\right)$

當 $\mathbb{E}[C_{\text{maker}}] < s/2 + f_t$ 時，做市優於吃單，整理後得到一個簡潔的不等式：

$\underbrace{s + f_t - f_m}_{\text{表面节省}} \;>\; \underbrace{A}_{\text{逆向选择}} \;+\; \underbrace{\frac{1-p}{p}\,D}_{\text{按概率加权的错失成本}}$

沿用上面的例子，這次加入現實中的摩擦成本：$s = 2$，$f_t = 5$，$f_m = 2$，表面節省為5個基點。取 $p = 0.6$，$A = 3$ 個基點，$D = 2$ 個基點。不等式右邊為 $3 + \frac{0.4}{0.6} \cdot 2 = 4.33$ 個基點。做市仍然佔優——但margin只有0.67個基點，而不是5。用期望值來算：$\mathbb{E}[C_{\text{maker}}] = 0.6(2 - 1 + 3) + 0.4(1 + 5 + 2) = 5.6$ 個基點，對比吃單成本6.0個基點。那個勾選框只值0.4個基點，而不是5個基點，$A$或$p$的一點小誤差就足以把符號翻轉過來。

更糟的是，$A$、$p$、$D$ 並不是相互獨立的參數——它們共同由你為什麼交易這一點驅動。如果你的訊號與短期流量相關（每一次動量入場都是如此），那麼恰恰在你想入場的那些爆發時刻，$p \to 1$ 而 $A$ 會劇增：你會被瞬間成交，被你所預測的那波行情擊中，成交在舊價格上，站在了不利的一側。費率表裡做市折扣看起來最大的那些交易，恰恰是現實中它最為負值的那些交易。這正是"做市與吃單的抉擇本質是一筆披著費率外衣的逆向選擇交易"這句話的含義所在。

真實費率表：檔位、代幣折扣與邊際費率陷阱

截至2026年年中，主要交易所的代表性費率表如下（基礎檔位 → 公開頂級檔位；這些數字會變動，請以交易所頁面為準）：

三個結構性觀察。

散戶檔位的做市費幾乎處處為正。 股票市場那種"做市商能拿到錢"的預設設定，對你來說根本不成立，除非你進入深度VIP領域或簽訂正式的做市商協議。在基礎檔位，做市與吃單的抉擇其實是"付2還是付5"，而不是"賺錢還是付錢"。

代幣折扣是一個倉位，不是一張優惠券。 用BNB付費能把幣安現貨費率削減25%——基礎檔位下每邊2.5個基點，交易量大時是真金白銀。但這個折扣要求你持有交易所代幣的庫存，也就是說你的費率最佳化其實是靠承擔該交易所類股權資產的beta敞口來融資的。一個每月支付3萬美元費用、通過BNB節省7500美元的團隊，如果持有20萬美元的BNB浮動倉位，BNB一次10%的回撤就能把整季度的費率節省全部抹平。要把這個浮動倉位當作一筆真正的持倉來對待：量化它、對沖它，或者乾脆承認自己是賣出波動率來買折扣。（有些VIP階梯還把代幣餘額設為檔位的硬性要求，這就把這個倉位從可選項變成了結構性負擔。）

邊際費率≠平均費率。 檔位是按過去30天滾動交易量計算的，所以今天的費率是由上個月的交易量決定的——但一旦跨過某個門檻，就會重新定價你全部的交易量，且在你保持該檔位期間持續生效。這就在交易量的邊際成本上製造出一個拐點。假設下一檔位在3000萬美元/30天處把吃單費從5個基點降到4個基點。若已有1400萬美元的自然交易量，再刷100萬美元的量大約花費 $1\text{百万} \times (s/2 + f_t) \approx 600$ 美元，能換來 $1\,\text{个基点} \times 1400\text{万美元} = 1400$ 美元/月的節省——那最後100萬美元的邊際費率是負的。但若只有800萬美元的自然交易量，同樣的邏輯就需要刷700萬美元、花費4200美元來節省800美元——這是一筆用真金白銀的價差和費用去換取假的交易量、以博取虛幻折扣的槓桿式賭博，而且每月都要重來一次。追逐檔位只有在接近門檻時才是理性的，而那些把費率建模成單一標量的團隊根本看不到這個拐點。

