4.9 做市系统

一句话总结：没有做市的预测市场=空市场——流动性是市场的生命线。

📊 学习进度
状态：⬜ 未开始
上次实时更新：2026-07-03
预计时长：4-5 小时
已完成：0/3 个模块
在整体流程中的位置：预测市场实战·第 6 阶段

📍 本章定位
服务方案：方案 3（核心 90%）
学习方式：🔥 推荐
在流程中的作用：提供市场流动性
核心知识点：做市策略、价差管理、库存控制、尾盘处理
预计时长：4-5 小时
完成后能做什么：能搭建基础做市系统

人机分工

环节	谁做	重要度	说明
做市策略设计	🧑 人	⭐⭐⭐⭐⭐	基于金融知识
策略实现	🤖 AI	⭐⭐⭐⭐	AI 生成代码
参数调优	🤖 AI + 🧑 人	⭐⭐⭐⭐	AI 回测，人决策
风控监控	🤖 AI	⭐⭐⭐⭐	AI 实时监控

1. 做市系统概述

1.1 什么是做市

做市（Market Making）是指做市商同时挂出买单和卖单，为市场提供流动性，并通过买卖价差获利的行为。在预测市场中，做市商是市场的"润滑剂"，没有做市商，市场就会变成"死盘"。

1.2 为什么预测市场需要做市

没有做市	有做市
买卖价差大（>10%）	价差小（<2%）
大单无法成交	大单可拆分成交
价格波动剧烈	价格相对稳定
用户体验差	用户体验好
市场变成死盘	市场活跃

1.3 做市系统架构

2. 五种做市策略详解

2.1 策略总览

策略	功能	触发时机	核心参数
初始化做市	创建初始流动性	市场创建时	初始价格、初始深度
盘中做市	维持盘口深度	交易进行中	深度、波动率、风险敞口、动态价差
信息实时变动策略	根据新信息调整价格	有新信息时	AI 信号、价格调整幅度
尾盘策略	防止尾盘失真	接近结算时	价格收敛策略
对冲策略	控制风险敞口	库存单边积累时	对冲比例、对冲标的

2.2 初始化做市

初始化做市是在市场创建时，为市场提供初始流动性。

核心逻辑：

typescript

interface InitMarketMakingParams {
  eventId: string;
  initialPrice: number;    // 初始价格，如 0.50
  initialDepth: number;    // 初始深度，如 $1000
  spread: number;          // 初始价差，如 0.02 (2%)
  levels: number;          // 挂单层数，如 5
}

function initializeMarketMaking(params: InitMarketMakingParams): Order[] {
  const orders: Order[] = [];
  const { initialPrice, initialDepth, spread, levels } = params;
  
  const depthPerLevel = initialDepth / levels;
  
  for (let i = 0; i < levels; i++) {
    const offset = i * spread;
    
    // 买单：价格递减
    orders.push({
      side: 'YES',
      orderType: 'LIMIT',
      price: initialPrice - spread / 2 - offset,
      quantity: depthPerLevel / (initialPrice - spread / 2 - offset)
    });
    
    // 卖单：价格递增
    orders.push({
      side: 'NO',
      orderType: 'LIMIT',
      price: initialPrice + spread / 2 + offset,
      quantity: depthPerLevel / (1 - initialPrice - spread / 2 - offset)
    });
  }
  
  return orders;
}

2.3 盘中做市

盘中做市是做市系统的核心，负责在交易进行中维持盘口深度。

维度	低值时的策略	高值时的策略
深度	增加挂单量	减少挂单量
波动率	收窄价差	扩大价差
风险敞口	减少单边持仓	对冲
动态价差	提高做市收益	降低做市风险

盘中做市核心算法：

typescript

class MarketMaker {
  private position: number = 0;  // YES 库存（正=多，负=空）
  private maxPosition: number = 1000;  // 最大库存
  
  /**
   * 计算做市报价
   */
  calculateQuotes(
    midPrice: number,
    volatility: number,
    depth: number,
    inventory: number
  ): { bid: number; ask: number; bidSize: number; askSize: number } {
    // 1. 基础价差 = 波动率 * 系数
    const baseSpread = volatility * 0.5;
    
