第4章报价生成策略

报价生成策略：固定价差策略、动态价差策略、基于波动率的报价、库存管理策略

做市商的核心工作是什么？说白了就两件事：怎么报价和怎么控风险。

报价策略决定了你赚不赚钱，库存管理决定了你活不活得久。这一章，我把这两块揉在一起讲。我个人习惯把报价策略分成四个层次：固定价差、动态价差、波动率报价、库存管理。它们不是互斥的，而是层层叠加的关系。

一、固定价差策略

这是最基础的策略，也是很多新手做市商的第一站。

逻辑很简单：买一价 = 中间价 - 价差/2，卖一价 = 中间价 + 价差/2。价差是固定的，比如0.01 USDT。

// 固定价差策略伪代码
mid_price = (bid_depth + ask_depth) / 2  // 或者用最新成交价
spread = 0.01  // 固定价差
bid_price = mid_price - spread / 2
ask_price = mid_price + spread / 2
place_order(bid_price, ask_price, volume)

我在项目中遇到过一个问题：固定价差在震荡行情里还好，一旦出现单边行情，你的单子会被瞬间吃掉。为什么？因为市场在动，你的报价没动。价差太窄，你成了别人的提款机。

避坑指南：固定价差策略只适合波动率极低的市场，比如某些稳定币对。千万别用在BTC/ETH这种高波动品种上，否则你会亏到怀疑人生。

二、动态价差策略

固定价差太死板，那怎么办？让价差跟着市场走。

动态价差的核心思想是：市场波动越大，价差越宽；市场越平静，价差越窄。这样既能保护自己，又能提高竞争力。

我常用的动态价差公式：

spread = base_spread + k * volatility

其中 volatility 可以用最近N笔交易的收益率标准差来算。k 是一个调节系数，我一般设0.5到1.5之间。

举个例子：

def dynamic_spread(mid_price, trades, k=1.0, base_spread=0.005):
    # 计算最近100笔交易的波动率
    returns = [np.log(trades[i] / trades[i-1]) for i in range(1, len(trades))]
    vol = np.std(returns[-100:])  # 最近100笔
    spread = base_spread + k * vol
    return spread

你想想看，如果市场突然暴跌，波动率飙升，你的价差自动变宽。这样你就不容易被「插针」打穿。嗯，这里要注意：k 值不能设太大，否则你的报价会失去竞争力，单子挂不出去。

经验之谈：动态价差策略里，波动率的计算窗口很关键。窗口太短，容易被噪音干扰；窗口太长，反应太慢。我个人习惯用30-100笔交易作为窗口，具体看交易对的活跃度。

三、基于波动率的报价

动态价差只是第一步。真正进阶的做法是：把波动率直接融入报价模型。

什么意思？就是你的报价不仅要考虑价差，还要考虑报价深度和更新频率。

我见过很多团队，波动率一高就疯狂撤单重挂，结果被交易所的费率吃光利润。正确的做法是：

波动率低时：报价窄，深度浅，更新频率低。因为市场稳定，不需要频繁调整。
波动率高时：报价宽，深度深，更新频率高。因为市场剧烈，你需要快速反应。

这里有一个我常用的波动率分层策略：

波动率区间	价差倍数	报价深度	更新间隔(ms)
< 0.1%	1x	基础量	500
0.1% - 0.5%	1.5x	1.5x	200
0.5% - 1%	2x	2x	100
> 1%	3x	3x	50

我曾经在某个山寨币上吃过亏。波动率突然从0.2%飙到2%，我的策略没反应过来，还在用窄价差挂单。结果被一连串的大单打穿，库存瞬间变成负数。从那以后，我强制要求所有策略必须做波动率监控，一旦超过阈值，自动切换报价模式。

  核心要点：基于波动率的报价，本质上是把「市场风险」量化成「报价参数」。波动率是你的朋友，不是敌人。学会用它，你就能在风暴中赚钱。

四、库存管理策略

报价策略赚的是价差，库存管理保的是命。

库存管理的目标很简单：让库存保持在一个安全范围内。既不能太多（暴露方向性风险），也不能太少（错失交易机会）。

我常用的库存管理方法有三种：

库存偏移法：根据当前库存偏离目标库存的程度，调整报价。比如你库存太多，就降低买价、提高卖价，鼓励卖出。
库存惩罚项：在报价公式里加入库存惩罚因子。库存偏离越大，报价越激进。
库存对冲：用期货或期权对冲现货库存风险。适合大资金做市商。

库存偏移法的伪代码：

def inventory_adjusted_price(mid_price, inventory, target_inventory, k_inv=0.1):
    # inventory > target_inventory 表示库存过多，需要降价卖出
    offset = k_inv * (inventory - target_inventory) / target_inventory
    bid_price = mid_price - spread/2 - offset
    ask_price = mid_price + spread/2 - offset
    return bid_price, ask_price

你想想看，如果库存偏移系数 k_inv 设得太大，你的报价会变得非常激进，可能被市场吃掉。设得太小，库存风险又控制不住。我一般从0.05开始调，观察库存回归速度，慢慢找到最优值。

注意：库存管理不是独立运行的。它必须和报价策略联动。比如波动率高时，库存容忍度应该降低，因为市场方向性风险更大。

五、策略组合与实战经验

在实际系统中，我不会只用单一策略。而是把上面四种策略组合起来：

基础层：固定价差作为保底
调节层：动态价差根据波动率调整
优化层：波动率报价控制深度和频率
风控层：库存管理兜底

下面这张图展示了它们之间的关系：

我记得有一次做ETH做市，波动率突然飙升到3%。固定价差策略直接崩了，动态价差虽然撑住了，但库存管理没跟上，导致库存方向性暴露。最后靠波动率报价的快速撤单机制才保住本金。嗯，从那以后，我要求所有策略必须四层联动，缺一不可。

实战建议：刚开始做市时，先用固定价差+简单库存管理跑起来。等稳定了，再逐步加入动态价差和波动率报价。别一上来就搞复杂模型，容易翻车。

最后说一句：报价策略没有银弹。不同市场、不同品种、不同资金量，适合的策略都不一样。我的经验是：先活下去，再想怎么赚钱。库存管理永远是第一优先级，报价策略只是锦上添花。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

报价生成策略：固定价差策略、动态价差策略、基于波动率的报价、库存管理策略

一、固定价差策略

二、动态价差策略

三、基于波动率的报价

四、库存管理策略

五、策略组合与实战经验