2、库存度量指标：库存价值(VaR)、库存周转率、库存集中度、库存Delta/Gamma敞口
做市商的库存管理，说白了就是一门「风险与收益的平衡术」。
你手里有多少货？这些货值多少钱？万一市场暴跌你会亏多少？货好不好卖？
这些问题，光靠拍脑袋可不行。我们需要一套量化指标来给库存做「体检」。
我个人习惯把这四个指标称为「库存四件套」：VaR、周转率、集中度、Delta/Gamma。缺一个，你的风控体系就不完整。
核心观点： 库存度量不是为了算账，而是为了提前发现风险。等亏损发生了再去看指标，那就晚了。
2.1 库存价值 (VaR) —— 你的「风险温度计」
VaR，全称是 Value at Risk，风险价值。听起来高大上，其实意思很简单：在某个置信水平下，你的库存最多可能亏多少钱。
举个例子。你手里有 100 个 BTC，每个 6 万 USDT。你算了一下，95% 置信水平下，一天内最大亏损是 3%。那 VaR 就是 100 × 60000 × 3% = 18 万 USDT。
嗯，这里要注意：VaR 不是「一定会亏这么多」，而是「有 95% 的概率不会亏超过这个数」。那剩下的 5% 呢？那就是黑天鹅了。
我的经验： 我个人习惯把 VaR 分成「日内 VaR」和「隔夜 VaR」。日内 VaR 用 1 小时数据算，隔夜 VaR 用 24 小时数据算。隔夜风险通常比日内大 3-5 倍，因为晚上流动性差。
计算 VaR 有三种常见方法：
- 历史模拟法：直接用过去 N 天的收益率分布，取分位数。简单粗暴，但依赖历史数据。
- 参数法（方差-协方差法）：假设收益率服从正态分布，用均值和标准差算。快，但正态分布假设在金融里经常不成立。
- 蒙特卡洛模拟法：随机生成大量价格路径，模拟未来分布。最准确，但计算量大。
我在项目中遇到过一个问题：用历史模拟法算 BTC 的 VaR，结果总是偏小。后来发现是因为 BTC 的「肥尾效应」——极端行情比正态分布预测的更频繁。所以后来我改用蒙特卡洛，虽然慢一点，但心里踏实。
# 一个简单的历史模拟法 VaR 计算示例
import numpy as np
def calculate_var(returns, confidence_level=0.95):
"""
计算历史模拟 VaR
returns: 收益率序列 (numpy array)
confidence_level: 置信水平，默认 95%
"""
# 按收益率从小到大排序
sorted_returns = np.sort(returns)
# 找到分位数对应的索引
index = int((1 - confidence_level) * len(sorted_returns))
# VaR 就是该分位数的值（取绝对值）
var = abs(sorted_returns[index])
return var
# 假设我们有 1000 个 1 分钟收益率数据
np.random.seed(42)
returns = np.random.normal(0, 0.001, 1000) # 模拟数据
var_95 = calculate_var(returns, 0.95)
print(f"95% VaR: {var_95:.4f}") # 输出: 0.0016 左右
避坑指南： 我曾经犯过一个错误——用全量历史数据算 VaR，结果包含了 2020 年 3 月 12 日（312暴跌）的数据。那天的收益率是 -40%，导致 VaR 算出来特别大，策略都不敢开仓了。后来我改成「滚动窗口法」，只用最近 30 天的数据，才恢复正常。
2.2 库存周转率 —— 你的货「动」得快不快？
库存周转率，衡量的是你手里的货多久能卖出去一次。
公式很简单：
周转率 = 一段时间内的成交量 / 平均库存量
比如，你一天成交了 1000 个 ETH，平均库存是 200 个 ETH。那周转率就是 5。意思是你的库存一天「转」了 5 次。
周转率高，说明流动性好，货不压手。周转率低，说明货卖不动，可能变成「死库存」。
我个人习惯把周转率分成三个等级：
| 周转率 | 含义 | 建议 |
|---|---|---|
| > 10 | 流动性极好 | 可以适当加大库存 |
| 3 - 10 | 正常水平 | 维持现状 |
| < 3 | 流动性差 | 需要减仓或调整报价 |
你想想看，如果一个品种的周转率长期低于 1，说明你手里的货平均要放一天以上才能卖出去。这时候如果市场突然反转，你根本跑不掉。
我的经验： 做市商和普通交易员不一样。普通交易员可能喜欢低周转率——拿着不动等涨。但做市商靠的是「薄利多销」，周转率是我们的生命线。我一般要求核心品种的周转率不低于 5。
2.3 库存集中度 —— 别把鸡蛋放在一个篮子里
库存集中度，衡量的是你的库存是否过度集中在某个品种上。
最常用的指标是赫芬达尔-赫希曼指数（HHI）：
HHI = Σ (各品种库存占比)²
举个例子。你有三个品种：
- BTC: 50 万 USDT（50%）
- ETH: 30 万 USDT（30%）
- SOL: 20 万 USDT（20%）