    // 2. 库存调整：库存偏多时降低买价，偏空时提高卖价
    const inventorySkew = inventory / this.maxPosition * 0.02;
    
    // 3. 深度调整：深度不足时扩大挂单量
    const depthMultiplier = Math.max(1, 1000 / depth);
    
    // 4. 计算买卖价格
    const bid = midPrice - baseSpread / 2 - inventorySkew;
    const ask = midPrice + baseSpread / 2 - inventorySkew;
    
    // 5. 计算挂单量
    const baseSize = 100 * depthMultiplier;
    const bidSize = inventory > 0 ? baseSize * 0.8 : baseSize * 1.2;
    const askSize = inventory < 0 ? baseSize * 0.8 : baseSize * 1.2;
    
    return { bid, ask, bidSize, askSize };
  }
  
  /**
   * 更新库存
   */
  updatePosition(trade: Trade): void {
    if (trade.side === 'YES') {
      // 做市商卖出 YES，库存减少
      this.position -= trade.quantity;
    } else {
      // 做市商买入 YES，库存增加
      this.position += trade.quantity;
    }
  }
}

2.4 信息实时变动策略

当有新信息（如新闻、数据发布）影响事件概率时，做市商需要快速调整价格。

AI 信号处理：

typescript

interface InfoSignal {
  source: string;       // 信息来源
  content: string;      // 信息内容
  impact: number;       // 预估影响 (-1 到 1)
  confidence: number;   // 置信度 (0 到 1)
  timestamp: number;
}

function adjustPriceForInfo(
  currentPrice: number,
  signal: InfoSignal
): number {
  // 影响幅度 = 信号影响 * 置信度 * 最大调整幅度
  const adjustment = signal.impact * signal.confidence * 0.1;
  
  // 限制单次最大调整
  const maxAdjustment = 0.05;
  const clampedAdjustment = Math.max(-maxAdjustment, Math.min(maxAdjustment, adjustment));
  
  // 新价格
  const newPrice = Math.max(0.01, Math.min(0.99, currentPrice + clampedAdjustment));
  
  return newPrice;
}

2.5 尾盘策略

接近结算时间时，做市商需要调整策略，防止价格失真。

尾盘策略参数：

距离结算时间	价差	挂单量	说明
> 1 小时	正常	正常	标准做市
30 分钟 - 1 小时	收窄 50%	减少 30%	降低风险
10 - 30 分钟	收窄 80%	减少 60%	高度谨慎
< 10 分钟	最小	最小	极度谨慎
< 1 分钟	停止	停止	等待结算

2.6 对冲策略

当库存单边积累时，做市商需要对冲风险。

typescript

interface HedgeParams {
  currentPosition: number;   // 当前 YES 库存
  maxPosition: number;       // 最大允许库存
  hedgeRatio: number;        // 对冲比例 (0-1)
  hedgeTarget: string;       // 对冲标的（其他市场/永续合约）
}

function calculateHedge(params: HedgeParams): number {
  const { currentPosition, maxPosition, hedgeRatio } = params;
  
  // 库存偏移度
  const positionRatio = Math.abs(currentPosition) / maxPosition;
  
  // 需要对冲的数量
  const hedgeQuantity = Math.abs(currentPosition) * hedgeRatio * positionRatio;
  
  return hedgeQuantity;
}

3. 做市商必须解决的问题

问题	不解决的后果	解决方案
盘口厚度不够	大单无法成交	动态挂单量
滑点过大	用户体验差	限价单优先
价差不合理	套利者薅羊毛	动态价差
尾盘失真	结算价格不准确	尾盘策略
库存单边积累	做市商爆仓	对冲策略
风险敞口不可控	系统性风险	风控阈值