返佣挖礦：興起、消亡與在加密貨幣領域的餘生

做市返佣是股票市場的發明。1997年，Island ECN為了在與老牌交易所的競爭中建立流動性而引入了返佣，這個模式取得了巨大成功，以至於它征服了整個美國股票市場結構；隨後2005年的Reg NMS將吃單接入費上限定為每股0.003美元（Rule 610），標準的交易所商業模式變成了：向吃單方收取約30毫，向做市方返還約20-30毫，賺取差價。

這套算術曾短暫催生出一種純策略：返佣套利。 在一支價差只有一美分的大盤股上雙邊掛單。一筆"scratch"式來回交易——以同一價格買入和賣出——即使價格盈虧為零，仍能收取兩筆返佣，大約每股半美分。如果還能捕獲一美分的價差，收益就變成三倍。在2000年代中期，這曾是一門真正的產業級生意。

它的消亡有三個原因，每一個都值得吸取教訓：

1. 返佣是公開的，所以會被競爭到佇列裡去。 公開的返佣會吸引報價，直到邊際報價者扣除逆向選擇成本後的期望返佣歸零為止。在受最小報價單位（tick）約束的股票上，價格無法進一步改善，所以競爭就轉向了時間優先權——而租金流向了最先到達佇列前端的人。返佣為速度軍備競賽提供了資金；託管服務和微波塔吞掉了利潤。最終能持續賺到返佣的，是那些本來就會去報價的公司。
2. 在最小報價單位不構成約束的地方，返佣甚至不是真實的。 Colliard和Foucault（2012）的論文"Trading Fees and Efficiency in Limit Order Markets"（Review of Financial Studies 第25卷）證明了一箇中性結論：在價格網格足夠精細的情況下，只有總交易所費用才重要；做市方與吃單方之間的任何分配方式，都會被報價調整所抵消。給做市方一份返佣，他們就會相應地報出更緊的價差，通過含費價差把這份返佣原封不動地轉交給吃單方。只有當最小報價單位阻止這種調整時，費率分配方式才真正有意義——而這又會把你帶回原因#1。返佣要麼通過價格消散，要麼通過佇列消散——選一個吧。（Foucault、Kadan和Kandel在2013年提出了互補的觀點：費率分配是交易所用來平衡做市方與吃單方參與度的工具，而不是送給任何一方的禮物。）
3. 這些扭曲吸引了監管者的注意。 Angel、Harris和Spatt的論文"Equity Trading in the 21st Century"（2011年，及2015年在Quarterly Journal of Finance上的更新版）詳細記錄了其危害：報價價差不再能衡量真實成本，因為費用和返佣不體現在報價中；最優執行統計資料變成了虛構；經紀商在客戶成交質量與自身返佣收益之間面臨利益衝突。Battalio、Corwin和Jennings（2016年，Journal of Finance）證明這種衝突並非假設——將訂單路由至高返佣交易場所，會實質性地惡化限價單的執行質量。SEC對此糾結了十年之久——2018年的Transaction Fee Pilot計劃在法庭上夭折——最終於2024年9月通過了修正案，將接入費上限從30毫削減到10毫（合規期限已推遲至2026年11月）。股票市場高返佣的時代正在被行政命令終結。

在加密貨幣領域存活下來的形式很有啟發性，因為它不是一次復興。有三種形式：

• 公開VIP返佣（如OKX的頂級做市檔位−0.5個基點，以及類似機制）：只有達到特定交易量水平才能享受，而這種水平本身就篩選出了那些已經在佇列競賽中獲勝的公司。這種迴圈正是股票市場終局的重演：返佣的設立是為了吸引做市方，而真正捕獲它的卻是那些本來就會去報價的做市方。
• 協議式做市商計劃（如Bybit宣傳的最低至−1.5個基點）：這些通常附帶價差上限、最小掛單量和線上率義務。這不是免費的錢，而是一份服務合同——你被支付報酬，是為了持續承擔逆向選擇期權的空頭，包括在新聞衝擊、連環爆倉以及每一個自由裁量做市商都已撤單的時刻。這份返佣是持有那本沒人想要的期權賬簿的工資。
• 公式驅動型激勵（Hyperliquid支付最高至−0.3個基點，與你在總做市量中的份額掛鉤）：這是一場明確的錦標賽，至少誠實地為佇列競賽定了價。

