4、库存限额管理：绝对限额、相对限额、动态限额、VaR限额、希腊字母限额
做市商的核心命脉是什么？说白了，就是库存风险。
你赚的那点买卖价差，可能一次库存失控就全赔进去了。我见过太多团队，策略赚钱时风光无限，结果一次黑天鹅事件，库存爆仓，直接归零。所以，库存限额管理，是每个做市商必须守住的底线。
今天我们就来聊聊五种主流的限额方法。每种方法我都用过，踩过坑，也总结了一些实战经验。
4.1 绝对限额：最基础，也最直接
绝对限额，就是给库存设一个硬上限。比如，我规定ETH的库存不能超过1000个。到了这个数，系统自动停止买入，甚至强制减仓。
这方法简单粗暴，适合新手团队。我在早期做市时就用这个，因为那时候风控系统还不完善，怕出事。
举个例子：
# 伪代码示例
MAX_INVENTORY = 1000 # 绝对限额
def check_inventory(position):
if position > MAX_INVENTORY:
trigger_risk_control("库存超限，强制减仓")
else:
continue_trading()但这里有个坑。绝对限额不会考虑市场波动。如果ETH价格翻倍，你手里1000个ETH的风险敞口其实已经翻倍了。所以，它只适合波动率低的品种，或者作为最后一道防线。
4.2 相对限额：考虑账户规模
相对限额，就是库存上限跟你的总资产挂钩。比如，我规定ETH库存不能超过总资产的20%。
这样做的好处是，账户规模增长时，你的风险承受能力也变强了，限额会自动上调。反过来，如果亏了钱，限额也会自动收紧。
公式很简单：
相对限额 = 总资产 × 限额比例我个人习惯把比例设在10%-30%之间，具体看品种的流动性。流动性好的，比例可以高一点；流动性差的，比如一些山寨币，我建议控制在5%以内。
我曾经在一个做市项目里，把某个小币种的相对限额设到了25%。结果一次深度砸盘，流动性瞬间枯竭，我根本出不了货。那次教训让我明白：相对限额虽然灵活，但必须考虑市场深度。
4.3 动态限额：随市场变化
动态限额，就是让限额跟着市场波动走。市场波动大，限额自动降低；市场平稳，限额适当放宽。
实现方式有很多种。我常用的是基于历史波动率（HV）或ATR（平均真实波幅）来调整。
举个例子：
def dynamic_limit(base_limit, volatility):
# 波动率越高，限额越低
adjusted_limit = base_limit / (1 + volatility * k)
return adjusted_limit这里的k是一个调节系数，我一般取2-5。波动率翻倍时，限额会降到原来的三分之一左右。
嗯，这里要注意：动态限额的响应速度不能太快。我曾经把窗口期设得太短，结果市场一震荡，限额频繁变动，交易系统反而乱了。后来我改成用1小时窗口的波动率，效果就好多了。
4.4 VaR限额：量化风险
VaR（Value at Risk）限额，是目前机构用得最多的方法。它回答的问题是：在95%或99%的置信水平下，我的库存最多可能亏多少钱？
比如，我计算出来VaR(95%) = 10万U。意思就是，有95%的概率，我的库存一天内亏损不会超过10万U。那我的限额就可以设为：VaR不能超过总资产的5%。
计算VaR的方法有三种：
- 参数法： 假设收益率服从正态分布，直接用均值和标准差算。速度快，但假设太强。
- 历史模拟法： 用过去N天的收益率数据，直接取分位数。我比较推荐这个，因为它不依赖分布假设。
- 蒙特卡洛模拟： 随机生成大量路径，模拟未来价格。精度高，但计算量大。
我在项目中主要用历史模拟法。简单说，就是取过去500天的日收益率，排序后取第5%的分位数，再乘以当前库存价值。
# 历史模拟法计算VaR
import numpy as np
def calculate_var(returns, position_value, confidence=0.95):
sorted_returns = np.sort(returns)
index = int((1 - confidence) * len(sorted_returns))
var_percent = sorted_returns[index]
var_value = abs(var_percent) * position_value
return var_valueVaR限额的好处是，它把不同品种的风险统一到了一个维度——钱。你可以比较BTC和ETH的VaR，然后统一管理。
4.5 希腊字母限额：期权做市商的必修课
如果你做的是期权做市，那绝对限额、相对限额这些就不够用了。期权的风险是多维的，你得用希腊字母来管理。
常用的希腊字母限额包括：
| 希腊字母 | 含义 | 限额方式 |
|---|---|---|
| Delta (Δ) | 价格风险 | Delta绝对值 ≤ 总资产的X% |
| Gamma (Γ) | Delta变化速度 | Gamma敞口 ≤ 阈值 |
| Vega (ν) | 波动率风险 | Vega敞口 ≤ 阈值 |
| Theta (Θ) | 时间衰减 | Theta为正（收时间价值） |
| Rho (ρ) | 利率风险 | 通常忽略，除非利率波动大 |
我个人最关注的是Delta和Gamma。Delta决定了你的方向性风险，Gamma决定了你调整仓位的成本。
举个例子，我规定Delta敞口不能超过总资产的2%。如果BTC价格波动1%，我的库存价值波动不能超过总资产的2%。这样就把风险控制在了可接受范围内。
Gamma限额更微妙。Gamma高意味着Delta变化快，你需要频繁调仓。我曾经在一个深度虚值期权上Gamma敞口过大，结果价格一波动，Delta瞬间翻倍，我手忙脚乱地补仓，最后亏了不少手续费。
4.6 如何组合使用？
这五种限额方法不是互斥的。在实际项目中，我通常把它们组合成一个多层风控体系：
- 第一层：绝对限额 —— 硬止损，防止系统故障或极端行情。
- 第二层：相对限额 —— 根据账户规模动态调整。
- 第三层：动态限额 —— 根据市场波动率调整。
- 第四层：VaR限额 —— 统一量化风险。
- 第五层：希腊字母限额 —— 针对期权等衍生品。
每一层都是独立的，只要有一层触发，系统就会报警或自动减仓。这样即使某一层失效，其他层还能兜底。
下面这张图展示了整个库存限额管理的核心逻辑：
最后说一句：限额不是越紧越好。太紧的限额会让你频繁触发风控，影响做市效率。太松又等于没设。找到那个平衡点，才是真本事。
我个人习惯是，先用历史数据回测，看看不同限额下策略的表现。然后上线时先设保守一点，运行一段时间后再逐步放宽。这样既安全，又能找到最优参数。
公众号:蓝海资料掘金营，微信deep3321