4. 风险管理

4.1 风控指标

指标	阈值	说明	动作
单边库存	< 30% 最大库存	控制方向风险	超过则停止同向挂单
总风险敞口	< 50% 资金	控制总风险	超过则对冲
单笔亏损	< 1% 资金	控制单笔风险	超过则暂停
日亏损	< 5% 资金	控制日风险	超过则停止做市
连续亏损	< 3 次	控制情绪风险	超过则检查策略

4.2 风控实现

typescript

class RiskManager {
  private maxPosition: number;
  private maxDailyLoss: number;
  private consecutiveLosses: number = 0;
  
  constructor(config: RiskConfig) {
    this.maxPosition = config.maxPosition;
    this.maxDailyLoss = config.maxDailyLoss;
  }
  
  /**
   * 检查是否允许做市
   */
  canMakeMarket(position: number, dailyPnl: number): boolean {
    // 检查库存限制
    if (Math.abs(position) > this.maxPosition * 0.3) {
      console.warn('Position limit reached');
      return false;
    }
    
    // 检查日亏损限制
    if (dailyPnl < -this.maxDailyLoss) {
      console.warn('Daily loss limit reached');
      return false;
    }
    
    // 检查连续亏损
    if (this.consecutiveLosses >= 3) {
      console.warn('Consecutive loss limit reached');
      return false;
    }
    
    return true;
  }
  
  /**
   * 更新连续亏损计数
   */
  updateConsecutiveLosses(pnl: number): void {
    if (pnl < 0) {
      this.consecutiveLosses++;
    } else {
      this.consecutiveLosses = 0;
    }
  }
}

4.3 风控流程图

5. 做市收益分析

5.1 收益模型

收益公式：

做市利润 = 价差收益 + 手续费返还 - 交易手续费 - 库存损失

价差收益 = 成交量 × 平均价差 × 50%（双边）
手续费返还 = 成交量 × 0.15%（做市商返还）
交易手续费 = 成交量 × 0.3%（做市商费率）
库存损失 = 库存 × 价格变动 × 方向

5.2 收益估算

参数	保守估计	正常估计	乐观估计
日交易量	$10,000	$50,000	$200,000
平均价差	1%	2%	3%
价差收益/日	$50	$500	$3,000
手续费/日	$30	$150	$600
库存损失/日	$20	$100	$400
净收益/日	$100	$750	$4,000
月收益	$3,000	$22,500	$120,000

注意：以上为理论估算，实际收益受市场条件、策略参数、竞争环境等因素影响。

6. 做市系统接口

6.1 核心接口

typescript

// 做市引擎接口
interface IMarketMakingEngine {
  // 初始化做市
  initialize(params: InitMarketMakingParams): Promise<void>;
  
  // 启动做市
  start(): Promise<void>;
  
  // 停止做市
  stop(): Promise<void>;
  
  // 更新参数
  updateParams(params: Partial<MarketMakingParams>): void;
  
  // 获取当前状态
  getStatus(): MarketMakingStatus;
  
  // 获取收益报告
  getPerformanceReport(): PerformanceReport;
}

// 做市状态
interface MarketMakingStatus {
  isRunning: boolean;
  currentPosition: number;
  dailyPnl: number;
  totalPnl: number;
  activeOrders: number;
  lastUpdate: number;
}

// 收益报告
interface PerformanceReport {
  totalTrades: number;
  totalVolume: number;
  averageSpread: number;
  winRate: number;
  sharpeRatio: number;
  maxDrawdown: number;
}

6.2 配置接口

typescript

interface MarketMakingConfig {
  // 基础参数
  spread: number;              // 基础价差
  depth: number;               // 基础深度
  levels: number;              // 挂单层数
  
  // 风控参数
  maxPosition: number;         // 最大库存
  maxDailyLoss: number;        // 最大日亏损
  maxConsecutiveLosses: number; // 最大连续亏损
  
  // 动态调整
  volatilityMultiplier: number; // 波动率系数
  inventorySkew: number;       // 库存偏移系数
  
  // 尾盘参数
  tailStartMinutes: number;    // 尾盘开始时间
  tailSpreadMultiplier: number; // 尾盘价差系数
}

