Avellaneda Stoikov’s market-making strategy AS模型的通俗理解篇(二)
最佳价差是多少?
模型的第二部分是关于寻找做市商订单在订单簿上的最佳位置,以提高盈利能力。
订单簿流动性/密度是多少(κ)
论文中有很多数学细节,解释了他们是如何通过假设指数到达率得出这个因子的。关于如何计算价值,有许多不同的模型和不同的方法。
但就目前而言,重要的是要知道,使用显著的κ值,你是在假设订单更加密集,并且你的最优价差必须更小,因为市场竞争更加激烈(也就是你的挂单和midprice的偏离度就很小)。
另一方面,使用较小的κ,您假设订单的流动性较低,可以使用的价差就变大(也就是你的挂单和midprice的偏离度就很大)。
结合保留价格和最优价差
这就是魔术发生的地方。模型的执行逻辑非常简单:
根据目标库存计算预订价格
计算最优买卖价差
使用保留价格作为参考创建市场订单:
bid_price=保留价-最优价差/2
ask_price=预订价格+最优价差/2
您可以在下图中看到这种动态:
如何动态的计算预定价格,上图给了一个直管的概念,也就是前半段预定价格小于midprice,因为这个时候做市商是有库存要抛出来,所以让ASK的价格贴近中间价,这样可以增加ask 订单的成交。可以让做市商手中的股票抛出。后半段,做市商手里没有多少货,需要进行补货的操作,所以让预定价格提高,让 预定价格种的bid_price更接近midprice,这样可以增加买进的概率,快速的补货。
计算输入的参数
回顾本文,您会记得我们提到过Avellaneda Stoikov模型用于计算保留价格和最优价差的三个主要因素:
库存状况(q)
交易时段结束前的时间(T-T)
风险系数(γ)
订单深度(κ)
对于上面的每个输入,列出Avellaneda策略中的相关参数名称
1和2非常直接:
(q) 是距所需库存目标的库存距离。
此参数用于计算当前库存位置与所需库存位置之间的差异。
在hummingbot上,您选择资产库存目标(以百分比设置),然后bot计算q的值。
(T-t)是交易时段结束前剩余的时间:
Avellaneda&Stoikov模型被创建用于传统金融市场,在传统金融市场中,交易有开始和结束。
这个参数背后的原因是,随着交易日接近尾声,做市商希望拥有与交易日开始时相似的库存头寸。
因此,随着交易日接近尾声,订单价差将更小,而保留价格在重新平衡库存方面将更加“激进”。
加密货币市场为24/7,因此没有市场关闭时间。
在蜂巢机器人中,您可以设置要将其视为一个交易周期的小时数,无论是1小时还是24小时。
**风险系数(γ)
**订单深度(κ)
有点……复杂。。。
阅读本文,你不会发现计算这两个参数值的任何直接指示。这是因为它不是本文的重点(但您可以查看文章参考资料以了解其背后的内容)。
但如果你不想知道如何计算它们,我们还为策略添加了一个“简单”模式:你可以告诉机器人根据你想要的最大和最小价差值自动计算这些值
如果您对它们是如何计算的感到好奇,请继续关注详细介绍幕后发生的事情的文章。
Avellaneda Stoikov’s market-making strategy AS模型的通俗理解篇(二)相关推荐
- 机器学习中训练的模型,通俗理解
概率统计(建模.学习) 很多新手在初学机器学习/深度学习中,会产生这样的疑问?为什么要训练模型,模型是什么,如何训练- 本人刚开始接触时也产生过类似地疑问,现在为大家排解这些疑问. 1.机器学习中大概 ...
- 网络七层模型和对应协议的通俗理解
文章目录 1.七层.五层.四层模型划分 2.记忆口诀 3.各层的协议 4.OSI 七层模型的通俗理解 4.1.需求1: 4.2. 需求2: 4.3.需求3: 4.4. 需求4: 4.5.需求5: 4. ...
- mysql第三章关系模型_一个MySQL关系模型只有三个关系(二维表)组成。_学小易找答案...
[判断题]DELETE语句功能是对表中所有记录或满足条件的记录进行批量删除. [填空题]The computer's entire ____ was on a single board. [单选题]下 ...
- 学习《Linux设备模型浅析之设备篇》笔记(一)
最近在学习Linux设备模型,前面几篇文章也是读这篇的时候遇到问题,然后为了搞清楚先转去摸索才写出来的. 当然了,刚开始是先读到<Linux那些事儿之我是Sysfs>,搞不清楚才去读的&l ...
- 通俗理解LDA主题模型
0 前言 印象中,最开始听说"LDA"这个名词,是缘于rickjin在2013年3月写的一个LDA科普系列,叫LDA数学八卦,我当时一直想看来着,记得还打印过一次,但不知是因为这篇 ...
- Kubernetes应用部署模型解析(原理篇)
2019独角兽企业重金招聘Python工程师标准>>> Kubernetes应用部署模型解析(原理篇) 博客分类: Kubernetes [编者按]Kubernetes可用来管理Li ...
- 广告点击率(CTR)预测经典模型 GBDT + LR 理解与实践(附数据 + 代码)
CTR 系列文章: 广告点击率(CTR)预测经典模型 GBDT + LR 理解与实践(附数据 + 代码) CTR经典模型串讲:FM / FFM / 双线性 FFM 相关推导与理解 CTR深度学习模型之 ...
- 【word2vec】篇二:基于Hierarchical Softmax的 CBOW 模型和 Skip-gram 模型
文章目录 CBOW 模型 基本结构 目标函数 梯度计算 Skip-gram 模型 基本结构 梯度计算 优缺点分析 系列文章: [word2vec]篇一:理解词向量.CBOW与Skip-Gram等知识 ...
- IO 模型知多少 | 代码篇
引言 之前的一篇介绍IO 模型的文章IO 模型知多少 -- 理论篇比较偏理论,很多同学反应不是很好理解.这一篇咱们换一个角度,从代码角度来分析一下. socket 编程基础 开始之前,我们先来梳理一下 ...
最新文章
- .NET混淆器 Dotfuscator使用教程六:加强保护之添加Checks
- c语言readdir函数功能,C语言readdir()函数:读取目录函数
- amd cpu 不兼容centos5.5_AMD放弃兼容性?这事简单也不简单
- javascript学习系列(12):数组中的join方法
- 基于WDF的PCI/PCIe接口卡Windows驱动程序(3)- 驱动程序代码(头文件)
- 分布式、集群的概念、区别
- python 数据写入json文件时中文显示Unicode编码问题
- python3连接mysql获取ansible动态inventory
- ubuntu(linux)占领小米平板2(mipad2)
- 修改完out不更新_CyclicBarrier 不就是比 CountDownLatch 多了个回环么?
- c语言 多进程实现基于UDP的网络群聊聊天室
- C实现utf8与gbk互转
- 《博弈论全家桶》(ACM / OI)(超全的博弈论 / 组合游戏大合集)
- 编译全志A31出现的错误
- 【推荐】到伊甸园玩体感游戏吧!
- MFC:读取整个记事本文件
- iOS开发常用之博客
- 雷达学报中文期刊投稿过程记录
- ArcGIS平台概述
- 工业相机的帧频和行频是什么意思?