第三章 库存管理模型：库存风险、库存成本、最优报价与库存水平的关系、Avellaneda-Stoikov模型简介
做市商的核心工作，说白了就是「低买高卖」赚差价。但这里有个很现实的问题——你手里囤的货怎么办？
我刚开始做市商那会儿，有次在ETH上挂了大量买单，结果行情突然跳水。我手里攥着一堆高位接盘的货，账面浮亏看得我心惊肉跳。那次之后我才真正意识到：库存管理，才是做市商的命门。
库存风险：你手里的货，就是你的风险敞口
库存风险，也叫存货风险。你想想看，做市商在市场上同时挂买单和卖单，本质上就是在「赌」价格不会剧烈波动。但市场哪会听你的？
库存风险主要来自三个方面：
- 价格波动风险：你手里囤了100个ETH，价格跌了5%，账面直接亏掉5%。这是最直接的损失。
- 流动性风险：行情不好的时候，你想平仓都平不掉。我记得2020年3月12日那天，很多做市商的止损单根本成交不了，因为市场深度直接消失了。
- 基差风险：现货和期货之间的价差变化，也会影响你的库存价值。这个在跨期套利里特别明显。
核心观点：库存风险的本质，是你把「流动性」换成了「存货」。你赚的是流动性溢价，但承担的是存货贬值的风险。
库存成本：不只是资金成本那么简单
很多人以为库存成本就是「借钱的利息」，其实远不止这些。我给大家拆解一下：
| 成本类型 | 说明 | 实际案例 |
|---|---|---|
| 资金成本 | 持仓占用的资金，如果借来的还要付利息 | 借USDT年化8%，持仓100万USDT，每天成本约219美元 |
| 机会成本 | 这笔钱如果不持仓，可以做其他交易赚更多 | 错过了一波趋势行情，少赚了3% |
| 滑点成本 | 平仓时因为市场深度不够，被迫接受更差的价格 | 想卖100个BTC，结果把价格砸下去0.2% |
| 管理成本 | 监控仓位、调整策略、风控的人力物力 | 需要专人盯盘，或者开发自动化系统 |
嗯，这里要注意：机会成本往往被新手忽略。我见过很多做市商，明明手里有更好的交易机会，但因为库存压着资金，只能眼睁睁看着行情走。
最优报价与库存水平的关系
这个问题很有意思。你想想看，如果你手里库存很多，你会怎么报价？
直觉上，库存多的时候，你应该降低卖单价、提高买单价，这样更容易卖出、更难买入，从而降低库存。反过来，库存少的时候，你应该提高卖单价、降低买单价，吸引更多买入。
但实际没那么简单。这里有个关键变量——你对未来价格的预期。
我的经验：库存管理不是简单的「多就卖、少就买」。你要结合市场趋势来判断。如果趋势向上，库存多点反而是好事；如果趋势向下，库存越少越好。
最优报价策略可以用一个简单的公式来表达：
最优卖单价 = 中间价 + 库存调整项 + 市场波动调整项
最优买单价 = 中间价 - 库存调整项 - 市场波动调整项其中，库存调整项取决于你的目标库存水平和当前库存的差距。差距越大，调整幅度越大。
Avellaneda-Stoikov模型简介
说到库存管理模型，就不得不提Avellaneda-Stoikov模型。这是2008年由Marco Avellaneda和Sasha Stoikov提出的经典模型，现在很多做市商系统都在用。
这个模型的核心思想很简单：做市商应该根据库存水平动态调整报价。
模型假设做市商是风险厌恶的，有一个风险厌恶系数γ。库存偏离目标水平越远，报价偏移就越大。具体来说：
- 库存为正（手里有货）：降低卖单价，提高买单价，鼓励卖出、抑制买入
- 库存为负（空头持仓）：提高卖单价，降低买单价，鼓励买入、抑制卖出
- 库存为零：对称报价，赚取买卖价差
模型还考虑了时间因素。距离交易结束时间越近，做市商越急于平仓，报价调整幅度就越大。
模型核心公式：
最优报价偏移 = - (γ * σ² * (T - t) * q) / 2其中：γ是风险厌恶系数，σ是波动率，T-t是剩余时间，q是当前库存
我在实际项目中用过这个模型。说实话，直接套用效果一般，因为市场条件太复杂了。但它的思想非常有用——把库存管理量化、系统化。
避坑指南：我曾经在波动率特别大的时候，把γ设得太高，结果报价偏移过大，频繁被套利者吃掉。后来我加了一个波动率自适应模块，才解决了这个问题。
知识体系总览
下面这张图，是我自己整理的库存管理知识体系。你可以把它当作一个思维导图来看：
这张图把库存管理的四个核心模块串起来了。你从中心往外看，每个模块都不是孤立的——库存风险影响成本，成本影响报价，报价又反过来影响库存水平。Avellaneda-Stoikov模型就是把这些关系量化了。
我个人觉得，做市商最难的还不是理解这些模型，而是在实战中找到适合自己的参数。每个市场的流动性、波动率、交易者行为都不一样，没有一套参数能通吃所有场景。
好了，这一章的内容就到这里。库存管理是个系统工程，需要你在实战中慢慢打磨。下一章我们会聊到更具体的做市策略，到时候再细说。