3、做市商风险类型：库存风险、方向性风险、流动性风险、操作风险、模型风险
做市商这行，说白了就是「在刀尖上跳舞」。你赚的是买卖价差，但背后扛着好几座大山。我做了这么多年，见过太多人只盯着利润，结果被风险一口吞掉。
今天咱们就把这五种风险掰开揉碎了讲。库存风险、方向性风险、流动性风险、操作风险、模型风险——每一个我都踩过坑，有些坑现在还疼。
3.1 库存风险：你手里的货，可能变成烫手山芋
库存风险，也叫存货风险。做市商手里必须持有一定数量的资产，才能提供双边报价。但持有就有成本，有波动。
举个例子。你手里有100个BTC，成本价3万美金。突然市场暴跌，BTC跌到2万5。你账面浮亏50万美金。更麻烦的是，你还要继续报价，别人买你就得卖，越卖越亏。
核心问题：库存的「时间敞口」和「数量敞口」。你持有时间越长，暴露在价格波动下的风险就越大。
我个人的经验：库存风险不是靠「死扛」能解决的。我早期做美股做市商时，有一回库存里堆满了某只小盘股，流动性极差。结果公司财报暴雷，我连止损都出不去。那次之后，我给自己定了个铁律——库存必须分层管理。
库存分层策略：
- 核心库存：长期持有，用于对冲或策略底仓。占比不超过总资金的30%。
- 交易库存：短期持有，用于赚取价差。日内必须清仓或对冲。
- 缓冲库存：应对突发流动性需求。这部分要选高流动性资产。
库存风险的核心指标是「库存周转率」和「库存成本」。我习惯用下面这个公式来监控：
库存风险敞口 = Σ (持仓数量 × 当前价格 × 波动率系数)
波动率系数 = 根据资产历史波动率动态调整，一般取1.5-3倍嗯，这里要注意。波动率系数不能设得太死。市场平静时取1.5倍，恐慌时直接拉到3倍。我见过有人用固定系数，结果黑天鹅一来，直接爆仓。
3.2 方向性风险：赌方向，是做市商的大忌
方向性风险，就是你对市场走势的判断错了。做市商的核心是赚「流动性溢价」，不是赚「方向性收益」。但很多人做久了，手痒，忍不住去赌方向。
为什么会这样？因为做市商天然持有大量头寸。当市场单边上涨时，你手里的库存自动升值，你会觉得「我好厉害」。但市场一旦反转，这些浮盈会瞬间变成亏损。
我曾经犯过的错：2017年加密货币大牛市，我做市商策略赚得盆满钵满。我膨胀了，开始主动加大多头仓位，想「顺势而为」。结果2018年熊市一来，三个月亏掉了之前两年的利润。方向性风险，说白了就是「贪」。
控制方向性风险的三个方法：
- Delta中性：这是做市商的黄金法则。通过期权、期货等工具，让整个组合的Delta趋近于零。市场涨跌，你的组合价值基本不变。
- 动态对冲：市场在变，你的对冲比例也要变。我一般每5分钟重新计算一次Delta，超过阈值就调整。
- 头寸限额：给每个品种、每个方向设定硬性上限。比如单边净头寸不超过总资金的5%。
你想想看，如果做市商都去赌方向，那和普通交易员有什么区别？做市商赚的是「服务费」，不是「赌注」。
3.3 流动性风险：最怕的不是亏钱，是跑不掉
流动性风险，就是你想平仓的时候，没人接盘。这比亏钱更可怕。亏钱还有机会翻本，但流动性枯竭时，你连认输的机会都没有。
我记得2020年3月，美股熔断那几天。很多做市商的模型都失效了，因为市场深度瞬间消失。你挂一个卖单，下面根本没有买单。你只能看着价格一路往下砸，却卖不出去。
流动性风险的三个维度：
| 维度 | 描述 | 监控指标 |
|---|---|---|
| 市场深度 | 买卖盘口的挂单量 | 订单簿前10档的总量 |
| 买卖价差 | 买一价和卖一价的差距 | 价差/中间价的比例 |
| 滑点 | 实际成交价与预期价的偏差 | 过去1分钟的平均滑点 |