7. OPC 做市策略

7.1 轻量做市方案

作为 OPC，不需要复杂的做市系统。推荐轻量方案：

阶段	策略	复杂度	预期收益
MVP	固定价差挂单	低	$100-500/月
P1	动态价差+库存管理	中	$500-2,000/月
P2	AI 信号+自动调参	高	$2,000-10,000/月

7.2 做市启动清单

[ ] 准备做市资金（建议 $5,000+）
[ ] 部署做市合约
[ ] 配置做市参数
[ ] 测试网验证
[ ] 主网小额测试
[ ] 监控系统搭建
[ ] 逐步增加资金

8. 做市策略进阶

8.1 Avellaneda-Stoikov 模型

AS 模型是学术界最常用的做市定价模型，核心思想是根据库存风险动态调整价差：

最优价差 = γ × σ² × (T - t) + (2/γ) × ln(1 + γ/κ)

其中：
γ = 风险厌恶系数（越大越保守）
σ = 波动率
T - t = 剩余时间
κ = 订单到达率

AS 模型实现：

typescript

class ASMarketMaker {
  private gamma: number;  // 风险厌恶系数
  private kappa: number;  // 订单到达率
  
  constructor(gamma: number = 0.1, kappa: number = 1.5) {
    this.gamma = gamma;
    this.kappa = kappa;
  }
  
  /**
   * 计算最优报价
   */
  calculateOptimalQuotes(
    midPrice: number,
    inventory: number,
    volatility: number,
    timeToExpiry: number  // 距离结算的秒数
  ): { bid: number; ask: number; spread: number } {
    // 库存风险调整
    const inventoryPenalty = inventory * this.gamma * volatility * volatility * timeToExpiry;
    
    // 最优中间价 = 中间价 - 库存惩罚
    const optimalMid = midPrice - inventoryPenalty;
    
    // 最优价差
    const optimalSpread = this.gamma * volatility * volatility * timeToExpiry 
      + (2 / this.gamma) * Math.log(1 + this.gamma / this.kappa);
    
    return {
      bid: optimalMid - optimalSpread / 2,
      ask: optimalMid + optimalSpread / 2,
      spread: optimalSpread
    };
  }
}

8.2 多市场做市策略

当同时为多个事件市场做市时，需要考虑跨市场相关性：

typescript

class MultiMarketMaker {
  private markets: Map<string, MarketState> = new Map();
  private correlationMatrix: number[][] = [];
  
  /**
   * 跨市场风险对冲
   * 当两个相关事件的库存方向相反时，可以降低风险
   */
  calculateCrossMarketHedge(
    marketA: string,
    marketB: string
  ): number {
    const correlation = this.getCorrelation(marketA, marketB);
    const inventoryA = this.markets.get(marketA)!.inventory;
    const inventoryB = this.markets.get(marketB)!.inventory;
    
    // 如果两个市场正相关且库存方向相反，可以部分对冲
    if (correlation > 0.5 && inventoryA * inventoryB < 0) {
      return Math.min(Math.abs(inventoryA), Math.abs(inventoryB)) * correlation * 0.5;
    }
    
    return 0;
  }
  
  /**
   * 动态分配做市资金
   * 高交易量市场分配更多资金
   */
  allocateCapital(totalCapital: number): Map<string, number> {
    const allocation = new Map<string, number>();
    let totalVolume = 0;
    
    for (const [id, state] of this.markets) {
      totalVolume += state.volume24h;
    }
    
    for (const [id, state] of this.markets) {
      const ratio = state.volume24h / totalVolume;
      allocation.set(id, totalCapital * ratio);
    }
    
    return allocation;
  }
}

8.3 做市回测框架

在上线前必须对做市策略进行历史数据回测：

typescript

interface BacktestResult {
  totalPnl: number;
  sharpeRatio: number;
  maxDrawdown: number;
  winRate: number;
  averageHoldingTime: number;
  totalTrades: number;
}

class MarketMakingBacktester {
  async run(
    strategy: MarketMakingStrategy,
    historicalData: TradeData[],
    initialCapital: number
  ): Promise<BacktestResult> {
    let capital = initialCapital;
    let position = 0;
    const trades: Trade[] = [];
    const equityCurve: number[] = [];
    
    for (const snapshot of historicalData) {
      // 1. 计算报价
      const quotes = strategy.calculateQuotes(snapshot);
      
