3. 做市策略设计原理：库存管理、报价宽度、报价更新频率、最优报价策略

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？什么时候更新？

这三个问题背后，藏着四个关键设计维度——库存管理、报价宽度、报价更新频率、最优报价策略。我做了几年量化做市，踩过不少坑，今天就把这些经验掰开揉碎讲给你听。

3.1 库存管理：做市商的命门

库存管理，是做市策略的基石。你想想看，做市商本质上就是个「中间商」，赚的是买卖价差。但中间商最怕什么？怕货砸手里。

我刚开始做市时，有一次在ETH上挂了大量买单，结果行情突然跳水，库存瞬间变成负值——也就是我手里全是高价买的货，卖不出去。那次教训让我明白：库存管理不是「要不要持仓」，而是「持多少、持多久」。

3.1.1 库存目标与偏离惩罚

每个做市策略都应该有一个「目标库存水平」。通常设为0，也就是中性库存。但实际中，你可以根据市场观点调整这个目标。

偏离目标库存时，策略需要惩罚报价。怎么惩罚？我习惯用这个公式：

# 库存偏离惩罚系数
inventory_penalty = -gamma * (current_inventory - target_inventory)

# 调整后的报价
adjusted_bid = mid_price + spread/2 + inventory_penalty
adjusted_ask = mid_price - spread/2 + inventory_penalty

这里的 gamma 是库存厌恶系数。值越大，库存偏离时报价调整越激进。

3.1.2 库存再平衡策略

当库存偏离到一定程度，光靠报价调整可能不够。这时候需要主动再平衡。

我常用的三种方式：

• 激进报价：在偏离方向加大报价偏移，加速库存回归
• 对冲交易：在相关品种上做反向操作（比如BTC和ETH联动）
• 暂停做市：极端情况下，直接撤单，等市场恢复再说

3.2 报价宽度：赚多少 vs 成交概率

报价宽度，就是买卖价差。这个参数直接决定了你的盈利能力和成交概率。

价差太宽，赚得多但成交少；价差太窄，成交多但赚得少。这是个典型的权衡问题。

3.2.1 动态价差模型

固定价差是新手做法。真正有效的策略，应该根据市场状态动态调整价差。

我常用的模型：

# 动态价差计算
base_spread = 2 * (tick_size + alpha * volatility)

# 波动率调整
volatility = std(returns, window=20) * sqrt(365)

# 最终价差
dynamic_spread = base_spread * (1 + beta * order_imbalance)

其中：

• tick_size：最小价格变动单位
• alpha：波动率敏感系数（我一般设0.5-1.5）
• beta：订单簿不平衡调整系数

3.2.2 价差与库存的联动

价差不是独立参数，它和库存管理是联动的。库存偏离大时，不仅要调整报价位置，还要调整价差宽度。

库存状态	价差调整	原因
中性库存	正常价差	正常赚取买卖价差
多头偏离	收窄卖价、放宽买价	鼓励卖出、抑制买入
空头偏离	收窄买价、放宽卖价	鼓励买入、抑制卖出
极端偏离	单边报价	只挂库存回归方向的单

3.3 报价更新频率：快 vs 稳

报价更新频率，决定了你的策略对市场变化的响应速度。

频率太高，容易产生大量撤单费（交易所收的）；频率太低，报价可能过时，被市场「吃掉」。

3.3.1 事件驱动 vs 时间驱动

我习惯用事件驱动的方式更新报价：

• 成交事件：我的单子被吃了，立即更新
• 订单簿变化：最佳买卖价变化超过阈值，更新
• 市场波动：波动率突变，更新
• 定时更新：兜底策略，比如每500ms强制更新一次

# 伪代码：事件驱动的报价更新
def on_market_event(event):
    if event.type == 'TRADE' and event.price in [my_bid, my_ask]:
        update_quotes()  # 我的单被吃了，立即更新
    elif event.type == 'ORDERBOOK_CHANGE':
        if abs(event.new_best_bid - last_best_bid) > threshold:
            update_quotes()  # 市场变了，更新
    elif event.type == 'TIMER':
        if time_since_last_update > 500:  # ms
            update_quotes()  # 兜底更新

3.4 最优报价策略：把上面三个串起来

库存管理、报价宽度、更新频率，这三个东西不是孤立的。最优报价策略，就是把它们整合成一个有机整体。

3.4.1 核心框架

我用的框架是这样的：

class OptimalMarketMaker:
    def __init__(self, gamma, alpha, beta, target_inventory=0):
        self.gamma = gamma  # 库存厌恶系数
        self.alpha = alpha  # 波动率敏感系数
        self.beta = beta    # 订单簿不平衡系数
        self.target = target_inventory
    
    def calculate_quotes(self, market_state):
        # 1. 计算基础价差
        vol = self._estimate_volatility(market_state)
        base_spread = 2 * (market_state.tick_size + self.alpha * vol)
        
        # 2. 库存调整
        inventory_deviation = market_state.my_inventory - self.target
        inventory_penalty = -self.gamma * inventory_deviation
        
        # 3. 订单簿不平衡调整
        imbalance = market_state.bid_volume - market_state.ask_volume
        spread_adjustment = self.beta * imbalance
        
        # 4. 最终报价
        spread = base_spread * (1 + spread_adjustment)
        mid = market_state.mid_price + inventory_penalty
        
        bid = mid - spread / 2
        ask = mid + spread / 2
        
        return bid, ask

3.4.2 参数优化

这些参数（gamma、alpha、beta）怎么设？我建议用历史数据做回测优化。

优化目标通常是：夏普比率或收益/风险比。别只看总收益，风险控制才是做市商的长久之道。

3.5 知识体系总览

下面这张图，把做市策略设计的核心逻辑串起来了：

嗯，到这里，做市策略设计的四个核心维度就讲完了。库存管理是「方向盘」，报价宽度是「油门」，更新频率是「变速箱」，最优报价策略就是那个「老司机」——把三者协调好，才能稳稳地赚钱。

---

公众号:蓝海资料掘金营，微信deep3321