做市商库存压力测试与容量规划实战

📚 共计 30 章节

库存压力测试基础

定义做市商库存风险、压力测试目的与意义、核心指标（库存周转率、库存价值波动、最大回撤）

核心概念指标

市场微观结构与库存

订单簿动态、买卖价差与库存成本、市场冲击模型（Almgren-Chriss模型简介）

微观结构冲击模型

库存压力测试场景设计

历史场景回放（极端行情如2020年3月、2021年5月）、合成场景生成（波动率突变、流动性枯竭）

场景设计极端行情

压力测试指标计算

VaR、CVaR、最大回撤（Max Drawdown）、夏普比率在压力期表现

库存模型构建

单资产库存模型、多资产库存模型、库存与对冲策略的耦合

建模多资产

Python压力测试框架搭建

使用pandas处理时间序列、numpy数值计算、matplotlib/seaborn可视化

Pythonpandas可视化

历史数据回测引擎

数据获取（交易所API/CSV）、数据清洗、事件驱动回测框架

回测数据清洗

蒙特卡洛模拟在库存压力测试中的应用

随机过程建模（几何布朗运动、跳跃扩散过程）、模拟路径生成与统计

蒙特卡洛随机过程

压力测试结果分析

风险因子归因、压力情景下的损益分布、尾部风险量化

归因尾部风险

容量规划基础

定义做市容量、容量与库存的关系、容量规划的目标（盈利最大化 vs 风险最小化）

订单流与容量模型

泊松过程建模订单到达、订单大小分布、订单流对库存的影响

订单流泊松

做市策略参数与容量

报价宽度、报价深度、再平衡频率、库存上限对容量的影响

策略参数再平衡

容量规划中的优化问题

线性规划（LP）与二次规划（QP）在库存分配中的应用

动态规划与库存控制

马尔可夫决策过程（MDP）建模、最优库存策略求解

MDP动态规划

多资产做市容量规划

资产相关性、跨品种对冲、组合容量分配

多资产相关性

Python容量规划工具包

使用scipy.optimize进行优化、cvxpy进行凸优化建模

实时库存监控系统设计

数据管道（Kafka/Redis）、实时计算（Flink/Spark Streaming）、告警阈值设置

实时Kafka告警

压力测试与容量规划的集成

从压力测试结果推导容量上限、动态调整容量

集成动态调整

案例研究：加密货币做市商

如Binance、OKX的库存压力测试与容量规划

加密货币案例

案例研究：股票期权做市商

股票期权做市商的库存风险与容量管理

期权库存风险

案例研究：外汇做市商

外汇做市商的库存压力测试与流动性管理

外汇流动性

压力测试报告生成

自动化报告（Jupyter Notebook转PDF）、关键指标仪表盘（Dash/Plotly）

容量规划中的机器学习应用

使用LSTM预测库存变化、强化学习优化报价策略

LSTM强化学习

极端事件应对

熔断机制、库存清仓策略、紧急融资方案

监管合规与压力测试

巴塞尔协议III对做市商的要求、Dodd-Frank法案、MiFID II

监管巴塞尔III

压力测试与容量规划的自动化

CI/CD管道集成、定时任务（Airflow）、版本控制

系统架构设计

高可用架构、灾备方案、性能优化（低延迟、高吞吐）

架构高可用

团队协作与流程

风险管理委员会、压力测试评审流程、容量规划迭代周期

DeFi做市商的库存风险、高频做市商的容量挑战、AI驱动的动态库存管理

课程总结与实战演练

综合项目——构建一个完整的做市商库存压力测试与容量规划系统

实战综合项目