      // 2. 模拟成交
      const fills = this.simulateFills(quotes, snapshot);
      
      // 3. 更新状态
      for (const fill of fills) {
        position += fill.side === 'BUY' ? fill.quantity : -fill.quantity;
        capital -= fill.quantity * fill.price * (fill.side === 'BUY' ? 1 : -1);
        trades.push(fill);
      }
      
      equityCurve.push(capital + position * snapshot.midPrice);
    }
    
    return this.calculateMetrics(equityCurve, trades);
  }
}

9. 常见问题

问题	原因	解决方案
做市亏损	策略参数不当	回测+调优
流动性突然消失	做市商停机	冗余做市商
价格被操控	做市商被夹	对冲+风控
库存单边积累	趋势市场	动态对冲
Gas 费过高	频繁调仓	批处理+减少频率
竞争激烈	其他做市商	差异化策略

9. 下一步

完成做市系统后，进入阶段 7：数据中台

8.4 做市策略参数调优指南

做市策略的效果高度依赖参数设置。以下是经过实战验证的参数调优方法：

参数敏感度分析：

参数	低值效果	高值效果	推荐范围	敏感度
gamma（风险厌恶）	激进，高收益高风险	保守，低收益低风险	0.05-0.2	高
kappa（订单到达率）	价差大，成交少	价差小，成交多	1.0-2.0	中
maxPosition	允许大库存	限制严格	资金的 20-40%	高
spreadMultiplier	价差小，风险高	价差大，收益低	0.8-1.5	中

参数调优回测框架：

typescript

class ParameterOptimizer {
  /**
   * 网格搜索最优参数
   */
  async gridSearch(
    historicalData: TradeData[],
    paramRanges: ParamRanges
  ): Promise<OptimalParams> {
    const results: BacktestResult[] = [];
    
    // 遍历参数组合
    for (const gamma of paramRanges.gamma) {
      for (const kappa of paramRanges.kappa) {
        for (const maxPos of paramRanges.maxPosition) {
          const strategy = new ASMarketMaker(gamma, kappa, maxPos);
          const result = await this.backtest(strategy, historicalData);
          
          results.push({
            params: { gamma, kappa, maxPosition: maxPos },
            sharpeRatio: result.sharpeRatio,
            totalPnl: result.totalPnl,
            maxDrawdown: result.maxDrawdown
          });
        }
      }
    }
    
    // 选择夏普比率最高的参数
    const optimal = results.sort((a, b) => b.sharpeRatio - a.sharpeRatio)[0];
    
    return {
      params: optimal.params,
      metrics: {
        sharpeRatio: optimal.sharpeRatio,
        totalPnl: optimal.totalPnl,
        maxDrawdown: optimal.maxDrawdown
      }
    };
  }
  
  /**
   * 参数稳定性检验
   * 确保最优参数在不同时间段都表现良好
   */
  async walkForwardAnalysis(
    historicalData: TradeData[],
    windowSize: number = 30 // 30 天窗口
  ): Promise<WalkForwardResult> {
    const results: WindowResult[] = [];
    
    for (let i = 0; i < historicalData.length - windowSize; i += windowSize) {
      const trainData = historicalData.slice(i, i + windowSize);
      const testData = historicalData.slice(i + windowSize, i + windowSize * 2);
      
      // 在训练集上优化参数
      const optimalParams = await this.gridSearch(trainData, this.defaultRanges());
      
      // 在测试集上验证
      const testResult = await this.backtest(
        new ASMarketMaker(optimalParams.gamma, optimalParams.kappa),
        testData
      );
      
      results.push({
        window: i / windowSize,
        trainSharpe: optimalParams.metrics.sharpeRatio,
        testSharpe: testResult.sharpeRatio
      });
    }
    
    return {
      avgTrainSharpe: average(results.map(r => r.trainSharpe)),
      avgTestSharpe: average(results.map(r => r.testSharpe)),
      degradation: 1 - average(results.map(r => r.testSharpe)) / 
                      average(results.map(r => r.trainSharpe))
    };
  }
}

