做市策略核心算法：定价模型、库存管理与风险控制
做市策略的核心，说白了就是回答三个问题：报什么价？报多少量？什么时候改价？ 这三个问题环环相扣，任何一个环节出问题，轻则亏钱，重则爆仓。今天我就把这套逻辑拆开揉碎了讲清楚。
核心公式：做市商利润 = 买卖价差收入 - 库存风险成本 - 交易损耗
定价模型解决「价差收入」，库存管理解决「库存风险」，报价频率解决「交易损耗」。
3.1 Avellaneda-Stoikov 定价模型
这个模型是我个人最常用的基准模型。为什么？因为它把做市问题转化成了一个数学上可解的最优控制问题。
模型的核心思想很简单：你的报价应该围绕「合理价格」上下浮动，浮动幅度取决于你的库存和风险偏好。
具体来说，假设当前市场中间价为 S，你的库存为 q（正数表示多头，负数表示空头），风险厌恶系数为 γ，那么你的最优买价和卖价分别是：
# 伪代码示例
mid_price = get_market_mid_price()
inventory = get_current_inventory() # 正数=多头，负数=空头
gamma = 0.1 # 风险厌恶系数，越大越保守
sigma = 0.02 # 波动率
T = 1.0 # 剩余时间（年化）
# 库存偏移量
inventory_skew = -gamma * sigma^2 * T * inventory
# 最优报价
bid_price = mid_price + inventory_skew - spread/2
ask_price = mid_price + inventory_skew + spread/2
嗯，这里要注意：inventory_skew 是负的。也就是说，当你持有多头（q > 0）时，你的买价和卖价都会向下偏移。为什么？因为你手里已经有很多货了，你更想卖出去而不是继续买。反过来，空头时报价向上偏移。
我的经验： 我在实盘中发现，γ 这个参数特别敏感。设大了，报价偏移太猛，成交率低；设小了，库存风险控制不住。我一般先用历史数据回滚优化，上线后再用在线学习慢慢调。
3.2 库存管理：别让库存绑架你
定价模型告诉你报什么价，但库存管理告诉你什么时候该强制平仓。
我个人习惯把库存管理分成三层：
- 目标库存区间：比如 [-100, 100] 张合约。在这个区间内，正常做市，靠定价模型自动调节。
- 警戒线：比如 [-300, 300]。一旦触及，启动「库存消化模式」——缩小价差、主动往不利方向报价，加速平仓。
- 硬止损线：比如 [-500, 500]。到了这个位置，别犹豫，直接市价平仓。亏钱总比爆仓强。
我曾经吃过一次大亏。那次行情剧烈波动，库存瞬间冲到警戒线以上，我还在犹豫要不要调参数，结果继续往不利方向走了几十个tick。嗯，从那以后我写死了硬止损逻辑，程序自动执行，不给人犹豫的机会。
# 库存管理逻辑示例
def manage_inventory(current_inventory):
HARD_LIMIT = 500
WARN_LIMIT = 300
TARGET_LIMIT = 100
if abs(current_inventory) >= HARD_LIMIT:
# 强制市价平仓
market_order(-current_inventory)
return "FORCED_LIQUIDATION"
elif abs(current_inventory) >= WARN_LIMIT:
# 缩小价差，加速平仓
set_spread_multiplier(0.5)
return "AGGRESSIVE"
elif abs(current_inventory) >= TARGET_LIMIT:
# 正常做市，但略微偏向平仓方向
set_spread_multiplier(1.0)
return "NORMAL"
else:
# 完全正常做市
return "COMFORT"
3.3 风险控制：不止是止损
很多人以为风控就是设个止损线。其实远不止这些。我总结了三道防线：
| 防线 | 内容 | 触发条件 |
|---|---|---|
| 第一道 | 报价合理性检查 | 报价偏离市场中间价超过N个标准差 |
| 第二道 | 库存限额 | 库存绝对值超过阈值 |
| 第三道 | 总亏损限额 | 当日累计亏损超过设定值 |
第一道防线很多人会忽略。你想想看，如果行情数据出现异常（比如交易所的撮合引擎抽风），你的定价模型可能会算出离谱的报价。我曾经遇到过，某次数据源推送了一个错误的价格，我的模型瞬间报出了低于市场价10%的买单。还好报价合理性检查拦截了，不然那一单吃进去，够我喝一壶的。
避坑指南： 风控逻辑一定要独立于交易逻辑运行。别把风控写在主循环里，万一主循环卡住了，风控也跟着失效。我习惯单独开一个线程跑风控监控，心跳检测，5秒没收到心跳就自动断开所有连接。
3.4 报价更新频率：快与稳的平衡
报价频率这个问题，其实没有标准答案。你想想看，频率太高，容易给交易所造成压力，还可能被判定为「过度报价」；频率太低，你的报价可能已经过时了，被市场甩在后面。
我个人建议分场景处理：
- 正常行情：每 100-500 毫秒更新一次报价。这个频率足够应对大部分行情变化，又不会给系统太大负担。
- 剧烈波动：缩短到 50-100 毫秒。行情变化快，你的报价也得跟上。
- 盘整行情：可以延长到 1-2 秒。没必要频繁更新，省点计算资源。
怎么判断行情状态？我一般用波动率指标。当波动率超过某个阈值时，自动切换到高频模式。
# 报价频率自适应逻辑
def get_update_interval():
current_volatility = calculate_volatility(window=20)
if current_volatility > HIGH_VOL_THRESHOLD:
return 50 # 毫秒
elif current_volatility > MED_VOL_THRESHOLD:
return 200
else:
return 1000
我的经验： 别把报价更新和策略计算放在同一个循环里。我习惯用两个独立的定时器：一个负责计算最优报价（可以慢一点，比如每秒一次），另一个负责把算好的报价发到交易所（可以快一点，比如每100毫秒一次）。这样即使计算偶尔延迟，报价也能保持更新。
3.5 知识体系总览
下面这张图把今天讲的内容串起来了。你可以看到，定价模型、库存管理、风险控制、报价频率这四个模块是相互影响的。
你看，这四个模块不是孤立的。定价模型算出来的报价，要经过库存管理的偏移修正，再经过风险控制的合规检查，最后按照合适的频率发出去。任何一个环节出问题，整个系统都会受影响。
好了，这一章的内容就到这里。定价模型、库存管理、风险控制、报价频率，这四个点你吃透了，做市策略的核心算法就算入门了。剩下的就是不断优化参数、积累经验。