阿韦拉内达与斯托伊科夫策略指南¶

cover

欢迎回到 Hummingbot 学院！

最新的 Hummingbot 版本 (0.38) 引入了一种基于经典学术做市模型的激动人心的策略。本文将深入探讨 2008 年的阿韦拉内达与斯托伊科夫论文及其在 Hummingbot 中的实现。

对于那些喜欢深入科学研究论文的读者，原始出版物可以直接在线访问或直接点击此处访问。

今天我们将探讨：

阿韦拉内达与斯托伊科夫做市模型
库存风险管理
最优买入与卖出价差确定
在 Hummingbot 中的实现

理解阿韦拉内达与斯托伊科夫模型¶

该模型解决了做市商的两个主要关切：* 库存风险管理 * 最优买入和卖出价差确定

阿韦拉内达与斯托伊科夫提出了帮助做市商应对这些挑战的公式。

预约价格：

Reservation Price

最优买入与卖出价差：

Optimal spread

其中，

s = 当前市场中间价
q = 基础资产的库存数量（多头/空头头寸为正/负）
σ = 市场波动率
T = 标准化收盘时间 (1)
t = 当前时间作为 T 的分数
δ^a, δ^b = 对称买入/卖出价差
γ = 库存风险厌恶参数
κ = 订单簿流动性参数

本文简化了这些公式及其含义。请继续关注即将发布的更多技术细节文章。

预约价格详解¶

传统做市涉及围绕市场中间价的对称买入和卖出订单。然而，这可能导致库存倾斜，如果资产价值不利变动，可能会使交易者面临风险。

例如，在使用对称策略的 BTC-USDT 下跌趋势中，做市商最终会积累 BTC，从而降低总库存价值。

Downtrend

阿韦拉内达与斯托伊科夫的方法计算了下订单的新参考价格，考虑到：

Reservation Price

库存位置偏差 (q)¶

公式中的 q 值表示与目标库存的偏差。例如：* 当 q = 0 时，预约价格等于市场中间价；* 当 q < 0 时，交易者做空，提高预约价格以偏向买入订单；* 当 q > 0 时，交易者做多，降低预约价格以偏向卖出订单。

Hummingbot 根据您指定的目标库存百分比计算 q。

库存风险容忍度 (γ)¶

此参数由交易者设置，表示愿意承担库存风险的程度。接近零的 γ 意味着预约价格接近市场中间价，类似于对称策略。随着 γ 增加，预约价格更积极地调整以匹配库存目标。

在 Hummingbot 中，γ 可以手动设置或自动计算。

剩余交易时段时间 (T-t)¶

考虑具有定义交易时段的传统金融市场，该模型在接近时段结束时将预约价格调整得更接近中间价，以最小化库存风险。

Hummingbot 允许设置交易时段持续时间，以适应 24/7 加密货币市场。

：Avellaneda 和 ellaneda 和 Stoikov 还提出了一个无限期模型，更适合连续市场，我们计划在未来的版本中包含此模型。

市场波动率（σ）也会影响预留价格，但不是交易者定义的因素。波动率增加会扩大预留价格和中间价格之间的差距。

确定最优价差¶

该模型的第二个方面关注订单簿的最佳定位以实现盈利。

Optimal spread

这里，预留价格因子（γ 和 (T-t)）再次出现，此外还有：

订单簿流动性 (κ)¶

虽然论文深入探讨了数学细节，但关键要点是高 κ 值表示更密集的订单簿，需要更小的价差。相反，低 κ 表示流动性较低，允许更宽的价差。

结合预留价格和最优价差¶

该模型的执行逻辑很简单：

根据目标库存计算预留价格。
确定最佳买卖价差。
在预留价格周围下市价单：
- 买入价 = 预留价格 - 最优价差的一半
- 卖出价 = 预留价格 + 最优价差的一半

这种动态在下面说明：

Price dynamic

计算出的预留价格（绿线）经常偏离市场价格中点（蓝线）。预留价格根据库存调整，影响相对于中点的订单放置。

参数计算¶

Avellaneda-Stoikov 模型中的关键因素是：

库存位置 (q)
剩余交易时段时间 (T-t)
风险因子 (γ)
订单簿深度 (κ)

对于每个参数，相关的 Hummingbot 参数是：

库存距离 (q)：反映当前和目标库存之间的差异。在 Hummingbot 中，设置资产库存目标百分比，机器人计算 q。
时段时间 (T-t)：为加密货币市场不停止的特性调整模型。在 Hummingbot 中定义所需的交易时段持续时间。
风险因子 (γ) 和订单簿深度 (κ)：虽然论文没有指定这些参数的计算方法，但 Hummingbot 的"简易模式"会根据所需的价差限制自动确定它们。或者将 config parameters_based_on_spread 设置为 False 并使用 config order_book_depth_factor 和 config risk_factor 手动输入值。