HHI = 0.5² + 0.3² + 0.2² = 0.25 + 0.09 + 0.04 = 0.38
HHI 的取值范围是 0 到 1。越接近 1，说明越集中。一般认为：
- HHI < 0.15：分散良好
- HHI 0.15 - 0.25：中等集中
- HHI > 0.25：高度集中，需要警惕
为什么会这样？因为集中度高的库存，一旦那个品种出问题（比如交易所被盗、监管打击），你的整个库存都会遭受重创。
避坑指南： 我曾经吃过一次亏。2021 年 5 月，我重仓了某个小币种，HHI 高达 0.6。结果那个项目方出了负面新闻，币价一天跌了 60%。我因为集中度太高，根本来不及对冲，亏得很惨。从那以后，我给自己定了个规矩：任何单一品种的库存占比不超过 30%，HHI 不超过 0.2。
2.4 库存 Delta/Gamma 敞口 —— 你的方向性风险有多大？
如果你只做现货做市，那 Delta 和 Gamma 可能不太重要。但如果你做期权做市，或者持有期货头寸，这两个指标就是命根子。
Delta 衡量的是：标的价格每变动 1 美元，你的库存价值变动多少。
比如，你的 Delta 是 +500。意思是 BTC 涨 1 美元，你赚 500 美元。BTC 跌 1 美元，你亏 500 美元。
Gamma 衡量的是：Delta 本身的变化速度。
Gamma 为正，说明市场越涨，你的 Delta 越大（越看涨）。Gamma 为负，说明市场越涨，你的 Delta 越小（越看跌）。
做市商最怕什么？最怕负 Gamma。因为负 Gamma 意味着市场波动越大，你的风险敞口越大。市场暴跌时，你的 Delta 会从 0 变成很大的负数，让你越亏越多。
核心观点： 做市商的理想状态是 Delta 中性（Delta ≈ 0），Gamma 也尽量中性。但现实中很难做到完美对冲，所以我们要实时监控这两个指标。
我个人习惯用「希腊字母仪表盘」来监控：
| 指标 | 理想范围 | 预警阈值 | 处理方式 |
|---|---|---|---|
| Delta | ±库存价值的 5% | ±库存价值的 15% | 用期货或现货对冲 |
| Gamma | ±库存价值的 1% | ±库存价值的 5% | 调整期权头寸或加仓 |
嗯，这里要注意：Delta 和 Gamma 不是静态的。市场在变，时间在走，这两个值也在不断变化。所以我们需要实时计算，而不是每天看一次。
# 一个简单的 Delta/Gamma 计算示例（假设持有期权）
def calculate_delta_gamma(option_price, underlying_price, strike, time_to_expiry, volatility, risk_free_rate=0.05):
"""
使用 Black-Scholes 模型计算 Delta 和 Gamma
这里只做示意，实际生产中会用更精确的模型
"""
from scipy.stats import norm
import math
d1 = (math.log(underlying_price / strike) +
(risk_free_rate + 0.5 * volatility**2) * time_to_expiry) / (volatility * math.sqrt(time_to_expiry))
delta = norm.cdf(d1) # 看涨期权的 Delta
gamma = norm.pdf(d1) / (underlying_price * volatility * math.sqrt(time_to_expiry))
return delta, gamma
# 假设参数
delta, gamma = calculate_delta_gamma(
option_price=500,
underlying_price=60000,
strike=60000,
time_to_expiry=30/365,
volatility=0.5
)
print(f"Delta: {delta:.4f}") # 约 0.55
print(f"Gamma: {gamma:.4f}") # 约 0.00005
我的经验： 我见过很多做市商只盯着 Delta，忽略了 Gamma。结果市场一波动，Gamma 把 Delta 带偏了，他们才手忙脚乱地去对冲。我的习惯是：每 5 分钟重新计算一次 Delta 和 Gamma，如果 Gamma 超过阈值，就提前调整，而不是等 Delta 出问题再动手。
小结
这四个指标，各有各的用处：
- VaR 告诉你「最多亏多少」
- 周转率 告诉你「货好不好卖」
- 集中度 告诉你「风险是否分散」
- Delta/Gamma 告诉你「方向性风险有多大」
缺了任何一个，你的风控体系都是瘸腿的。我个人建议，把这四个指标做成一个实时仪表盘，放在你交易屏幕的角落。每天开盘前扫一眼，心里就有底了。
记住：做市商不是赌徒。我们靠的是精细化的风险管理，而不是运气。这些指标，就是你的「护身符」。
公众号:蓝海资料掘金营，微信deep3321