1. 课程导入

一、做市商到底在做什么

在任何一个有组织的交易市场里，价格并不是凭空出现的。有人愿意买，有人愿意卖，而做市商（Market Maker）的核心职责，是同时报出买价与卖价，让想交易的人随时能找到对手方。做市商赚取的并不是方向性涨跌的利润，而是买卖价差（Spread）与库存管理带来的综合收益。

可以把做市商理解成市场的“零售批发商”：它以略低的价格买入、以略高的价格卖出，通过高频、小额的往返交易积累收益。它承担的风险主要有三类：

• 库存风险：买入后价格下跌，或卖出后价格上涨，导致持仓亏损。
• 逆向选择风险：成交往往来自掌握更多信息的对手方，做市商可能“总是被聪明钱打中”。
• 流动性风险：极端行情下无法及时对冲或平仓。

因此，做市策略的本质不是“预测价格”，而是在不确定的价格路径中，动态平衡报价、库存与风险。

二、流动性提供与报价的基本逻辑

流动性提供（Liquidity Provision）意味着做市商把自己的资金和报价挂在订单簿上，供他人成交。一个最朴素的做市报价可以写成：

买价 = 中间价 - 半价差
卖价 = 中间价 + 半价差

如果中间价不变，且买卖两侧成交频率相同，做市商就能稳定赚取价差。但现实是：中间价会漂移，成交会不平衡，库存会累积。于是问题变成：半价差应该设多宽？报价应该围绕哪个价格？库存偏离时如何调整？

这正是Avellaneda-Stoikov模型要回答的问题。它把做市商面临的“报价—成交—库存—风险”关系，转化为一个可求解的随机最优控制问题。

三、Avellaneda-Stoikov模型的定位

Avellaneda-Stoikov（简称AS）模型由Marco Avellaneda和Sasha Stoikov在2008年提出，是高频做市策略的经典理论框架。它的价值不在于给出一个“稳赚”的公式，而在于提供了一套清晰的建模语言：

• 用保留价格（Reservation Price）描述做市商主观上愿意成交的价格中枢。
• 用最优价差（Optimal Spread）描述报价宽度如何随库存和风险厌恶变化。
• 用成交强度（Intensity）描述报价离中间价越远、成交概率越低的关系。

在课程体系中，AS模型处于“从理论到工程”的桥梁位置。它上承随机过程与最优控制，下接订单簿数据、回测框架与实盘执行。学习路径可以概括为：

1. 理解角色：做市商、流动性、库存与价差。
2. 掌握模型：保留价格、最优价差、成交强度函数。
3. 参数估计：波动率、风险厌恶、成交强度参数。
4. 工程实现：报价生成、订单管理、库存控制。
5. 回测与复盘：滑点、手续费、延迟与逆向选择。

四、一个简化的场景示例

假设某加密资产当前中间价为10000，波动率σ=0.02，风险厌恶γ=0.1，剩余时间T-t=1，成交强度参数k=1.5。若当前库存q=0，则保留价格接近中间价，报价对称。若库存q=5，保留价格会明显下移，做市商会把买卖报价整体下调，鼓励卖出、抑制买入。

# 伪代码：AS报价核心步骤
mid_price = 10000
sigma = 0.02
gamma = 0.1
tau = 1.0
k = 1.5
q = 5

reservation = mid_price - q * gamma * sigma**2 * tau
spread = gamma * sigma**2 * tau + (2/gamma) * log(1 + gamma/k)

bid = reservation - spread/2
ask = reservation + spread/2
print(bid, ask)

这段代码揭示了AS模型最实用的部分：报价不是围绕中间价，而是围绕保留价格；价差也不是固定值，而是由风险和流动性参数共同决定。

五、常见误区与学习复盘

学习阶段	关键问题	产出物
角色认知	做市商赚什么钱？承担什么风险？	风险清单与收益来源图
模型理解	保留价格与最优价差如何推导？	公式推导笔记
参数估计	σ、γ、k如何从数据中估计？	参数估计脚本
工程实现	如何生成、撤单、管理库存？	报价引擎原型
回测复盘	滑点、手续费、逆向选择影响多大？	回测报告与改进清单

完成本章后，你应该能够用自己的话解释：做市商为什么存在、流动性如何被提供、AS模型在整个做市策略体系中处于什么位置，以及后续学习需要补齐哪些知识与工程能力。接下来，课程将沿着“模型推导—参数估计—工程实现—回测复盘”的路径逐步展开。