27、做市策略中的股息与融资成本管理

做市交易里,很多人只盯着价格波动。但我做了这么多年,发现真正拉开差距的,往往是那些「看不见的成本」。股息和融资成本就是典型。

你想想看,一个结构化产品做市商,手里握着大量头寸。每天一睁眼,融资利息就在跑。到了除息日,股息调整又来了。这些细节处理不好,策略的夏普比率直接掉一个档次。

今天我们就来拆解这三块:股息预测模型、融资成本曲线构建、隐含股息与融资成本套利。嗯,都是我在实盘里踩过坑、又填平了的东西。

核心观点:股息和融资成本不是「背景噪音」,它们是做市策略的α来源。谁管得好,谁就能在微利时代活下去。

27.1 股息预测模型:不只是看历史数据

股息预测,说白了就是猜上市公司下次分多少钱。但做市商和普通投资者不一样——我们预测的不是「对不对」,而是「比别人准多少」。

我个人习惯把股息预测拆成三个层次:

  1. 确定性股息:已公告的、有明确除息日期的。这个没技术含量,直接拿数据。
  2. 高概率股息:根据历史规律、公司政策、盈利预期推算的。比如某公司连续10年每年分红,今年大概率也会分。
  3. 事件驱动股息:特殊分红、特别股息、拆股等。这个最难,需要结合新闻和财报。

我在项目中遇到过一个问题:某港股公司突然宣布特别分红,市场完全没有预期。我的模型没捕捉到,结果做市报价被打了脸。后来我加了一个「新闻情绪因子」,用NLP扫描公司公告,提前24小时预警。

实战技巧:对于指数成分股,可以用「指数股息点」来反推。比如恒生指数期货的隐含股息,往往比个股预测更稳定。我习惯用期货数据校准个股模型。

下面是一个简单的股息预测模型框架:

# 伪代码:股息预测模型
class DividendPredictor:
    def __init__(self):
        self.historical_div = load_data('dividend_history.csv')
        self.company_policy = load_policy_rules()
        self.market_sentiment = load_sentiment_score()
    
    def predict(self, stock_code, date):
        # 1. 检查已公告
        announced = self.check_announced(stock_code, date)
        if announced:
            return announced.amount
        
        # 2. 基于历史规律
        seasonal = self.seasonal_forecast(stock_code, date)
        
        # 3. 调整因子
        adjustment = self.policy_adjustment(stock_code) * \
                     self.sentiment_adjustment(stock_code)
        
        return seasonal * adjustment

27.2 融资成本曲线构建:你的资金不是免费的

做市商的钱,要么是自有资金,要么是借来的。借来的钱有利率,自有资金有机会成本。很多人忽略了这个,结果策略回测漂亮,实盘一跑就亏。

融资成本曲线,我习惯按期限和抵押品质量来构建:

期限 国债抵押 股票抵押 信用借款
隔夜 1.5% 2.0% 3.5%
1周 1.6% 2.2% 3.8%
1个月 1.8% 2.5% 4.2%
3个月 2.0% 2.8% 4.8%

你想想看,如果你做的是雪球产品做市,持仓周期可能长达6个月。用隔夜利率去算成本,那肯定不准。我建议用OIS(隔夜指数互换)曲线加上信用利差,构建一条「做市商专属融资曲线」。

避坑指南:我曾经用Libor曲线做融资定价,结果2023年Libor退出历史舞台后,我的模型全乱了。现在改用SOFR(担保隔夜融资利率)加期限利差,更稳定。

27.3 隐含股息与融资成本套利:藏在价格里的秘密

这是我最喜欢的部分。市场里,股息和融资成本的信息,其实已经隐含在衍生品价格里了。比如:

  • 期货 vs 现货:价差里隐含了股息和融资成本
  • 期权平价关系:看涨看跌的价差,也能反推出隐含股息
  • ETF vs 成分股:跟踪误差里藏着套利机会

具体怎么操作?我举个例子:

假设某指数期货价格是5000点,现货是4980点。无风险利率是2%,距离到期还有90天。那么隐含股息率是多少?

期货价格 = 现货价格 * e^( (利率 - 股息率) * 时间 )

5000 = 4980 * e^( (0.02 - d) * 90/365 )

解得:隐含股息率 d ≈ 1.8%

如果我的股息预测模型显示实际股息率是2.2%,那就说明期货被低估了。我可以买入期货、卖出现货,赚这0.4%的价差。

听起来简单?但实际执行时有很多坑:

  • 交易成本会吃掉利润
  • 融券卖空可能借不到券
  • 股息预测本身有误差

我的经验:这种套利机会通常出现在财报季前后。市场对股息预期分歧最大的时候,就是做市商最好的入场点。我一般用「隐含股息 vs 模型预测」的差值作为信号,差值超过0.5%才动手。

27.4 知识体系总览

下面这张图,是我自己梳理的股息与融资成本管理框架。每次做策略调整前,我都会看一眼,确保没有遗漏。

股息与融资成本管理框架 股息预测模型 融资成本曲线 隐含股息套利 确定性股息 高概率股息 事件驱动股息 OIS曲线 信用利差 期限结构 期货-现货 期权平价 ETF跟踪误差 核心目标:降低做市成本,捕捉定价偏差 三个模块相互验证,形成闭环

这张图的核心逻辑是:股息预测提供「预期值」,融资成本提供「贴现率」,隐含股息提供「市场定价」。三者之间的差异,就是做市商的利润来源。

最后说一句:做市不是赌博,是精细的数学游戏。股息和融资成本,就是游戏里的「小数点」。管好了,你就是赢家;管不好,你就是别人的流动性。


无相订单流研究社 微信Lucian808555