純粹的"scratch換返佣"策略在加密貨幣領域基本無法存在，因為散戶檔位的做市費是正的：在2個基點的做市費率下，一筆scratch來回交易反而虧損4個基點。這種策略只能存在於做市費為負的檔位內，而這些檔位本身就是護城河。

佇列價值：一份返佣到底值多少錢

以上所有內容都可以壓縮成一個定價方程。一份掛單的期望價值為：

$V_{\text{quote}} = p(q)\left(\frac{s}{2} + r - A(q)\right) - \big(1 - p(q)\big)\,C_{\text{miss}}$

其中 $r$ 是返佣（或負的做市費）——而承載核心資訊的細節是：成交機率 $p$ 和條件逆向選擇成本 $A$ 都是你佇列位置 $q$ 的函數。它們以最不利的方式聯動。排在佇列前端的訂單會與溫和的流量成交：小額吃單方、噪音交易、觸及即彈的成交。排在佇列末端的訂單隻有在整個價格檔位被掃單時才會成交——也就是說，只會在價格正在穿透你的那些市場狀態下成交。佇列位置越靠後，不僅成交越少，成交質量也越差。佇列本身就是一個逆向選擇過濾器，你在其中的位置決定了你處在過濾器的哪一側。

具體數值。報價檔位距中間價 $s/2 = 1$ 個基點，返佣 $r = 0.5$ 個基點，錯失成本 $C_{\text{miss}} = 1.5$ 個基點：

同一個交易所，同一個價格檔位，費率表上同一行返佣數字——期望價值卻出現了兩個基點的擺動，正負號都變了，而這完全由佇列位置驅動。Moallemi和Yuan（2016）的論文"A Model for Queue Position Valuation in a Limit Order Book"量化了這一普遍結論：在大最小報價單位的品種上，佇列優先權的價值與半價差相當，也就是說，與整個報價策略的理論edge同一數量級。估算你在佇列中的實際位置——以及撤單/重掛對它的影響——正是Queue inside the wall一文中所講的機制；而根據成交時的佇列十分位對自己的成交資料分桶、校準 $A(q)$，則是TCA工具箱中的markout練習。

由此可以直接得出操作規則：只要 $V_{\text{quote}} > -C_{\text{taker}}$（相對於你的替代方案而言）就掛單，否則就跨越價差——當佇列過長、流量帶毒或者你的訊號提示價格正在離場時。"究竟何時該停止耐心等待"是一個戰術問題——掛單節奏、升級階梯、跨越觸發條件——這些內容將在子訂單執行戰術一文中專門探討。這裡的重點是：驅動該決策的輸入變數是以佇列為條件的價值，而不是費率表。

回測分級費率：VIP-9漏洞

回測中最常見的費率錯誤簡單到令人尷尬：配置裡寫著maker_fee=0.0, taker_fee=0.00017，因為有人複製了交易所VIP表格的第一行——或者是該團隊曾經所處的檔位，又或者是策略"做到一定規模後"預計會達到的檔位——而策略實盤交易時實際執行的費率卻是2/5。姑且稱之為VIP-9漏洞。

這不是一個小誤差。以一個做市策略為例，其毛捕獲（價差減去逆向選擇成本）為每次來回交易2.6個基點，兩條做市腿：

同一個策略，在回測所用的檔位上是印鈔機，在實盤所處的檔位上卻是碎鈔機。這裡沒有alpha方面的漏洞可查，也沒有成交模型上的微妙之處——只是配置檔案裡的一個標量，就讓權益曲線和它的映象分道揚鑣。而且由於做市策略的edge通常只有每次來回1-3個基點，費率檔位方面的誤差總是與edge本身同一數量級。

