第1章：加密货币做市：CEX与DEX做市差异、AMM机制与做市、无常损失管理、跨交易所套利做市
大家好，我是你们的老朋友。今天咱们聊聊加密货币做市这个领域。说实话，我刚从传统金融转过来时，也被这玩意儿震住了——同样是做市，CEX和DEX完全是两码事。别急，咱们一点点拆开看。
1.1 CEX与DEX做市：根本差异在哪？
先问个问题：你在币安做市，和在Uniswap做市，感觉一样吗？
答案显然是否定的。我个人习惯把CEX（中心化交易所）比作「传统菜市场」——有管理员、有固定摊位、买卖双方都看得见。而DEX（去中心化交易所）更像是「自动售货机」——你投币进去，机器自动给你吐货。
具体差异我列了个表，你一看就明白：
| 维度 | CEX做市 | DEX做市 |
|---|---|---|
| 订单簿 | 有，买卖挂单可见 | 无，依赖AMM自动定价 |
| 资金托管 | 交易所托管 | 用户自托管（智能合约） |
| 做市门槛 | 高（需API、低延迟、大资金） | 低（任何人都可提供流动性） |
| 收益来源 | 买卖价差 + 返佣 | 交易手续费 + 流动性挖矿 |
| 风险类型 | 市场风险、交易所风险 | 无常损失、智能合约风险 |
我在项目中遇到过不少新手，一上来就把CEX那套策略直接搬到DEX上，结果亏得底裤都不剩。为什么？因为DEX的定价机制完全不同——它用的是AMM（自动做市商）。
1.2 AMM机制：自动做市商到底怎么玩？
AMM，说白了就是一条数学曲线。最经典的当属Uniswap的恒定乘积公式：x * y = k。x和y是两种代币的储备量，k是常数。
举个例子：假设池子里有100个ETH和200,000个USDC，那么k = 100 * 200,000 = 20,000,000。这时候你想用1个ETH换USDC，系统会怎么算？
嗯，这里要注意：交易后池子里ETH变成101个，那么USDC必须变成20,000,000 / 101 ≈ 198,019.8个。所以你拿到的USDC是200,000 - 198,019.8 = 1,980.2个。这就是AMM的定价逻辑——滑点天然存在，交易量越大滑点越高。
我刚开始做DEX做市时，总觉得这公式太简单了，能赚钱吗？后来发现，恰恰是这种「简单」带来了巨大的套利空间。你想想看，如果某个池子的价格和外部市场不一致，套利者就会蜂拥而至，直到价格回归平衡。
核心要点：AMM做市本质上是在「被动提供流动性」，你无法像CEX那样主动挂单、撤单。你的仓位会随着交易不断变化——这就是无常损失的根源。
1.3 无常损失管理：做市商的头号敌人
无常损失（Impermanent Loss，简称IL），我愿称之为「做市商的隐形杀手」。它指的是：你存入流动性池子的资产价值，相比你单纯持有这些资产，可能产生的损失。
为什么会这样？因为AMM的定价机制决定了：当价格大幅波动时，你的仓位会被「低卖高买」——价格涨时你卖得少，价格跌时你买得多。结果就是，你持有的资产比例会偏离初始状态。
我给大家一个直观的表格：
| 价格变化幅度 | 无常损失比例 |
|---|---|
| ±10% | 约0.5% |
| ±25% | 约3.0% |
| ±50% | 约11.1% |
| ±100% | 约33.3% |
我曾经踩过一个坑：在2021年5月，我把ETH和USDC按50:50的比例存入Uniswap池子。结果ETH从4000美元跌到2000美元，我心想「没事，手续费赚回来了」。结果一算账——无常损失加上价格下跌，总亏损超过40%。嗯，从那以后我再也不敢忽视IL了。
避坑指南：我曾经以为只要选波动小的币对就能避免IL，结果发现稳定币对（如USDC/USDT）虽然IL极小，但手续费收益也低得可怜。真正的平衡点在于：选择波动适中、交易量大的币对，同时利用流动性挖矿奖励来对冲IL。
1.4 跨交易所套利做市：把价差变成利润
聊完AMM，咱们说说套利。跨交易所套利做市，说白了就是「低买高卖」——在价格低的交易所买入，在价格高的交易所卖出。但这里有个关键点：你要同时做市，才能持续吃到价差。
我常用的策略是这样的：
- 监控价差：用脚本实时监控多个交易所的同一币对价格。当价差超过阈值（比如0.5%）时触发。
- 双边挂单：在价格低的交易所挂买单（做市），在价格高的交易所挂卖单（做市）。
- 对冲风险：如果价差消失或反向，立即撤单并反向操作。
这里有个代码示例，是我个人常用的价差监控逻辑（Python伪代码）：
import time
import requests
def get_price(exchange, symbol):
# 假设从交易所API获取价格
response = requests.get(f"https://api.{exchange}.com/price/{symbol}")
return response.json()['price']
def arbitrage_check():
price_binance = get_price('binance', 'ETHUSDT')
price_uniswap = get_price('uniswap', 'ETH/USDC')
spread = abs(price_binance - price_uniswap) / min(price_binance, price_uniswap)
if spread > 0.005: # 0.5%阈值
print(f"套利机会！价差：{spread:.4%}")
# 执行套利逻辑
else:
print(f"无套利机会，当前价差：{spread:.4%}")
while True:
arbitrage_check()
time.sleep(1) # 每秒检查一次你想想看，这个策略的核心是什么？不是代码多复杂，而是「速度」和「资金利用率」。我在项目中遇到过，有时候价差只存在几秒钟，你慢了就没了。所以很多专业做市商会把服务器放在交易所机房旁边，甚至用FPGA加速。
小技巧：我个人习惯在套利时，把资金分成多份，同时监控多个币对。这样即使某个币对价差消失，其他币对还能补上。另外，别忘了计算手续费和Gas费——有时候看起来有价差，扣完费用反而亏钱。
1.5 知识体系总览
最后，我用一张图把本章的核心逻辑串起来。这张图是我自己画的，你一看就明白CEX做市、DEX做市、AMM、无常损失、套利做市之间的关系：
这张图其实已经说得很清楚了：CEX和DEX是两条不同的路，但最终都指向同一个目标——赚取价差和手续费。AMM是DEX的基石，无常损失是DEX做市必须面对的代价，而跨交易所套利则是把不同市场的价差变成利润的手段。
好了，第一章就聊到这儿。记住一句话：做市不是赌博，是数学和速度的游戏。下一章咱们会深入CEX做市的具体策略——包括订单簿分析、挂单技巧、以及如何用Python搭建一个简单的做市机器人。到时候见。