第二章：仿真策略开发——基于订单簿的做市信号生成、库存管理模型、最优报价算法实现
做市策略从仿真到实盘，最核心的一步就是策略本身的开发。说实话，很多新手一上来就想着怎么赚钱，忽略了策略的底层逻辑。我个人习惯是先把三个模块拆开看：信号怎么来、库存怎么管、价格怎么报。这三个东西搞定了，策略骨架就有了。
2.1 基于订单簿的做市信号生成
做市信号说白了就是告诉你——现在该不该报价，往哪边报。订单簿（Order Book）是我们最直接的信号源。我在项目中遇到过不少团队，拿着Tick数据一顿算，结果信号滞后严重。其实你想想看，订单簿的实时变化才是做市商的第一手情报。
2.1.1 订单簿特征提取
我们通常从订单簿中提取以下几类特征：
- 买卖价差（Spread）：卖一价减去买一价。价差越小，流动性越好，做市利润空间越薄。
- 订单簿深度（Depth）：买一到买五、卖一到卖五的挂单量。深度越大，价格越难被推动。
- 订单簿不平衡（Order Book Imbalance, OBI）：买盘总量与卖盘总量的比值。OBI > 1 说明买盘强，价格可能上涨。
- 加权中间价（Weighted Mid Price）：按挂单量加权计算的真实中间价，比简单中间价更敏感。
核心公式：
OBI = (买盘总量) / (买盘总量 + 卖盘总量)
加权中间价 = (买一价 * 卖一量 + 卖一价 * 买一量) / (买一量 + 卖一量)
2.1.2 信号生成逻辑
我个人习惯用OBI作为主信号。举个例子：
def generate_signal(ob):
bid_vol = sum(ob.bids[i].volume for i in range(5))
ask_vol = sum(ob.asks[i].volume for i in range(5))
obi = bid_vol / (bid_vol + ask_vol)
if obi > 0.65:
return 'BUY_BIAS' # 偏向买入，报价上移
elif obi < 0.35:
return 'SELL_BIAS' # 偏向卖出，报价下移
else:
return 'NEUTRAL' # 中性，对称报价嗯，这里要注意：阈值0.65和0.35不是固定的。我在实盘中会根据波动率动态调整。波动率大的时候，阈值要放宽，不然信号太频繁，容易来回打脸。
2.2 库存管理模型
做市商最怕什么？库存积压。你想想看，手里囤了一堆货，价格一跌，账面亏损就来了。库存管理的目标就是让库存水平始终围绕目标值（通常是0）波动。
2.2.1 库存风险度量
我们用一个简单的指标来衡量库存风险：
| 指标 | 公式 | 说明 |
|---|---|---|
| 库存偏离度 | (当前库存 - 目标库存) / 最大容忍库存 | 偏离越大，风险越高 |
| 库存价值风险 | 库存量 * 波动率 * 持有时间 | 衡量潜在亏损 |
2.2.2 库存管理策略
我常用的库存管理策略有两种：
- 偏移报价法：库存偏离目标时，主动调整报价偏移量。比如库存为正（手里有货），就降低卖价、提高买价，鼓励卖出、抑制买入。
- 对冲平仓法：库存超过阈值时，直接下市价单平仓。这种方法比较激进，适合波动率高的品种。
避坑指南：我曾经在仿真阶段把库存阈值设得太小，结果策略频繁平仓，手续费吃掉了一大半利润。后来我把阈值放宽到最大容忍库存的70%，效果好了很多。记住，仿真阶段要多试几组参数。
2.3 最优报价算法实现
信号有了，库存管住了，接下来就是报价。最优报价算法的核心是：在保证成交概率的前提下，最大化期望收益。
2.3.1 报价偏移模型
我们基于Avellaneda-Stoikov模型做简化。报价偏移量由两部分组成：
- 库存偏移：库存偏离越大，报价偏移越大。公式：偏移量 = -γ * 库存量 * 波动率
- 信号偏移：根据OBI信号调整。买入信号时，买卖报价同时上移；卖出信号时，同时下移。
def calculate_quote(mid_price, inventory, volatility, signal):
# 库存偏移
inv_skew = -0.1 * inventory * volatility
# 信号偏移
if signal == 'BUY_BIAS':
sig_skew = 0.05 * volatility
elif signal == 'SELL_BIAS':
sig_skew = -0.05 * volatility
else:
sig_skew = 0.0
total_skew = inv_skew + sig_skew
bid_price = mid_price + total_skew - spread/2
ask_price = mid_price + total_skew + spread/2
return bid_price, ask_price2.3.2 报价宽度调整
报价宽度（即买卖价差）也不是固定的。我建议根据订单簿深度动态调整：
| 订单簿深度 | 报价宽度 | 逻辑 |
|---|---|---|
| 深度大（流动性好） | 缩小价差 | 竞争激烈，薄利多销 |
| 深度小（流动性差） | 扩大价差 | 风险高，利润要厚 |
注意：报价宽度不能无限缩小。最低价差要覆盖手续费和滑点成本。我一般设置一个底线，比如最小价差 = 2 * 手续费率 * 价格。
2.4 整体策略框架图
下面我用一张SVG图来展示这三个模块的关系。你可以看到，信号生成、库存管理、报价算法是闭环运作的。
这张图你看懂了吗？订单簿数据进来后，信号生成模块先判断方向，库存管理模块算偏移量，最后报价算法把两者合并，输出最终的买卖报价。三个模块缺一不可。
2.5 仿真测试要点
策略写完了，别急着上实盘。仿真阶段有几个坑，我帮你列出来：
- 回测数据要够长：至少包含3个月的数据，覆盖不同市场状态（趋势、震荡、高波动）。
- 考虑滑点和手续费：很多仿真跑出来很漂亮，一加上滑点就亏。我习惯在仿真中加一个保守的滑点模型。
- 压力测试：模拟极端行情，比如瞬间大单砸盘，看看你的库存管理能不能扛住。
个人经验：我刚开始做仿真时，总想着参数调得越精细越好。后来发现，过度拟合历史数据反而在实盘上表现很差。仿真阶段更重要的是验证逻辑的鲁棒性，而不是追求回测曲线好看。
好了，这一章的内容就到这里。信号生成、库存管理、报价算法，这三个模块你可以在仿真环境中反复调试。记住，仿真阶段多花时间，实盘阶段少交学费。
公众号:蓝海资料掘金营，微信deep3321