8.5 做市监控看板设计

做市系统需要实时监控以下关键指标：

typescript

// 做市监控看板数据结构
interface MarketMakingDashboard {
  // 实时状态
  status: {
    isRunning: boolean;
    uptime: number;           // 运行时长
    activeOrders: number;     // 活跃挂单数
    activeMarkets: number;    // 做市市场数
  };
  
  // 收益指标
  performance: {
    dailyPnl: number;         // 日收益
    weeklyPnl: number;        // 周收益
    monthlyPnl: number;       // 月收益
    totalPnl: number;         // 总收益
    sharpeRatio: number;      // 夏普比率
    maxDrawdown: number;      // 最大回撤
  };
  
  // 风险指标
  risk: {
    currentPosition: number;  // 当前库存
    maxPosition: number;      // 最大库存
    positionUtilization: number; // 库存利用率
    dailyLoss: number;        // 日亏损
    consecutiveLosses: number; // 连续亏损次数
  };
  
  // 做市效率
  efficiency: {
    averageSpread: number;    // 平均价差
    fillRate: number;         // 成交率
    cancelRate: number;       // 撤单率
    makerVolume: number;      // 做市成交量
    takerVolume: number;      // Taker 成交量
  };
}

看板区域	指标	刷新频率	告警条件
实时状态	运行状态、活跃订单	1s	停机即告警
收益曲线	日/周/月收益	1min	日亏损 >5%
库存监控	库存量、利用率	5s	利用率 >80%
风险面板	最大回撤、连续亏损	1min	回撤 >10%
效率面板	价差、成交率	30s	成交率 <30%

8.6 做市策略常见陷阱

陷阱	表现	后果	避免方法
过度自信	忽视风控，加大仓位	巨额亏损	严格遵守风控阈值
追涨杀跌	价格变动时调整价差	亏损加速	使用 AS 模型自动调整
忽视尾盘	结算前不做特殊处理	尾盘失真	启用尾盘策略
单一市场	只做一个市场	风险集中	多市场分散
忽视 Gas	频繁调仓	成本过高	批处理+减少频率

做市风控 Checklist：

typescript

// 做市前检查清单
const preMarketChecklist = [
  { check: '做市资金到位', required: true },
  { check: '风控参数配置', required: true },
  { check: '监控系统就绪', required: true },
  { check: '应急暂停测试', required: true },
  { check: 'Gas 费预算', required: false },
  { check: '备用 RPC 节点', required: false },
];

function validateChecklist(items: ChecklistItem[]): boolean {
  return items
    .filter(item => item.required)
    .every(item => item.completed);
}

8.7 做市策略回测最佳实践

做市策略回测是验证策略有效性的关键步骤。以下是回测最佳实践：

typescript

// 做市回测数据结构
interface BacktestConfig {
  startDate: Date;
  endDate: Date;
  initialCapital: number;
  tradingFee: number;        // 交易手续费
  slippageModel: 'fixed' | 'proportional'; // 滑点模型
  gasCostPerTrade: number;   // 每笔交易 Gas 成本
}

// 回测结果指标
interface BacktestMetrics {
  totalReturn: number;       // 总收益率
  annualizedReturn: number;  // 年化收益率
  sharpeRatio: number;       // 夏普比率
  maxDrawdown: number;       // 最大回撤
  winRate: number;           // 胜率
  avgHoldingTime: number;    // 平均持仓时间
  totalTrades: number;       // 总交易次数
  profitFactor: number;      // 盈亏比
}

// 回测执行器
class BacktestRunner {
  async run(
    strategy: MarketMakingStrategy,
    config: BacktestConfig
  ): Promise<BacktestMetrics> {
    // 1. 加载历史数据
    const historicalData = await this.loadData(config);
    
