第三章 库存监控系统设计：实时数据流架构、风险阈值设置、告警机制、可视化仪表盘
做市商的库存风险，说白了就是「货砸手里了」或者「货不够卖了」。
我见过太多团队，策略模型跑得飞起，但库存监控这块做得稀烂。结果呢？一波行情下来，库存偏离到姥姥家，亏得连手续费都赚不回来。
这一章，我们就来聊聊怎么把库存监控这件事做扎实。从数据怎么流进来，到阈值怎么设，再到告警怎么发，最后到仪表盘怎么看——一条龙讲清楚。
3.1 实时数据流架构：让数据跑起来
库存监控的第一步，是数据得实时。延迟超过100毫秒，基本就废了。
我个人习惯用这样的分层架构：
数据采集层 → 数据清洗层 → 计算引擎层 → 存储层 → 展示层每一层都有讲究。我画了一张图，你看一眼就明白了：
嗯，这张图基本就是我的标准模板了。每一层我都踩过坑，下面细说。
3.1.1 数据采集层
这里我建议直接用交易所的WebSocket流。别用REST轮询，延迟太大。
我曾经有个项目，一开始用REST接口每500ms拉一次订单簿，结果行情剧烈波动时，库存数据滞后了整整3秒。那次教训让我明白：做市商的数据采集，WebSocket是唯一选择。
3.1.2 数据清洗层
交易所发来的数据，有时候会乱序，有时候会重复。你想想看，如果成交回报的顺序乱了，你的库存计算就全错了。
我的做法是：每条数据带一个序列号，在清洗层做排序和去重。代码大概长这样：
class DataCleaner:
def __init__(self):
self.buffer = []
self.last_seq = 0
def process(self, msg):
# 去重：跳过已处理的序列号
if msg.seq <= self.last_seq:
return None
# 排序：按序列号插入
self.buffer.append(msg)
self.buffer.sort(key=lambda x: x.seq)
# 返回有序数据
return self.buffer.pop(0)3.2 风险阈值设置：红线在哪里？
阈值设得太松，风险敞口太大；设得太紧，频繁告警把人搞疯。
我个人习惯把阈值分成三级：
| 级别 | 库存偏离度 | 风险敞口 | 操作建议 |
|---|---|---|---|
| 黄色预警 | ±10% ~ ±20% | 总资产的2% | 调整报价价差，缓慢回补 |
| 橙色预警 | ±20% ~ ±40% | 总资产的5% | 启动对冲策略，减少挂单量 |
| 红色预警 | ±40%以上 | 总资产的10% | 暂停做市，强制平仓 |
这里有个关键点：阈值不是拍脑袋定的。我建议用历史回测来校准。
我曾经帮一个团队调参，他们一开始把红色预警设在±30%。结果回测发现，在2018年的大波动行情中，这个阈值一天触发了20多次，交易员根本来不及反应。后来改到±45%，才找到一个合理的平衡点。
3.3 告警机制：别让告警变成噪音
告警这件事，我踩过最大的坑就是「告警疲劳」。
一开始我把所有异常都发告警，结果一天几百条。交易员直接把告警群屏蔽了。真正出事的时候，没人看到。
后来我学乖了，告警机制要分层：
- P0级（致命）： 库存偏离超过红色阈值，或者系统宕机。直接电话+短信+钉钉，必须人工确认。
- P1级（严重）： 橙色阈值触发，或者网络延迟超过500ms。发钉钉/微信，要求5分钟内响应。
- P2级（警告）： 黄色阈值触发，或者某个币对流动性下降。只记录日志，不主动推送。
代码实现上，我推荐用这样的逻辑：
def check_alert(inventory_deviation):
if abs(inventory_deviation) > 0.40:
send_alert("P0", f"库存偏离严重：{inventory_deviation:.2%}")
call_on_call()
elif abs(inventory_deviation) > 0.20:
send_alert("P1", f"库存偏离较大：{inventory_deviation:.2%}")
elif abs(inventory_deviation) > 0.10:
log_alert("P2", f"库存偏离预警：{inventory_deviation:.2%}")
else:
pass # 正常状态，不打扰3.4 可视化仪表盘：一眼看清全局
仪表盘不是越花哨越好。我见过有人把几十个指标堆在一个屏幕上，花花绿绿的，根本不知道看哪里。
我的原则是：一屏之内，三秒看懂。
核心指标就这几个：
- 当前库存偏离度： 用进度条显示，绿色正常，黄色预警，红色危险。
- 实时盈亏： 折线图，展示过去1小时/24小时的盈亏变化。
- 风险敞口： 饼图，按币种展示库存分布。
- 告警历史： 列表，显示最近10条告警记录。
- 系统状态： 绿灯/红灯，显示数据流是否正常。
我个人习惯用Grafana搭仪表盘。数据源接InfluxDB，刷新频率设1秒。嗯，够用了。
好了，库存监控系统的基本框架就是这样。数据流架构保证数据实时到位，阈值设置划清风险边界，告警机制确保问题不被忽略，仪表盘让全局一目了然。这四个环节缺一不可。
下一章，我们会聊聊库存对冲策略的具体实现。不过那是后话了，先把监控系统搭好，这是做市商的命根子。