要做對這件事，就要認識到你的費率是一個路徑依賴的狀態變數，而不是一個常數：

from bisect import bisect_right

class FeeEngine:
    """Tiered fees driven by simulated rolling 30d volume. All rates in bps."""
    TIERS = [(0e6, 2.0, 5.0), (15e6, 1.6, 4.5), (50e6, 1.2, 4.0),
             (100e6, 0.8, 3.5), (600e6, 0.4, 2.5), (4e9, 0.0, 1.7)]
    token_discount = 0.90          # e.g. BNB payment: multiply fees by 0.9

    def __init__(self):
        self.fills = []            # (timestamp, notional)

    def _rolling_volume(self, ts):
        cutoff = ts - 30 * 86_400
        self.fills = [(t, n) for t, n in self.fills if t >= cutoff]
        return sum(n for _, n in self.fills)

    def fee(self, ts, notional, is_maker):
        vol = self._rolling_volume(ts)          # tier from PAST volume
        i = bisect_right([v for v, _, _ in self.TIERS], vol) - 1
        rate = self.TIERS[i][1] if is_maker else self.TIERS[i][2]
        self.fills.append((ts, notional))       # this fill counts toward FUTURE tiers
        return notional * rate * 1e-4 * self.token_discount

五條規則能讓核算保持誠實：

1. 費用按每次成交事件、每一邊、按已成交名義本金計提——不是按訂單計提，也不是按來回交易計提。部分成交的訂單隻對已成交的那部分收費；部分成交、撤單與費用計提之間的相互作用，正是成交模擬一文中的狀態機所描述的內容，該文也提供了修正後盈虧平衡點所需的未成交機率。
2. 檔位是內生的。 你模擬出的交易量決定了你模擬出的檔位；把策略規模放大10倍會改變它自己的費率。把名義本金放大10倍的回測必須讓檔位階梯雙向做出響應。
3. 從你實盤第一天真正會處在的那個檔位開始模擬——通常是基礎檔位。如果論點是"在VIP 4檔位能盈利"，那就把整個階梯當作情景分析來跑，並報告盈虧平衡檔位。那個檔位是一項附帶交易量前提條件的上線要求，而不是一條腳註。
4. 把代幣計價的折扣當作倉位來建模。 如果費用是用BNB支付或通過質押獲得折扣的，那麼這份浮動倉位的按市值計價盈虧應該計入策略PnL，而不是放進另一張表格裡。
5. 用含費價差來做交易所間比較。 沿用Colliard-Foucault和Angel-Harris-Spatt的方法：跨交易所可比的量是吃單來回交易的 $s + f_t^{(1)} + f_t^{(2)}$（做市腿則用 $f_m$），而絕不是原始報價價差。一個報價寬度為1個基點、吃單費5個基點的交易所，跨越價差的成本是另一個報價寬度4個基點、吃單費1個基點的交易所的四倍——而只看螢幕價差的排行榜會把順序完全排反。

重申這項決策

剝掉外衣之後，做市與吃單的抉擇其實是一份簡短的清單。瞭解你真實所處的費率行——當前檔位、當前折扣，是邊際值而不是理想值。計算每個交易場所的含費價差，別再相信螢幕上顯示的數字。根據自己成交資料、按成交時的佇列位置分桶，測算條件markout，因為 $A$ 不會寫在任何人的文件裡。用 $p(q)\,(s/2 + r - A(q)) - (1-p(q))\,C_{\text{miss}}$ 為每一份掛單定價，一旦為負就毫不留情地跨越價差。把返佣當作為寫出期權而支付的工資，並問清楚是誰在行權。而在回測中，要把費率做成一個狀態機，而不是一個標量。

費率表告訴你的，是平均對手方為獲得即時成交向交易所支付了多少。你自己的markout告訴你的，才是市場為你提供流動性真正付給你的價格。這兩個數字裡只有一個是關於你自己的——用那一個來做交易決策。