4. 库存管理目标：目标库存区间设定、库存均值回归策略

做市商的库存管理，说白了就是回答三个问题：我该持多少货？什么时候补？什么时候抛？

我刚开始做市商系统那会儿，总觉得只要报价够快就能赚钱。结果有一次，某个币种突然单边上涨，我的库存被吃了个精光，后面只能干瞪眼看着行情走。嗯，从那以后我才真正重视起库存管理来。

4.1 目标库存区间的设定逻辑

目标库存区间，就是给库存画一条「安全线」。我个人习惯用动态区间，而不是固定值。为什么？因为市场波动率在变，你的风险承受能力也得跟着变。

4.1.1 基于波动率的区间设定

核心思路很简单：波动越大，区间越宽。你想想看，如果市场一天上下5%，你非要死守一个窄区间，那不是在给自己找麻烦吗？

我常用的公式是这样的：

# 目标库存区间 = 基准库存 ± 波动率调整因子
import numpy as np

def calc_inventory_zone(base_inv, price_series, lookback=20, z_score=1.5):
    """
    计算动态库存区间
    :param base_inv: 基准库存（通常为0，即中性库存）
    :param price_series: 最近N个价格数据
    :param lookback: 回看窗口
    :param z_score: 置信度参数，越大区间越宽
    """
    returns = np.diff(price_series) / price_series[:-1]
    volatility = np.std(returns) * np.sqrt(252)  # 年化波动率
    
    # 波动率越高，区间越宽
    width = base_inv * z_score * volatility * 100
    
    upper = base_inv + width
    lower = base_inv - width
    
    return lower, upper, volatility

我在项目中遇到过一个问题：直接用波动率算出来的区间，有时候会宽得离谱。后来我加了个硬性边界，比如最大库存不超过总资金的20%。这样既保留了动态调整的灵活性，又不会让风险失控。

4.1.2 基于订单流不平衡的调整

光看波动率还不够。我记得有一次，波动率很低，但订单流明显偏向买方。如果只看波动率，你会觉得库存很安全，但实际上你的库存正在被一点点吃掉。

所以我建议加入订单流不平衡因子：

def adjust_zone_with_orderflow(lower, upper, order_imbalance, threshold=0.3):
    """
    根据订单流不平衡调整库存区间
    :param order_imbalance: 正数表示买方压力大，负数表示卖方压力大
    """
    if order_imbalance > threshold:
        # 买方压力大，适当提高库存上限
        upper *= (1 + 0.1 * order_imbalance)
    elif order_imbalance < -threshold:
        # 卖方压力大，适当降低库存下限
        lower *= (1 + 0.1 * abs(order_imbalance))
    
    return lower, upper

4.2 库存均值回归策略

库存均值回归，说白了就是「涨多了就卖，跌多了就买」。但做市商和普通交易者不一样——我们不是为了赚方向性收益，而是为了把库存拉回目标区间。

4.2.1 均值回归的触发条件

我个人习惯用库存偏离度作为触发信号：

def mean_reversion_signal(current_inv, lower, upper, mid_price):
    """
    判断是否需要触发均值回归操作
    返回: 'buy', 'sell', 'hold'
    """
    if current_inv > upper:
        # 库存过高，需要卖出
        return 'sell'
    elif current_inv < lower:
        # 库存过低，需要买入
        return 'buy'
    else:
        return 'hold'

你可能会问：就这么简单？嗯，逻辑上确实简单，但执行起来有坑。

4.2.2 回归操作的执行策略

触发信号之后，怎么执行？我建议用分层执行：

1. 轻度偏离（库存超出区间10%以内）：只调整报价宽度，不主动吃单
2. 中度偏离（库存超出区间10%-30%）：主动挂单，但价格偏保守
3. 重度偏离（库存超出区间30%以上）：直接吃单，快速回归

def execute_mean_reversion(signal, current_inv, mid_price, depth):
    """
    分层执行均值回归
    """
    deviation = abs(current_inv) / (upper - lower) * 100
    
    if deviation < 10:
        # 轻度：调整报价宽度
        return {'action': 'adjust_spread', 'width': 1.5 * base_spread}
    elif deviation < 30:
        # 中度：主动挂单
        price_offset = 0.001 * mid_price  # 0.1%的偏移
        if signal == 'sell':
            return {'action': 'limit_sell', 'price': mid_price + price_offset}
        else:
            return {'action': 'limit_buy', 'price': mid_price - price_offset}
    else:
        # 重度：直接吃单
        return {'action': 'market_order', 'side': signal}

4.2.3 均值回归的止损机制

这里有个很多人忽略的点：均值回归策略也会亏钱。如果市场是趋势性的，你越回归越亏。

我个人的做法是加一个趋势过滤器：

def trend_filter(price_series, lookback=50):
    """
    判断当前是趋势市还是震荡市
    返回: 'trending', 'ranging'
    """
    sma_short = np.mean(price_series[-10:])
    sma_long = np.mean(price_series[-lookback:])
    
    # 如果短期均线和长期均线偏离超过2%，认为是趋势市
    if abs(sma_short - sma_long) / sma_long > 0.02:
        return 'trending'
    else:
        return 'ranging'

如果是趋势市，我会暂停均值回归操作，转而采用趋势跟踪策略。说白了，你不能和市场对着干。

4.3 库存管理的整体框架

最后，我把整个库存管理的逻辑画成了一张图，方便你理解：

这张图的核心逻辑是：先定区间，再监控偏离，然后判断市场状态，最后分层执行。每一步都有对应的参数和策略，不能跳步。

好了，库存管理的核心内容就这些。记住一句话：库存管理不是预测市场，而是管理风险。你控制住了库存，就控制住了做市商最大的风险来源。

---

公众号:蓝海资料掘金营，微信deep3321