第4章库存风险管理

库存风险管理：库存计价方法、库存对冲策略、库存限制与调整

做市策略里，库存风险是个绕不开的话题。说白了，你手里拿着货，价格一波动，账面就跟着抖。我刚开始做回测时，总觉得只要策略信号准就行，库存管理随便搞搞。结果有一次回测曲线漂亮得很，实盘一跑，三天就亏回去了。为什么？库存计价方法没选对，对冲也没跟上。

今天咱们就把这块掰开揉碎。库存风险管理，核心就三件事：怎么算库存价值、怎么对冲风险、怎么控制仓位上限。

库存计价方法

库存计价，听起来像会计活，但在量化交易里，它直接影响你的盈亏计算和风控决策。不同的计价方法，算出来的浮盈浮亏天差地别。

我个人习惯用以下三种方法：

先进先出（FIFO）：最早买入的库存最先卖出。适合趋势行情，能真实反映持仓成本变化。
加权平均成本：所有库存按买入均价计算。波动大时更平滑，不容易被极端价格干扰。
市价计价（Mark-to-Market）：按当前市场价格重新估值。这是实盘最常用的，也是监管要求的。

你可能会问，回测时该用哪个？我建议回测用加权平均成本，实盘用市价计价。为什么？回测时你没法精确模拟每笔成交的滑点，加权平均能减少噪声。实盘就不一样了，你得实时知道自己的风险敞口。

重要提醒： 计价方法一旦选定，不要频繁切换。我见过有人回测用FIFO，实盘用市价，结果策略表现对不上，白白浪费了三个月优化时间。

来看一段简单的库存计价代码：

class InventoryManager:
    def __init__(self, method='weighted_avg'):
        self.method = method
        self.positions = []  # (price, quantity)
    
    def add_position(self, price, qty):
        self.positions.append((price, qty))
    
    def remove_position_fifo(self, qty):
        removed = []
        while qty > 0 and self.positions:
            price, available = self.positions[0]
            take = min(qty, available)
            removed.append((price, take))
            qty -= take
            if take == available:
                self.positions.pop(0)
            else:
                self.positions[0] = (price, available - take)
        return removed
    
    def get_market_value(self, current_price):
        if self.method == 'weighted_avg':
            total_qty = sum(p[1] for p in self.positions)
            total_cost = sum(p[0]*p[1] for p in self.positions)
            avg_cost = total_cost / total_qty if total_qty else 0
            return (current_price - avg_cost) * total_qty
        elif self.method == 'fifo':
            value = 0
            for price, qty in self.positions:
                value += (current_price - price) * qty
            return value

这段代码虽然简单，但核心逻辑都在了。我在实盘系统里，还会加上时间戳和交易对手信息，方便审计。

库存对冲策略

库存对冲，说白了就是不让单边风险吃掉你的利润。做市商赚的是买卖价差，不是赌方向。所以，对冲是必修课。

常见的对冲策略有几种：

Delta中性对冲：通过期货或期权，让库存的Delta趋近于零。适合高流动性市场。
跨品种对冲：比如做市BTC，用ETH期货对冲。相关性高但又不完全一样，需要动态调整。
时间分散对冲：分批对冲，避免一次性冲击市场。我习惯用VWAP算法执行。

我曾经在回测里忽略了一个细节：对冲成本。你以为对冲能完美保护库存，但每次对冲都有手续费和滑点。回测时如果不算这笔账，实盘就会被打脸。

我的经验： 对冲频率不要太高。每笔订单都去对冲，手续费会吃掉所有利润。我一般设置一个阈值，比如库存价值超过总资金的5%才触发对冲。

来看一个简单的Delta对冲逻辑：

def hedge_delta(inventory_value, futures_price, hedge_ratio=1.0):
    """
    inventory_value: 当前库存市值
    futures_price: 期货价格
    hedge_ratio: 对冲比例，0.8表示对冲80%风险
    """
    target_hedge = inventory_value * hedge_ratio
    current_hedge = get_current_futures_position()
    delta = target_hedge - current_hedge
    
    if abs(delta) > MIN_HEDGE_THRESHOLD:
        # 执行对冲
        place_futures_order(delta / futures_price)
        print(f'对冲执行: {delta:.2f} USD')
    else:
        print(f'未触发对冲阈值，当前delta: {delta:.2f}')

这里有个坑：对冲比例不是越高越好。你想想看，如果市场突然反转，你完全对冲了，那库存的浮亏是锁住了，但潜在收益也没了。做市商的核心是赚流动性，不是赚方向。所以，我一般把对冲比例设在0.6到0.8之间，留点敞口吃波动。

库存限制与调整

库存限制，就是给仓位设个天花板。没有限制，一次黑天鹅就能让你归零。我见过太多人，策略回测年化50%，实盘一把亏光，就是因为库存管理失控。

库存限制通常分三个维度：

维度	说明	我的建议值
单品种上限	单个币种/股票的最大持仓	总资金的10%-20%
总库存上限	所有库存的总市值上限	总资金的50%-70%
日内调整次数	每天最多调整几次库存	不超过5次

库存调整，不是你想调就调的。我习惯用「阶梯调整法」：

当库存超过上限的80%，发出预警，但不操作。
超过100%，强制减仓一半。
超过120%，全部清仓，暂停做市。

为什么要留预警线？因为市场流动性不是无限的。你一下子砸出去，滑点能把利润全吃掉。预警线给了你缓冲时间，可以分批出货。

注意： 库存调整时，一定要考虑市场深度。我曾经在流动性差的币种上强行减仓，结果把价格砸穿了，自己成了砸盘元凶。后来我加了一条规则：单次调整量不超过最近5分钟平均成交量的10%。

下面是我用的一张库存管理流程图，帮你理清整体逻辑：

这张图的核心逻辑是：先计价，再判断是否超限，超限了就触发对冲或减仓，然后回到监控循环。嗯，这里要注意，调整完不是就完事了，得继续监控，因为市场在变，你的库存风险也在变。

最后说一句，库存管理没有银弹。不同市场、不同品种，参数都得调。我建议你回测时多跑几种参数组合，找到最适合自己策略的那一套。别偷懒，这个功夫省不得。

📚 课程目录

库存风险管理：库存计价方法、库存对冲策略、库存限制与调整

库存计价方法

库存对冲策略

库存限制与调整