第4章多策略协同框架

4、多策略协同框架：策略分类、协同逻辑与风险预算分配

做市这行干久了，你会发现一个道理：没有哪个单一策略能永远赚钱。我见过太多团队，手里攥着一个好策略就死磕到底，结果市场风格一变，回撤直接把人打懵。说白了，做市不是赌方向，而是靠组合拳吃饭。

今天咱们聊聊多策略协同。这不是什么花架子，而是实打实的生存技能。我个人习惯把策略分成几大类，然后像调鸡尾酒一样，按比例搭配。嗯，这里面的门道，我踩过的坑不少，今天一并倒给你。

4.1 策略分类：三大核心类型

做市策略千千万，但万变不离其宗。我一般把它们归为三类：

方向性策略：赌价格涨跌。比如趋势跟踪、均值回归。这类策略收益高，但风险也大。
套利策略：吃价差。比如跨期套利、期现套利。收益稳，但容量有限。
做市策略：赚买卖价差和返佣。比如订单簿做市、被动挂单。这是我们的基本功，胜率高，但单笔利润薄。

你想想看，如果只靠做市策略，遇到单边行情，库存风险能把你压垮。反过来，如果只做方向性策略，震荡市里来回打脸。所以，协同才是王道。

核心观点：多策略协同不是简单叠加，而是让不同策略在时间、空间、风险上互补。一个策略亏钱时，另一个策略能顶上。

4.2 协同逻辑：它们怎么配合？

我在项目中遇到过最典型的场景：ETF上市首日，波动巨大。做市策略的挂单被频繁吃掉，库存方向完全被动。这时候，如果有一个均值回归策略在反向开仓，就能把库存成本拉回来。

协同逻辑其实就三条：

时间错配：短线策略（如做市）负责高频交易，长线策略（如趋势）负责捕捉大波段。两者互不干扰。
风险对冲：方向性策略和套利策略天然对冲。比如你持有多头ETF，同时做空股指期货，市场跌了也不怕。
资金效率：做市策略占用资金少，但周转快；套利策略占用资金多，但收益稳。两者搭配，资金利用率最高。

举个例子。我记得有一次做沪深300ETF做市，盘中突然出现大单砸盘。做市策略的库存瞬间变成净多头，浮亏很大。但我的套利策略监测到期货贴水扩大，立刻开了反向套利仓。结果呢？做市亏的钱，被套利赚回来了。这就是协同的力量。

避坑指南：我曾经犯过一个错——让两个策略在同一时间、同一方向上加仓。结果市场反转，双重亏损。后来我定了个规矩：任何两个策略的相关性不能超过0.3。超过就砍掉一个。

4.3 风险预算分配：钱怎么分？

这是最核心的部分。很多新手上来就问：「哪个策略最赚钱？」我一般会反问：「你能承受多大回撤？」

风险预算分配，说白了就是给每个策略定一个亏损上限。我个人习惯用「风险平价」的思路：

做市策略：分配40%的风险预算。因为它胜率高，回撤小。
套利策略：分配35%的风险预算。收益稳，但偶尔有滑点风险。
方向性策略：分配25%的风险预算。波动大，但收益弹性高。

当然，这不是死数字。市场波动率变化时，我会动态调整。比如VIX飙升时，我会降低方向性策略的预算，把钱挪给做市策略。

下面这张图，是我自己常用的多策略协同框架。你看一眼就明白了：

你看，这个框架的核心就是分类、协同、分配三步走。每一步都有讲究。

4.4 实战中的动态调整

理论说完了，聊聊实战。我一般每天开盘前做三件事：

检查策略相关性：如果两个策略最近一周的收益相关性超过0.5，我会手动降低其中一个的权重。
调整风险预算：根据隔夜波动率，重新分配各策略的亏损上限。波动率高了，方向性策略的预算砍一半。
设置止损线：每个策略单独设止损，总账户也设止损。哪个先到，哪个先停。

举个例子。有一次市场突然降准，ETF瞬间暴涨2%。我的做市策略库存全是空的，浮亏很大。但方向性策略监测到突破，立刻开了多头。结果呢？做市亏了5万，方向性赚了8万，整体还是赚的。这就是协同的价值。

注意：多策略协同不是万能药。如果市场出现极端行情（比如熔断），所有策略可能同时失效。这时候，唯一的办法就是减仓、减仓、再减仓。别指望策略能救你，仓位管理才是最后的防线。

4.5 代码示例：风险预算分配器

下面是我自己用的一个简化版风险预算分配器。你拿去改改就能用：

class RiskBudgetAllocator:
    def __init__(self, total_risk=1000000):
        self.total_risk = total_risk
        self.budgets = {
            'market_making': 0.40,
            'arbitrage': 0.35,
            'directional': 0.25
        }
    
    def adjust_by_volatility(self, vix_level):
        """根据VIX调整预算"""
        if vix_level > 30:
            self.budgets['directional'] *= 0.5
            self.budgets['market_making'] += 0.125
            self.budgets['arbitrage'] += 0.125
        elif vix_level < 15:
            self.budgets['directional'] *= 1.2
            self.budgets['market_making'] *= 0.9
            self.budgets['arbitrage'] *= 0.9
    
    def get_allocations(self):
        """返回各策略的风险预算"""
        return {k: v * self.total_risk for k, v in self.budgets.items()}

# 使用示例
allocator = RiskBudgetAllocator(total_risk=1000000)
allocator.adjust_by_volatility(vix_level=35)
print(allocator.get_allocations())
# 输出：{'market_making': 525000, 'arbitrage': 475000, 'directional': 125000}

这段代码很简单，但核心逻辑都在里面了。你想想看，如果VIX到了35，方向性策略的预算从25万砍到12.5万，是不是安全多了？

个人经验：我建议你把风险预算分配做成自动化脚本，每天开盘前跑一遍。别手动调，人容易受情绪影响。机器不会恐慌，也不会贪婪。

好了，多策略协同框架就聊到这儿。记住一句话：做市不是单打独斗，而是团队作战。把策略分类、协同逻辑、风险预算分配这三件事做好，你的账户曲线会平滑很多。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

4、多策略协同框架：策略分类、协同逻辑与风险预算分配

4.1 策略分类：三大核心类型

4.2 协同逻辑：它们怎么配合？

4.3 风险预算分配：钱怎么分？

4.4 实战中的动态调整

4.5 代码示例：风险预算分配器