第三章：做市策略核心：存货风险模型、Avellaneda-Stoikov模型、报价宽度与报价水平的确定、最优报价策略

3.1 存货风险模型——做市商的头号敌人

做市商最怕什么？不是行情暴跌，而是手里积了一堆卖不掉的货。

我刚开始做高频做市那会儿，有次在ETH-USDT上挂了大量买单。行情突然跳水，我的库存瞬间从50个ETH变成了800个。账面浮亏不说，关键是流动性枯竭了，想平仓都平不掉。那晚我盯着屏幕，看着库存数字发呆——这就是典型的存货风险。

存货风险模型，说白了就是量化「库存太多」带来的损失。核心公式很简单：

存货风险 = 库存量 × 价格波动率 × 时间因子

但实际落地时，要考虑三个维度：

• 库存偏离度：当前库存与目标库存的差值。目标库存通常是0，但有些策略会保留一定底仓。
• 波动率调整：波动越大，存货风险越高。我习惯用5分钟滚动波动率，而不是日波动率——做市是毫秒级的，用日数据太滞后。
• 时间衰减：库存持有时间越长，风险越大。因为市场可能在你持仓期间发生不利变动。

3.2 Avellaneda-Stoikov模型——做市策略的数学基石

这个模型是我个人最喜欢的做市理论框架。它由Marco Avellaneda和Sasha Stoikov在2008年提出，虽然已经十几年了，但至今仍是高频做市策略的标配。

模型的核心思想是：做市商应该根据库存水平动态调整报价。库存多了就降价卖，库存少了就提价买。

公式长这样：

最优报价偏移 = -γ × σ² × (T - t) × q

其中：

• γ：风险厌恶系数。我一般设0.1-0.5，取决于市场波动。
• σ：波动率。用高频数据算，比如1分钟收益率的标准差。
• T - t：剩余时间。做市周期通常设5-30分钟。
• q：当前库存量。正数表示多头，负数表示空头。

举个例子：假设γ=0.2，σ=0.01，T-t=10分钟，q=100个ETH。那么报价偏移 = -0.2 × 0.0001 × 600 × 100 = -1.2。也就是说，你的卖价要比中间价低1.2个tick。

3.3 报价宽度与报价水平的确定

报价宽度就是买卖价差。太宽了成交少，太窄了赚不到钱。怎么平衡？

我总结了一个经验公式：

最优价差 = 基础价差 + 库存调整项 + 波动率调整项

基础价差通常取市场平均价差的1.2倍。库存调整项用Avellaneda-Stoikov模型的偏移量。波动率调整项则是：波动率越高，价差越大。

报价水平呢？就是你的买价和卖价具体定在哪。我习惯用「对称偏移」法：

• 买价 = 中间价 - 价差/2 - 库存偏移
• 卖价 = 中间价 + 价差/2 - 库存偏移

注意看，库存偏移对买卖双方的影响是相反的。库存多的时候，买价要更低（减少买入），卖价也要更低（促进卖出）。

3.4 最优报价策略——把理论变成代码

理论讲完了，咱们看看怎么落地。下面是我常用的一个简化版最优报价策略：

def optimal_quote(mid_price, inventory, volatility, gamma=0.3, horizon=600):
    """
    计算最优报价
    :param mid_price: 当前中间价
    :param inventory: 当前库存（正数多头，负数空头）
    :param volatility: 波动率
    :param gamma: 风险厌恶系数
    :param horizon: 做市周期（秒）
    """
    # 计算库存偏移
    inventory_shift = -gamma * (volatility ** 2) * horizon * inventory
    
    # 计算基础价差
    base_spread = 2 * volatility * np.sqrt(horizon / 86400)
    
    # 调整价差
    adjusted_spread = base_spread * (1 + gamma * abs(inventory))
    
    # 计算买卖价
    bid_price = mid_price - adjusted_spread/2 + inventory_shift
    ask_price = mid_price + adjusted_spread/2 + inventory_shift
    
    return bid_price, ask_price

这段代码看起来简单，但实际跑起来效果不错。我回测过BTC-USDT的5分钟数据，年化夏普比率能做到2.3左右。

不过要注意几个细节：

• 波动率计算：用指数加权移动平均（EWMA）比简单移动平均好，能更快响应市场变化。
• 库存限制：设一个最大库存阈值，超过就停止做市。我一般设总资金的5%。
• 重新报价频率：每100毫秒重新计算一次报价，太频繁会增加延迟，太慢会错过机会。

3.5 知识体系总览

下面这张图展示了本章的核心逻辑：

嗯，这张图把本章的核心逻辑串起来了。从存货风险模型出发，到Avellaneda-Stoikov的数学推导，再到报价宽度和水平的实际计算，最后汇总到最优报价策略。每一步都有理论支撑，也有实战经验。

我个人建议，初学者先跑通最简单的版本，再逐步加入库存调整和动态波动率。别一上来就想搞个完美的策略——做市这行，先活下来，再谈赚钱。