    // 2. 初始化策略
    strategy.initialize(config.initialCapital);
    
    // 3. 逐个时间点模拟
    for (const snapshot of historicalData) {
      const quotes = strategy.calculateQuotes(snapshot);
      const fills = this.simulateFills(quotes, snapshot, config);
      strategy.updateState(fills);
    }
    
    // 4. 计算指标
    return this.calculateMetrics(strategy);
  }
}

回测注意事项：

注意事项	说明	处理方式
前视偏差	使用未来数据	严格时间顺序
幸存者偏差	只看成功案例	包含失败事件
滑点模型	过于乐观	使用保守滑点
交易成本	忽略 Gas 费	包含所有成本
流动性假设	假设无限深度	限制最大成交量

参考与延伸

[11] Backtrader（2025）— Python 回测框架

[12] QuantConnect（2025）— 云端量化回测平台

[1] Hummingbot（2025）— 开源做市机器人

[2] Avellaneda-Stoikov Model（2025）— 做市定价模型

[3] Quantitative Trading（2025）— 量化做市策略

[4] DeFi Market Making（2025）— DeFi 做市指南

[5] Risk Management in Trading（2025）— 交易风险管理

[6] Avellaneda & Stoikov. "High-Frequency Trading in a Limit Order Book"（2008）— AS 做市模型原始论文

[7] Cartea, Jaimungal & Penalva. "Algorithmic and High-Frequency Trading"（2015）— 算法做市学术专著

[8] Wintermute（2025）— 专业做市商参考

[9] Jump Crypto（2025）— 加密做市商参考

[10] Guéant, O. "The Financial Mathematics of Market Liquidity"（2016）— 流动性数学模型

4.9 做市系统 ​

人机分工 ​

1. 做市系统概述 ​

1.1 什么是做市 ​

1.2 为什么预测市场需要做市 ​

1.3 做市系统架构 ​

2. 五种做市策略详解 ​

2.1 策略总览 ​

2.2 初始化做市 ​

2.3 盘中做市 ​

2.4 信息实时变动策略 ​

2.5 尾盘策略 ​

2.6 对冲策略 ​

3. 做市商必须解决的问题 ​

4. 风险管理 ​

4.1 风控指标 ​

4.2 风控实现 ​

4.3 风控流程图 ​

5. 做市收益分析 ​

5.1 收益模型 ​

5.2 收益估算 ​

6. 做市系统接口 ​

6.1 核心接口 ​

6.2 配置接口 ​

7. OPC 做市策略 ​

7.1 轻量做市方案 ​

7.2 做市启动清单 ​

8. 做市策略进阶 ​

8.1 Avellaneda-Stoikov 模型 ​

8.2 多市场做市策略 ​

8.3 做市回测框架 ​

9. 常见问题 ​

9. 下一步 ​

8.4 做市策略参数调优指南 ​

8.5 做市监控看板设计 ​

8.6 做市策略常见陷阱 ​

8.7 做市策略回测最佳实践 ​

参考与延伸 ​

4.9 做市系统

人机分工

1. 做市系统概述

1.1 什么是做市

1.2 为什么预测市场需要做市

1.3 做市系统架构

2. 五种做市策略详解

2.1 策略总览

2.2 初始化做市

2.3 盘中做市

2.4 信息实时变动策略

2.5 尾盘策略

2.6 对冲策略

3. 做市商必须解决的问题

4. 风险管理

4.1 风控指标

4.2 风控实现

4.3 风控流程图

5. 做市收益分析

5.1 收益模型

5.2 收益估算

6. 做市系统接口

6.1 核心接口

6.2 配置接口

7. OPC 做市策略

7.1 轻量做市方案

7.2 做市启动清单

8. 做市策略进阶

8.1 Avellaneda-Stoikov 模型

8.2 多市场做市策略

8.3 做市回测框架

9. 常见问题

9. 下一步

8.4 做市策略参数调优指南

8.5 做市监控看板设计

8.6 做市策略常见陷阱

8.7 做市策略回测最佳实践

参考与延伸