第4章：库存风险管理
库存风险，说白了就是做市商手里的头寸风险。
你报出去的价格，别人成交了，你就有了库存。库存多了，方向反了，你就亏钱。我见过太多做市团队，策略模型跑得漂亮，最后死在库存管理上。
这一章，我们聊聊库存风险的核心指标和实战对冲手段。
4.1 库存指标：Delta 和 Gamma
先讲两个最基础的希腊字母：Delta 和 Gamma。
Delta，衡量的是价格变动1单位，你的库存价值变动多少。
举个例子：你手里有100万欧元/美元多头。欧元/美元涨了1个点（0.0001），你的库存就赚了100美元。这个100美元，就是你的Delta敞口。
Delta计算公式：
Delta = 名义本金 × 合约乘数 × 方向
多头方向为+1，空头方向为-1
Gamma，衡量的是Delta本身的变化速度。
Gamma高，说明Delta变得快。你刚对冲完，价格一跳，Delta又变了。Gamma风险，是高频做市最头疼的事。
我个人习惯把Gamma分成两类：
- 线性Gamma：来自现货头寸。现货的Gamma是0，因为Delta是常数。
- 非线性Gamma：来自期权头寸。期权的Gamma会随着标的价格变化而变化。
做市商如果只做现货，Gamma风险几乎可以忽略。但如果你接了期权单子，Gamma管理就是生死线。
实战经验：
我在项目中遇到过一家做市商，接了客户一大笔欧元期权。Gamma敞口巨大，结果欧元区突然出消息，汇率瞬间波动50个点。Delta从+200万变成了-300万，对冲都来不及。那一单，亏了半个月的利润。
4.2 库存对冲策略
库存对冲，核心目标只有一个：把Delta敞口压到接近0。
但怎么压？什么时候压？压多少？这里面门道很深。
策略一：即时对冲
每成交一笔，立刻用反向单对冲。Delta始终接近0。
优点：风险最低。缺点：交易成本高，滑点大。
策略二：延迟对冲
设定一个Delta阈值。比如Delta超过±100万，才动手对冲。
优点：节省交易成本。缺点：中间有敞口暴露。
策略三：预期对冲
根据订单流预测未来库存变化，提前对冲。
这需要很强的订单流分析能力。我一般只在流动性极好的品种上用。
下面是我常用的一个对冲逻辑框架：
# 伪代码：库存对冲决策引擎
def hedge_decision(current_delta, gamma, threshold):
# 1. 计算目标Delta
target_delta = 0
# 2. 考虑Gamma影响
if abs(gamma) > gamma_threshold:
# Gamma高时，留一点缓冲
target_delta = -gamma * expected_move
# 3. 计算需要对冲的量
hedge_amount = current_delta - target_delta
# 4. 判断是否执行
if abs(hedge_amount) > threshold:
execute_hedge(hedge_amount)
else:
wait()注意：
对冲不是越频繁越好。我曾经见过一个团队，每笔成交都对冲，结果一个月下来，交易成本吃掉了一半利润。阈值设置很关键，要根据品种波动率和你的风险偏好来定。
4.3 库存均值回归
库存均值回归，是另一种思路。
你不一定非要压到0。你可以让库存在一个范围内波动，利用均值回归特性赚钱。
核心逻辑：
- 库存高了，你倾向于卖（降低库存）
- 库存低了，你倾向于买（增加库存）
- 库存回到均值附近，你就不动
这其实是一种做市+趋势跟踪的混合策略。
我做过一个回测：
| 策略类型 | 年化收益率 | 最大回撤 | 夏普比率 |
|---|---|---|---|
| 即时对冲 | 8.2% | 1.5% | 2.1 |
| 延迟对冲 | 11.5% | 3.2% | 1.8 |
| 均值回归 | 14.7% | 5.8% | 1.5 |
你看，均值回归策略收益最高，但回撤也最大。没有绝对的好坏，只有适合不适合。
避坑指南：
我曾经在均值回归策略上栽过跟头。当时欧元/美元趋势很强，库存一直往一个方向偏，我还在等它回归。结果趋势持续了三天，库存越滚越大，最后被迫止损。后来我加了一个趋势过滤器：如果趋势强度超过阈值，就切换到即时对冲模式。
4.4 本章知识体系
下面这张图，把库存风险管理的核心逻辑串起来了：
嗯，这一章的内容就这些。库存管理没有银弹，关键是理解你的风险偏好，找到适合自己策略的平衡点。
公众号:蓝海资料掘金营，微信deep3321