4、库存平衡策略：目标库存水平设定、库存偏离的调整机制、均值回归策略、库存平衡的数学建模
库存管理，说白了就是做市商的核心命门。你策略再牛，订单流再快，库存管不好，一把就能把你打回原形。我见过太多团队，alpha 因子挖得漂亮，最后却栽在库存失衡上——方向做反了，仓位扛不住，爆仓离场。
这一章，咱们就聊聊怎么把库存管明白。我会从目标水平设定讲起，再到偏离后的调整机制，最后用数学把整个逻辑串起来。
4.1 目标库存水平设定
先问个问题：你的库存应该维持在多少？
很多人觉得是零。嗯，零库存确实最安全，没有方向性风险。但你想过没有，零库存也意味着你放弃了所有库存带来的收益机会。比如你判断某个币种短期会涨，手里没货，那这波行情你就只能干瞪眼。
我个人习惯把目标库存设为一个动态区间，而不是一个固定值。具体来说：
- 基准库存：根据历史波动率和流动性，算出一个中性水平。比如 BTC/USDT 这个交易对，我通常设基准为 0。
- 上下边界：在基准基础上加减一个容忍度。容忍度怎么定？看你的风险预算。我一般用 VaR 的 1% 分位数来算。
- 方向性偏移：如果你有短期方向性判断，可以主动偏移目标。比如我看多，就把目标库存上调 10%。
核心公式：目标库存 = 基准库存 + 方向性偏移
其中，方向性偏移 = 信号强度 × 最大偏移量
举个例子。假设 ETH/USDT 的基准库存是 0，最大偏移量是 100 ETH。如果我的短期信号强度是 0.3（范围 0~1），那目标库存就是 0 + 0.3 × 100 = 30 ETH。这意味着我允许自己持有 30 个 ETH 的多头仓位。
4.2 库存偏离的调整机制
设好了目标，接下来就是执行。实际交易中，库存会不断偏离目标——可能是被动吃单导致的，也可能是主动做市积累的。
偏离了怎么办？我的做法分三步：
- 监测偏离度：实时计算当前库存与目标库存的差值。偏离度 = 当前库存 - 目标库存。
- 触发阈值：设定一个阈值，比如 20 ETH。偏离超过这个值，就启动调整。
- 执行调整：通过调整报价或直接交易，把库存拉回目标区间。
这里有个坑。我曾经在某个项目里，把调整阈值设得太小，结果市场稍微一波动，系统就频繁调整，手续费吃掉了一大块利润。后来我学乖了，阈值至少设成日均成交量的 0.5%。
避坑指南：调整频率不要太高。我曾经在 2021 年的牛市中，把调整间隔设成 1 秒，结果系统在震荡行情里来回折腾，一天亏了 3% 的手续费。后来改成每 10 秒检查一次，效果好了很多。
调整机制的具体实现，我通常用两种方式：
- 被动调整：调整买卖报价的价差和深度。比如库存偏多，就降低卖价、提高买价，吸引对手方来吃你的单。
- 主动调整：直接下市价单或限价单，把库存平掉一部分。这种方式成本高，但速度快。
我个人更倾向于被动调整，因为成本低。只有在偏离特别严重（比如超过 2 倍阈值）时，才会用主动调整。
4.3 均值回归策略
均值回归，说白了就是赌库存会回到目标水平。这个策略在震荡市中特别好用，但在趋势市中容易被打脸。
核心逻辑很简单：当库存偏离目标时，你预期它会回归，所以你在偏离方向上加大做市力度。比如库存偏多，你就更积极地卖，同时减少买。
具体怎么实现？我一般用这个公式：
# 均值回归调整系数
deviation = current_inventory - target_inventory
adjustment = -k * deviation
# 调整后的报价
adjusted_bid = base_bid + adjustment
adjusted_ask = base_ask + adjustment
这里的 k 是回归速度系数。k 越大，调整越激进。我通常设 k = 0.1，这样偏离 100 ETH 时，报价会偏移 10 个 tick。
小技巧：k 值可以根据市场波动率动态调整。波动率大时，k 设小一点，避免被来回打脸；波动率小时，k 可以设大一点，加速回归。
我记得在 2022 年的一个项目中，市场突然进入低波动期，我忘了调 k 值，结果库存偏离后调整太慢，错过了好几波回归行情。后来我写了个自动调参模块，根据 5 分钟波动率实时更新 k 值，效果立竿见影。
4.4 库存平衡的数学建模
最后，咱们用数学把整个逻辑串起来。库存平衡本质上是一个随机控制问题。
先定义几个变量：
- I(t)：t 时刻的库存
- I*：目标库存
- D(t) = I(t) - I*：库存偏离
- λ：调整强度
- σ：库存波动率
库存的动态可以用随机微分方程描述：
dI(t) = -λ * D(t) * dt + σ * dW(t)
这个方程的意思是：库存的变化由两部分组成。第一部分是均值回归项，-λ * D(t) * dt，它会把库存拉向目标。第二部分是随机项，σ * dW(t)，代表市场噪声。
解这个方程，可以得到库存偏离的期望和方差：
| 指标 | 公式 | 说明 |
|---|---|---|
| 期望偏离 | E[D(t)] = D(0) * e^(-λt) | 偏离会指数衰减到 0 |
| 方差 | Var[D(t)] = σ² / (2λ) * (1 - e^(-2λt)) | 方差会收敛到 σ²/(2λ) |
这个模型告诉我们两件事：
- λ 越大，回归越快，但方差也越小——说白了就是更稳定。
- σ 越大，库存波动越剧烈，需要更强的调整力度。
在实际应用中，我通常用这个模型来校准参数。比如，我希望库存偏离在 10 秒内衰减到初始值的 10%，那就可以解出 λ = -ln(0.1) / 10 ≈ 0.23。
实战建议：不要盲目追求快速回归。λ 太大，会导致报价频繁跳动，增加滑点成本。我一般把 λ 控制在 0.1~0.3 之间，具体看交易对的流动性。
下面这张图展示了整个库存平衡策略的流程：
嗯，这个流程看起来简单，但每个环节都有细节。比如阈值怎么设、调整力度怎么控、回归速度怎么调，都需要根据实际数据反复校准。
最后说一句：库存平衡不是一劳永逸的事。市场在变，你的参数也得跟着变。我每周都会回测一次模型，看看参数是否还适用。如果发现偏离回归的速度变慢了，就调一调 λ；如果波动率变了，就改一改阈值。
做市商这行，细节决定成败。库存管理更是如此。