资金池架构设计：单一资金池 vs 多层级资金池
做市商的资金池怎么搭，其实是个挺有意思的话题。
我见过不少团队，一开始就搞了个大池子，觉得简单粗暴。结果呢？行情一波动，资金调度乱成一锅粥。也有团队搞了七八层池子，结果管理成本比收益还高。
今天咱们就聊聊，资金池到底该怎么设计。
单一资金池：简单但危险
单一资金池，说白了就是一个账户里放着所有钱。所有交易对、所有策略，都从这个池子里拿钱。
优点很明显：
- 管理简单，一个账户搞定
- 资金利用率高，哪里需要钱就从哪里调
- 记账方便，不用搞复杂的对账
缺点也很致命：
- 风险集中，一个策略爆仓可能拖垮整个池子
- 无法精细化管理，你不知道每个策略到底用了多少钱
- 回撤控制难，行情不好时所有策略一起亏
我曾经踩过的坑：
刚入行时，我用单一资金池做BTC和ETH的做市。BTC那边突然暴跌，我赶紧调资金去补保证金。结果ETH这边因为资金被抽走，报价跟不上，被套利者狠狠撸了一把。一天亏了半个月的利润。
从那以后，我再也不敢把所有鸡蛋放一个篮子里了。
多层级资金池：精细但复杂
多层级资金池，就是把钱分成几个层次。每个层次有各自的用途和风控规则。
我个人习惯分三层：
| 层级 | 名称 | 用途 | 占比 | 风控规则 |
|---|---|---|---|---|
| L1 | 核心资金池 | 交易所保证金、底仓 | 60% | 禁止挪用，单日最大回撤5% |
| L2 | 策略资金池 | 各策略独立运作 | 30% | 单策略最大亏损10%自动暂停 |
| L3 | 机动资金池 | 应急、套利机会 | 10% | 需人工审批，单笔不超过总资金2% |
你想想看，这样分层之后，每个层级的风险是隔离的。L1出问题，不会影响到L2和L3。L2某个策略爆仓，其他策略还能正常运作。
资金池的分配逻辑
钱分好了，怎么分到各个策略里？这里有个核心原则：按风险预算分配，而不是按收益预期分配。
很多人喜欢把资金往收益高的策略里堆。这是大忌。高收益往往意味着高风险，一旦回撤，整个池子都可能崩掉。
我建议的做法是：
- 先定风险预算：每个策略能承受的最大亏损是多少？比如，总资金的2%
- 再算资金分配：根据策略的历史最大回撤，反推需要分配多少资金
- 最后动态调整：每周根据策略表现，微调资金分配
举个例子：
假设总资金1000万，策略A历史最大回撤是5%，策略B是10%。
如果给策略A分配200万，它的最大亏损就是10万（200万×5%）。
如果给策略B分配100万，它的最大亏损也是10万（100万×10%）。
你看，虽然分配的资金不同，但风险敞口是一样的。这才是合理的分配逻辑。
动态调整机制
资金池不是一成不变的。市场在变，策略表现也在变。我们需要一套动态调整机制。
我常用的调整规则：
- 每周评估：每个策略的夏普比率、最大回撤、盈亏比
- 触发条件：策略连续3天亏损超过阈值，自动降低资金分配
- 恢复机制：策略连续5天盈利，且回撤控制在范围内，恢复资金分配
- 紧急熔断：单日亏损超过总资金1%，暂停所有策略，人工介入
嗯，这里要注意一点：动态调整的频率不能太高。我见过有人每5分钟调一次资金分配，结果手续费比利润还高。一周一次是比较合理的节奏。
核心逻辑框架图
下面这张图，是我自己一直在用的资金池架构。你可以参考一下：
我的一个小技巧：
在实际操作中，我会给每个层级设置一个「水位线」。比如L1低于55%时，自动从L3补钱。L2某个策略盈利超过预期，自动把超额利润转到L3。这样资金池就能自我调节，不用我天天盯着。
代码示例：资金池分配逻辑
下面是一个简单的Python实现，展示了如何按风险预算分配资金：
class FundPool:
def __init__(self, total_capital):
self.total = total_capital
self.pools = {
'L1': {'ratio': 0.6, 'capital': 0, 'risk_limit': 0.05},
'L2': {'ratio': 0.3, 'capital': 0, 'risk_limit': 0.10},
'L3': {'ratio': 0.1, 'capital': 0, 'risk_limit': 0.02}
}
self._allocate()
def _allocate(self):
"""按比例分配资金"""
for name, pool in self.pools.items():
pool['capital'] = self.total * pool['ratio']
def get_risk_budget(self, pool_name):
"""计算风险预算"""
pool = self.pools[pool_name]
return pool['capital'] * pool['risk_limit']
def rebalance(self, strategy_performance):
"""动态调整：根据策略表现微调"""
# 策略表现：{'strategy_A': {'sharpe': 1.5, 'max_dd': 0.03}}
for name, perf in strategy_performance.items():
if perf['max_dd'] > 0.08: # 回撤超过8%
# 降低该策略的资金分配
self.pools['L2']['capital'] *= 0.9
# 多余资金转到L3
self.pools['L3']['capital'] += self.pools['L2']['capital'] * 0.1
def emergency_stop(self, daily_loss):
"""紧急熔断"""
if daily_loss > self.total * 0.01:
print("触发熔断！暂停所有策略")
return True
return False这段代码虽然简单，但核心逻辑都在了。实际生产环境中，你还需要加上日志、报警、回测验证等模块。
注意：
代码中的风险参数（0.05、0.10等）需要根据你的策略回测结果来设定。不要照搬我的数值。每个市场、每个策略的风险特征都不一样。
好了，资金池架构这块就聊到这儿。说白了，没有完美的架构，只有适合你的架构。单一资金池适合小团队、低频率交易。多层级资金池适合大资金、多策略并行。关键是要想清楚：你的风险承受能力是多少？你的策略有多少个？你的管理能力跟不跟得上？
想清楚了，再动手搭池子。