FXUM- Starr Quants Lab

HFT/Market Making/皮质醇战士

[FXUM- Starr Quants Lab @fxu_starr]

今天夜盘开盘的时候我本来想着悄悄摸摸走的。因为不想影响大家正常交易，设置了提前五分钟chasing order 在bbo用maker把仓位清掉，尽量降低周末积累的仓位对市场的影响。结果在布置策略的时候deploy错的版本，代码有遗留问题，直接导致是整点taker离场全部的仓位了。你可以防大型利益集团，但防不了我这��蠢人犯的无心的错误。🧎sorry

[喷子 @jt588888]

闪迪（SNDK）周末美股关盘插针

因为根本没有什么流动性，利益集团可以随意爆你

周末关盘，SNDK 从1924附近插到1988然后又给你跌回来，你没有一点办法的

而且你也不知道是谁爆的你，在没有什么流动性的时候大资金可以随便爆小资金的

所以还是正常工作日做美股交易

[FXUM- Starr Quants Lab @fxu_starr]

马上铺个单子接针

[我不是冥灯 @horatio_don]

完了，顶不住了，马上爆仓了

[FXUM- Starr Quants Lab @fxu_starr]

我也收到了！喜欢的一

[K线教主（网络喷子版） @Paris13Jeanne]

最近VIP周边有点多
这个我是真喜欢
大家都知道我爱喝酒
明天就是币安的九岁生日了
点个酒我给你们调～
@binancezh @sisibinance @miyayweb3

[FXUM- Starr Quants Lab @fxu_starr]

第二篇被ban的- 价格类型
讲讲一些基本的Clob机制下的价格类型。先说结构
基础价格：mid / last
修正价格：micro / fair
预测价格：forecast mid
报价价格：reservation price
1. mid price 当前 orderbook 的中间价 - 盘口best bid & ask 除2后再rounded到ticksize得到的价格。如果你以市价单进场，会立即以盘口的买一价格或者卖一价格撮合成交（当然还有滑点）成为last price - 最新成交价格。
2. micro price 微观价格 - sasha stoikov教授认为中间价通常不准确地估算到这个ticker当下的真实价值、应该结合挂单量加权。
3. fair price 公允价格 - 一只ticker的价格经常容易在微观层面被高估或被低估几个tick，我们用模型可以算出这个ticker的无偏估值。
4. forecast mid price 预测中间价 - 预测这个ticker在几毫秒或者几秒钟后应该达到的价格。
5. reservation price 预留价格 - 通常做市商准备下单的价格。
然后讲一下基础的AS计算公式。
r_t = s_t - q_t · gamma · sigma^2 (T-t)
其中 s_t 是估值价格（可以取 mid/fair），q_t 是库存，gamma 是风险厌恶系数，sigma 是波动率。
我们以最后都以reservation price 报价举例 reservation price可以等于任何其他price。 如果你按照mid price报价那就是rp=mid price， 如果按照fair price就是rp=fair price。
我通常使用的是结合库存的rp = round_to_tick( fmp - lambda
* q )，其中fmp = fair price - basis，q = 当前持仓（position）lambda = 库存惩罚系数（skew）
虽然影响quoting的指数不只一种，做市商也会根据所持库存来报价惩罚增加偏度skew，或者根据流动性变化，波动率，决定是否要拓宽quoting的范围。

[FXUM- Starr Quants Lab @fxu_starr]

@RIFF404 偏移还要打得过手续费哦

[FXUM- Starr Quants Lab @fxu_starr]

拥抱对的库存才能吃到超额spread

[（二狗��）Dogquant 小狗量化 @Dogquant0]

@fxu_starr glft我还加入了柏松过程，怕库存。

[FXUM- Starr Quants Lab @fxu_starr]

@Boywus 谢谢大佬抬

[FXUM- Starr Quants Lab @fxu_starr]

有时候其实并不是说任何交易所都没问题。首先crypto的特性就导致它吸收更行各业各种人 - 什么人都可以参与。不能用素质去衡量每一个客服和员工。至少gate在第一时间的公关能力真的让人唏嘘。用户在你这放钱，在你这交易。please 至少遇到问题show some respect… @binance 的优势主要是��有“微信”效应。其实你只需要认这一个就行了，只有微信的钱包是安全的。因为他足够大。但是第一性原则是。就算是类似腾讯这样的大厂，程序员也可能是草台班子….所以怎么样都要be aware…

[RIFF @RIFF404]

为什么还是有人愿意冒着损失全部本金的风险在山寨所放钱、理财、交易，有没有想过进去那一刻无论你做什么都是负EV。

在币圈，无论你是囤币、美股交易，还是薅毛，交易所只需要用币安。不仅是体量原因，试问哪个交易所老板 @heyibinance 能天天高强度推上冲浪替你反馈问题解决问题，更别说 @cz_binance 全仓$bnb了，你找不出第二个，也不需要找第二个。

Long Binance, long $bnb

[FXUM- Starr Quants Lab @fxu_starr]

