← 返回 Quant Digests · 站点首页

别把这份 2026 market-making repo 只读成 textbook HJB：对 short-cycle desk，更该先测的是「OFI-EWMA reservation-price skew × inventory-bounded maker spread capture」

• 时间：2026-04-07 08:52 UTC
• 类型：GitHub 仓库 / README.md source audit
• 主题类型：raw alpha
• 基础 alpha：1s~1m 上用 OFI 预测极短期漂移，把预测漂移写进 reservation price，再做 inventory-bounded maker spread capture
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是
• 主题标签：maker / market-making / microstructure / order-flow / OFI / reservation-price / inventory-risk / spread-capture / binance / BTCUSDT / 1s / 1m / 3m / repo / public-data / cost / risk
• 证据类型：工程经验

1. 这次看了什么

看的是 2026 新仓库 Yaskoi/Optimal-Market-Making-on-Crypto-Markets 的 README.md。它不是单纯复述 Avellaneda-Stoikov / Cartea-Jaimungal 教材，而是把 BTC/USDT Binance 1s 数据 + OFI(alpha) + inventory risk + frictions 串成了一条完整 maker 策略壳。最值钱的地方不是“做市”三个字，而是它把 base alpha 说清楚了：短到秒级的 order-flow imbalance 对下一小段价格漂移有预测力，所以你的双边报价不该总围着静态 mid，而应围着带 alpha 偏置的 reservation price。

2. 核心结论

• 这篇东西的 base alpha 很清楚：OFI 的短半衰期预测力，不是 filter，不是纯 execution infra。maker 只是交易壳，alpha 本体是 OFI -> next short-horizon drift。
• repo 给了三个层级：AS pure（无 alpha）、CJ + EWMA(OFI)、CJ + OU-Jumps。按 README 报告的 2025-12 OOS 结果，AS pure 净 P&L -$428 / Sharpe -1.85，而 CJ + EWMA 净 P&L +$15,281 / Sharpe +3.79，CJ + OU-Jumps + $8,745 / Sharpe +2.34。说明“有没有 alpha 偏置”不是小修小补，而是生死线。
• 作者没有把 friction 藏起来：CJ + EWMA 平均每 session 还要吃 $9.1 commission + $66.3 slippage + $56.5 adverse selection。一句人话：maker 看着像吃 spread，但真正把钱咬掉的，往往是延迟成交后的坏价格和被更聪明的 taker 选边打。
• 一个很有迁移价值的数据点是 signal half-life 只有 0.35 秒，EWMA 最优 span 只有 2 秒。这意味着它更适合作为 1m/3m 的高强度 microstructure alpha，或者给 5m/15m 主策略做 child execution / quote skew，而不是硬抬成逐根 15m 主信号。
• 一句话核心结论：值得抄的不是“开双边单就能赚 spread”，而是“当 OFI 明显偏一侧时，把 reservation price 往那边挪，并用 inventory 上限约束仓位暴露”。
• 一句话证明方式：repo 直接用 2025-07 ~ 2025-11 IS、2025-12 OOS 的 1 秒级回测，对比无 alpha / EWMA alpha / OU-jump alpha 三套模型，并显式列出成本分解。

3. 为什么和当前项目有关

这条线虽然比 5m/15m 更快，但它不是“偏题的 execution 综述”，而是一条能独立成立的 maker raw alpha。对当前 desk 的价值有两层：

1. 直接扩 raw alpha 池：如果我们接受 1m/3m 的高强度 alpha，这条线本身就能单独进研究池；
2. 给慢频策略补 child execution：如果未来某条 5m/15m directional / RV 策略要以 maker 方式进场，这个 repo 提供了一个很清楚的 quote-skew 思路：不是被动挂死，而是按短期 flow 预期偏置买卖价。

3.5 策略拆解（必填）

• 方向属性：做市 / microstructure / spread capture
• 基础 alpha：OFI 对未来极短 horizon 漂移的预测力，驱动 reservation price skew
• regime：高流动、可持续双边挂单、OFI 自相关尚未塌掉的时段
• filter / veto：inventory bound、session end、alpha 信号过弱、极端 adverse-selection 环境
• risk / sizing / execution overlay：最优 spread、库存惩罚项 q·γ·σ²(T-t)、maker fee、执行延迟、slippage、adverse selection 成本

4. 可复刻的最小实验

• 研究假设：在 Binance BTCUSDT 的 1s 数据上，短窗 OFI-EWMA 足以改善 maker quote placement，使成本后收益显著优于无 alpha 的对称双边报价。
• 一个可计算定义：
• OFI_t = (buy_vol - sell_vol) / (buy_vol + sell_vol)（可由 Binance 1s kline 的 taker buy / total volume 还原）
• alpha_t = EWMA(OFI_t, span=2s)
• reservation_price = mid + alpha_bias - inventory_penalty
• 仅当 |alpha_t| 超过过去滚动分位阈值时放大单边 skew，否则回到近对称报价
• 最小回测切口：先只跑 BTCUSDT，样本先取最近 60~90d Binance 1s 或聚合成 5s；主策略层面先看 1m child engine，随后测试是否能给 3m 的 directional signal 降低冲击成本。
• 最该先看 2 个指标：

1. 净 capture / adverse-selection ratio（赚到的 spread 有多少没被回吐）
2. inventory excursion / session-level drawdown

5. 风险与保留意见

• 当前证据主要来自 repo README 自报结果，且 fill model 仍是研究级近似，不是交易所 queue-level 真回放；所以 alpha 有意思，不等于收益数值可直接照抄。
• OFI 半衰期只有秒级，任何网络延迟、撮合优先级、排队位置误差，都可能把 paper edge 吃光。
• 这条线很可能只在 BTC/ETH 这类深流动品种 上还有生存空间；搬到中小币，adverse selection 和 inventory tail risk 会迅速变坏。
• 如果 desk 当前没有稳定的 maker infra，这条线应先作为 research shell / child execution alpha，不要直接当 production-ready bot。

6. 来源

• Yaskoi. (2026). *Optimal-Market-Making-on-Crypto-Markets*. GitHub repository.
• Readable URL：https://github.com/Yaskoi/Optimal-Market-Making-on-Crypto-Markets
• Repo URL：https://github.com/Yaskoi/Optimal-Market-Making-on-Crypto-Markets
• README：https://raw.githubusercontent.com/Yaskoi/Optimal-Market-Making-on-Crypto-Markets/main/README.md
• 数据源（公开可得）：Binance Data Portal BTCUSDT / ETHUSDT 1s klines
• https://data.binance.vision/?prefix=data/spot/monthly/klines/BTCUSDT/1s
• 理论地基：
• Avellaneda, M., & Stoikov, S. (2008). *High-frequency trading in a limit order book*. *Quantitative Finance*.
• Cartea, Á., & Jaimungal, S. (2015). *Algorithmic and High-Frequency Trading*. Cambridge University Press.
• Cont, R., Kukanov, A., & Stoikov, S. (2014). *The price impact of order book events*. *Journal of Financial Econometrics*.