1. 什么是做市策略？
做市策略（Market Making Strategy）是一种通过在市场中同时提供买入和卖出报价（即挂单）来赚取买卖价差（Bid-Ask Spread）的交易策略。在数字货币市场中，由于波动性高、流动性差异大，做市策略尤其受到量化交易者的青睐。其核心目标是通过持续提供流动性，捕捉市场微小波动中的利润，同时尽量避免持有过多的单边头寸暴露风险。
做市策略的基本原理可以概括为：
- 价差获利：在买入价（Bid）和卖出价（Ask）之间设置合理的价差，当市场参与者与你的订单成交时，你赚取价差。
- 库存管理：通过动态调整挂单价格和数量，控制持仓（库存），避免因市场单边走势导致的风险。
- 流动性提供：为市场提供流动性，通常还能获得交易所的做市奖励（如果有）。
在数字货币市场中，做市策略需要考虑以下特点：
- 高波动性：价格变化快，要求策略实时调整。
- 24/7交易：市场永不关闭，自动化执行尤为重要。
- 交易所差异：不同平台的API、费用和深度不同，需针对性优化。
2. 做市策略的方式
根据实现方式和复杂程度，做市策略可以分为几种类型：
2.1 简单固定价差做市（Passive Market Making）
- 在当前市场中间价（Mid Price）两侧固定一个价差，挂出买卖单。
- 优点：简单易实现。
- 缺点：无法适应剧烈波动，库存管理较弱。
2.2 动态价差做市（Dynamic Market Making）
- 根据市场深度、波动率和自身库存动态调整价差和挂单位置。
- 优点：更适应市场变化，风险控制更强。
- 缺点：实现复杂，需要实时数据分析。
2.3 基于订单簿的做市（Order Book Based Market Making）
- 分析订单簿深度，挂单位置靠近市场最佳买卖价（Best Bid/Ask），同时避免被“抢单”。
- 优点：更贴近市场实际情况。
- 缺点：对延迟敏感，需高效执行。
2.4 统计套利做市
- 结合市场微观结构或预测模型（如波动率预测），优化挂单策略。
- 优点：利润潜力高。
- 缺点：需要较强的数学建模能力。
本文将重点介绍动态价差做市，因为它在数字货币市场中兼顾了实用性和灵活性。
3. 做市策略的具体操作过程
以动态价差做市为例，其操作过程如下：
3.1 数据获取与分析
- 通过交易所API（如CCXT）获取实时订单簿数据（Order Book）、最新成交价（Last Price）和市场深度。
- 计算中间价（Mid Price = (Best Bid + Best Ask) / 2）和当前波动率。
3.2 价差与挂单设置
- 根据波动率和目标利润率动态设置价差。例如，波动率高时加大价差，波动率低时缩小价差。
- 在中间价两侧挂出买入单（Bid）和卖出单（Ask），如：
Bid = Mid Price - Spread / 2
Ask = Mid Price + Spread / 2
3.3 库存管理
- 实时监控当前持仓（Inventory），如BTC数量。
- 若库存偏多（买入成交较多），降低卖出价或减少卖单数量；若库存偏少（卖出成交较多）提高买入价或减少买单数量。
3.4 订单管理
- 检查现有订单状态，若未成交且市场价格远离挂单，则取消并重新挂单。
- 设置止损或风控机制，避免极端行情损失。
3.5 执行与优化
- 通过自动化程序循环执行上述步骤，并记录交易日志以优化参数。
4. Python 实现示例
以下是一个简单的动态价差做市策略实现，基于Binance交易所的BTC/USDT交易对，使用CCXT库获取数据。
import ccxt
import time
import numpy as np
# 初始化Binance交易所
exchange = ccxt.binance({
'apiKey': 'YOUR_API_KEY',
'secret': 'YOUR_SECRET_KEY',
'enableRateLimit': True,
})
# 参数设置
symbol = 'BTC/USDT'
base_spread = 0.001 # 基础价差百分比（0.1%）
order_size = 0.001 # 每单BTC数量
max_inventory = 0.01 # 最大持仓BTC数量
def get_market_data():
"""获取市场数据"""
orderbook = exchange.fetch_order_book(symbol)
best_bid = orderbook['bids'][0][0]
best_ask = orderbook['asks'][0][0]
mid_price = (best_bid + best_ask) / 2
return best_bid, best_ask, mid_price
def calculate_spread(mid_price):
"""根据波动率动态调整价差"""
ticker = exchange.fetch_ticker(symbol)
volatility = (ticker['high'] - ticker['low']) / ticker['close'] # 日内波动率
spread = base_spread * (1 + volatility * 10) # 波动率放大价差
return mid_price * spread
def get_inventory():
"""获取当前BTC库存"""
balance = exchange.fetch_balance()
btc_balance = balance['BTC']['free']
return btc_balance
def place_orders(mid_price, spread):
"""挂单"""
bid_price = mid_price * (1 - spread / 2)
ask_price = mid_price * (1 + spread / 2)
inventory = get_inventory()
# 库存控制
if inventory > max_inventory:
ask_price *= 0.995 # 降低卖价，减少库存
elif inventory < -max_inventory:
bid_price *= 1.005 # 提高买价，增加库存
# 挂买单和卖单
exchange.create_limit_buy_order(symbol, order_size, bid_price)
exchange.create_limit_sell_order(symbol, order_size, ask_price)
print(f"Bid: {bid_price}, Ask: {ask_price}, Inventory: {inventory}")
def cancel_all_orders():
"""取消所有未成交订单"""
orders = exchange.fetch_open_orders(symbol)
for order in orders:
exchange.cancel_order(order['id'], symbol)
# 主循环
while True:
try:
# 获取市场数据
best_bid, best_ask, mid_price = get_market_data()
spread = calculate_spread(mid_price)
# 取消旧订单并重新挂单
cancel_all_orders()
place_orders(mid_price, spread)
# 每5秒运行一次
time.sleep(5)
except Exception as e:
print(f"Error: {e}")
time.sleep(5)
5. 代码说明
5.1 代码功能
- 通过CCXT获取Binance的订单簿和余额数据。
- 根据波动率动态调整价差，并在中间价两侧挂单。
- 监控库存并调整挂单价格以控制风险。
5.2 注意事项
- 需要替换YOUR_API_KEY和YOUR_SECRET_KEY为实际的Binance API密钥。
- 代码未包含详细的风控（如止损）和日志记录，实际应用中需完善。
- 网络延迟和API限频可能影响效果，建议添加错误处理和限频控制。
5.3 优化方向
- 深度分析：结合订单簿深度调整挂单数量。
- 预测模型：引入机器学习预测短期价格走势。
- 多币种扩展：同时对多个交易对做市，分散风险。
6. 结论
数字货币做市策略通过提供流动性赚取价差，是量化交易中的重要手段。其成功的关键在于实时数据分析、动态调整和库存管理。通过上述Python示例，你可以快速搭建一个基础做市框架，并根据实际需求进一步优化。
7. 联系方式
- 微信：dragonsye
- 公众号：ScienceStudio
- Github: github.com/KandyYe
- 知乎：www.zhihu.com/people/kand…