避坑指南：我曾经在某个山寨币上做市，平时价差只有0.1%，深度也不错。但有一天项目方发了个利空公告，价差瞬间拉到5%，深度直接归零。我手里还有几百万的货，最后只能割肉出局。从那以后，我给自己定了个规矩——任何品种的单边持仓，不能超过该品种过去24小时平均成交量的1%。
流动性风险还有一个隐藏陷阱：虚假流动性。有些市场看起来深度很好，但那些挂单可能是机器人刷出来的，一撤单就没了。我习惯用「真实深度」指标——只看那些在过去1分钟内没有撤单的挂单。
3.4 操作风险：人总会犯错，系统也会
操作风险，就是「人祸」。代码写错了、参数设错了、网络断了、交易所API挂了……这些事我全遇到过。
有一次，我写了一个新的做市策略，上线前忘了检查一个边界条件。结果市场波动稍微大一点，程序就开始疯狂下单，一分钟内成交了上千笔。等我反应过来，已经亏了十几万美金。嗯，那次之后，我写了个「熔断机制」——任何策略在1分钟内成交超过50笔，自动暂停。
操作风险的常见来源：
- 代码缺陷：逻辑错误、边界条件没处理、浮点数精度问题。
- 人为失误：参数输错、风控阈值设错、忘记启动对冲。
- 基础设施故障：服务器宕机、网络延迟、交易所API限流。
- 数据问题：行情数据延迟、错误数据导致模型误判。
我的操作风险控制清单：
- 代码审查：任何策略上线前，必须经过至少两个人的代码审查。
- 模拟交易：先在模拟环境跑一周，确认没问题再上实盘。
- 熔断机制：异常交易量、异常亏损、异常持仓，任何一个触发就自动暂停。
- 冗余系统：主备服务器、双网络线路、多数据源。
说白了，操作风险是「可以避免」的风险。只要流程规范、系统健壮，大部分操作风险都能被挡在门外。
3.5 模型风险：你的模型可能从一开始就是错的
模型风险，是最隐蔽、最致命的风险。你的定价模型、对冲模型、风控模型，可能在某些市场条件下完全失效。
我记得2019年，我用一个基于历史波动率的模型来做期权做市。模型在正常市场下表现很好，但有一次市场突然出现「波动率微笑」扭曲，我的模型完全没捕捉到，导致期权定价严重偏离。一天之内亏了50万美金。
模型风险的来源：
- 假设错误：比如假设价格服从正态分布，但实际有厚尾。
- 参数过拟合：模型在历史数据上表现完美，但一到实盘就崩。
- 结构变化：市场规则变了、参与者变了、流动性变了，但模型没变。
- 数据问题：训练数据有偏差、数据清洗出错、数据频率不匹配。
我个人的习惯：每个模型上线前，我都会做「压力测试」和「回测」。压力测试要覆盖极端行情——比如2008年金融危机、2020年熔断、2022年加密货币崩盘。如果模型在这些极端行情下还能保持正收益或有限亏损，我才敢上实盘。
模型风险管理的三个原则：
- 简单优于复杂：能用线性模型解决的问题，别用深度学习。越复杂的模型，越容易在未知场景下失效。
- 持续监控：模型上线不是终点。每天都要检查模型的预测误差、盈亏分布、参数稳定性。
- 备用方案：永远准备一个「傻瓜模型」——比如简单的移动平均线或固定价差。当主模型失效时，至少有个兜底的。
你想想看，模型风险最可怕的地方在于——你根本不知道它什么时候会失效。等你发现的时候，往往已经亏了一大笔钱。
知识体系总览
下面这张图，是我自己整理的五种风险的关系。你看一眼，就能明白它们是怎么相互影响的。
这张图你看懂了吗？库存风险和方向性风险是「市场风险」的两面，流动性风险是「市场风险」的放大器，操作风险和模型风险则是「人为风险」。它们不是孤立的——库存风险大了，你会更想赌方向；方向性风险大了，你的模型可能失效；模型失效了，操作风险就跟着来了。
做市商这行，说白了就是「风险管理」的生意。你管好了风险，利润自然就来了。你管不好，再好的策略也是白搭。