第3章库存压力测试场景设计

3、库存压力测试场景设计：历史场景回放与合成场景生成

库存压力测试，说白了就是给你的做市系统“上强度”。

你想想看，平时行情风平浪静，系统跑得稳稳当当。但一到极端行情，库存风险瞬间暴露。我见过太多团队，回测时曲线漂亮得不行，一上实盘就被一波流动性枯竭打穿。

所以，场景设计是压力测试的灵魂。今天我们就来聊聊怎么设计靠谱的测试场景。

3.1 历史场景回放：让历史教训重演

历史场景回放，是最直接、最真实的压力测试方式。我个人习惯，先把历史上几次著名的极端行情拉出来，作为必测项目。

3.1.1 2020年3月：流动性黑洞

2020年3月，新冠疫情引发的全球市场恐慌，至今记忆犹新。我记得当时比特币从10000美元跌到3800美元，只用了两天时间。做市商面临的是：

价格断崖式下跌：分钟级别的跌幅超过10%
买卖价差急剧扩大：从平时的0.01%扩大到1%以上
订单簿深度骤降：盘口挂单量减少80%以上

我在项目中遇到过，有些做市策略在回测时表现很好，但一遇到这种行情，库存瞬间堆积，亏损速度远超预期。为什么会这样？因为回测用的是正常行情，而极端行情下的流动性结构完全不同。

    关键指标： 2020年3月12日，比特币现货市场买卖价差一度超过2%，深度（1%价格范围内的挂单量）下降至正常水平的15%。

3.1.2 2021年5月：政策冲击下的踩踏

2021年5月19日，中国监管政策出台，市场瞬间崩盘。这次行情的特点是：

多市场联动下跌：现货、期货、永续合约同步暴跌
资金费率异常：永续合约资金费率一度达到-1%以上
交易所间价差扩大：不同交易所的价差超过5%

嗯，这里要注意。2021年5月的行情，对跨交易所做市策略冲击特别大。我有个朋友，他的策略在正常行情下能稳定套利，但5月19日那天，交易所之间的价差瞬间拉大，他的库存对冲完全失效，一天亏掉了三个月的利润。

避坑指南： 我曾经以为历史回放只要把价格数据喂进去就行。后来发现，订单簿的深度数据、成交数据、资金费率数据，一个都不能少。否则回放出来的场景是“假”的。

3.2 合成场景生成：制造你想象不到的极端

历史场景虽然真实，但市场永远在进化。下一次极端行情，可能和历史上任何一次都不一样。所以，我们需要合成场景——人为制造各种极端条件，看看系统能不能扛住。

3.2.1 波动率突变场景

波动率突变，是库存风险的主要来源。我建议从三个维度来构造：

瞬时波动率飙升：在1秒内，波动率从正常水平跳升到10倍
波动率持续高位：波动率在高位维持30分钟以上
波动率集群：高波动率之后紧接着更高波动率

合成方法其实不复杂。你可以用GARCH模型来生成波动率路径，也可以直接用历史波动率做随机采样。我个人习惯用后者，因为更直观，也更容易控制。

# 波动率突变场景生成示例
import numpy as np

def generate_volatility_shock(base_vol, shock_factor, duration):
    """
    base_vol: 基础波动率（年化）
    shock_factor: 突变倍数
    duration: 突变持续时长（秒）
    """
    normal_vol = base_vol / np.sqrt(365 * 24 * 3600)  # 秒级波动率
    shock_vol = normal_vol * shock_factor
    
    # 生成突变序列
    vol_series = np.ones(duration) * shock_vol
    # 加入随机扰动
    vol_series *= (1 + 0.1 * np.random.randn(duration))
    
    return vol_series

小技巧： 合成场景时，不要只做一次。我建议至少生成1000个不同的波动率突变路径，然后看系统在95%分位数下的表现。这才是真正的压力测试。

3.2.2 流动性枯竭场景

流动性枯竭，是做市商的噩梦。你想想看，当市场突然没人交易了，你的库存就变成了“烫手山芋”。

合成流动性枯竭场景，我一般关注这几个参数：

参数	正常值	枯竭值	说明
盘口深度	100 BTC	5 BTC	1%价格范围内的挂单量
买卖价差	0.01%	0.5%	最优买卖价差
成交频率	10笔/秒	0.1笔/秒	市场成交速度
订单撤销率	30%	90%	挂单被撤销的比例

合成时，我建议把这些参数做成动态变化的。比如，先让深度缓慢下降，然后突然加速，最后在某个点瞬间归零。这样更接近真实市场的流动性崩塌过程。

    核心逻辑： 流动性枯竭场景下，做市商的库存周转率会急剧下降。如果你的策略依赖高频成交来管理库存，那在这种场景下会非常危险。

3.3 场景组合与执行策略

光有场景还不够，怎么执行也很关键。我总结了一套组合策略：

单场景测试：每个场景独立运行，看系统能不能存活
连续场景测试：把多个场景串联起来，模拟“黑天鹅”接连发生
随机场景测试：从场景库中随机抽取，模拟不可预测的市场

我个人最看重连续场景测试。因为真实市场里，极端行情往往不是孤立的。2020年3月之后，紧接着就是2020年4月的流动性恢复期，期间波动率依然很高。如果你的系统只能扛住单一冲击，那还不够。

注意： 场景执行时，一定要记录系统的完整状态。库存水平、盈亏曲线、成交记录、订单簿快照，这些数据缺一不可。否则你没法分析系统到底是在哪个环节崩溃的。

3.4 本章知识体系

下面这张图，是我对库存压力测试场景设计的整体理解。你可以把它当作一个检查清单，看看自己有没有遗漏。

这张图把整个场景设计的脉络理清楚了。左边是历史场景，右边是合成场景，中间是执行策略，最终输出风险报告和容量评估。你照着这个框架去搭建，基本不会漏掉关键环节。

最后说一句： 场景设计不是一次性工作。市场在变，你的策略也在变。我建议每季度更新一次场景库，把最新的极端行情加进去，把过时的场景淘汰掉。这样才能保证压力测试始终有效。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

3、库存压力测试场景设计：历史场景回放与合成场景生成

3.1 历史场景回放：让历史教训重演

3.1.1 2020年3月：流动性黑洞

3.1.2 2021年5月：政策冲击下的踩踏

3.2 合成场景生成：制造你想象不到的极端

3.2.1 波动率突变场景

3.2.2 流动性枯竭场景

3.3 场景组合与执行策略

3.4 本章知识体系