补发一个被小红书封掉的原帖：高频做市策略脚本结构-
这一章节讲一下最近拿到成果的一个做市策略，以及我理解的做市脚本应该的结构和开发设计模式。
首先我们将一个脚本的结构 写成注释Label，把每一步规划清楚写在文档里。然后把它拆成几个模块。可以用ai对照label逐条实现。
1. 获取市场数据 先从框架里调用market data 包括但不限于trades， 各个档位的orderbook，和bbo。如果需要多个交易所就写多个。
2. 开个bucket或bin 计算alpha和其他需要用到的数据函数比如交易强度等。拿到定量的数据后使用自己的方法路径，加权或不加权把alpha加到当前midprice上，以得到forecast midprice。目前可以用fair value* alpha c0调整因子。这里我是用的是线性调整，使用的是高频时序，也就是定时计算。alpha的方法很多，常用的有obi ofi，基差等。后面可以单独开一篇讲解。
3. 有了生成的预测价格，在下一个label 我们接下来围绕着这个价格进行铺单，决定挂单间隔价差，层级，订单刷新时间；这里可以引用库存模型进行管理。我使用的glft模型，先通过trades的变化计算时序价格到达深度，来测算交易强度，用前50-70档的数据进行参数拟合，结合交易强度做动态spread。如果现在有仓位，则利用仓位个数计算出名义持仓价值，然后加权到铺单的半差价上。这样半差价就可以倾斜。让你永远不要一次性���太多仓位。注意线性的仓位惩罚会影响alpha有效性导致逆向成交。
4.订单生成，订单ID映射管理。我的小trick是直接使用price tick作为唯一orderID 这样不会在同一价格重复下单。
5. 风控和kill-switch： 遇到交易强度或者有毒订单流市价平仓停机sleep 8hr
6. 监控日志管理来查看策略运行状态
其实每一步都有太多可讲了。目前这个证实好用的策略是使用跨所基差Basis的线性回归作为alpha，glft模型做库存管理动态spread和铺单等级。结合成交概率模型的策略。这里不是预测成交，而是根据自己挂单成交的比率进行价差微调、实现持续报价和计划比例的order filled rate。具体的运行逻辑欢迎dm讨论。

[FXUM- Starr Quants Lab @fxu_starr]

我觉得不对，普通人应该直接卷高频做市、成则一步登天，败也就是留在原点。

[KK.aWSB @KKaWSB]

一段"原本不该公开"的视频——几位对冲基金内部人士，手把手讲量化职业蓝图。

[FXUM- Starr Quants Lab @fxu_starr]

开始做bn广场和X啦！

[FXUM- Starr Quants Lab @fxu_starr]

聊聊做市，真的很难，大家一般怎么调参？ 我是optuna 或者hyperopt后再把末尾的0.0000xx 的超级小数调成自己的幸运数字。

[FXUM- Starr Quants Lab @fxu_starr]

@JPBP7899 再接再厉

[FXUM- Starr Quants Lab @fxu_starr]

准备从小红书转战X了。

[FXUM- Starr Quants Lab @fxu_starr]

人家说的不是一个事儿

[Boywus @Boywus]

@gate_mina @GateVIP_zh @Gate_zh 你们家周边商城东西不行，说实话，我真不知道兑换点啥，其他几家我还能搞点衣服放睡衣穿，看着我一屋子交易所logo，收集欲也满足些

[FXUM- Starr Quants Lab @fxu_starr]

@DongGan7 雨下得太大

[danny @agintender]

我相信绝大多数 retail ，甚至是KOL，即使在加密圈混了几年,也只听过”做市商”三个字,从没见过一份真实的 MM 协议长什么样。

altcoin 项目方和做市商之间的协议,几乎都是同一个模板:Loan + Call Option。

项目方在 TGE 前夕,把一笔 token(通常是流通供应的 1% 到～5%)以”借出”形式给到 MM。“借出”两个字在会计上很重要——项目方没有”卖出”,所以不必披露 sale 收益,这部分 token 在 tokenomics 文档里仍然归类为”做市商分配”或”流动性储备”。合同期限通常 12 到 24 个月,期满时 MM 有两个选择:把 token 原数归还,或以预先约定的 strike price 买下来。

注意‼️：这个”买或不买”的选择,在金融上就是一个 European call option,strike 通常落在 TGE 价格的 25% 到 100% premium 之间。

有些还会额外约定什么利润分成、保底条款、做市义务，做市KPI等,但 Loan + Call Option 是骨架。

这个结构对双方都很诱人。项目方拿到即时的二级流动性,不必直接卖币,会计上没有 sale,tokenomics 叙事保持干净。MM 的位置更舒服:零成本拿到大量 inventory、获得上行 option、几乎不承担下行——价格跌破 TGE 价的话,把 token 还回去就行,不需要承担减值。激励是不对称的:项目方承担机会成本(币涨了 MM 行权,项目方少卖一笔),MM 拿到所有上行、几乎不承担下行。

这是为什么 MM 业务过去几年是加密最赚钱的几个赛道之一,而几乎没有 retail 知道这个生意的具体结构。

想知道更多？ 自己去看全文吧

[FXUM- Starr Quants Lab @fxu_starr]

@DaedalusRsch @Polymarket @Kalshi yes

[Mr.RC｜𝟎𝐱𝐔 @MrRyanChi]

https://t.co/hDBouzawRx

[FXUM- Starr Quants Lab @fxu_starr]

I'm claiming my AI agent "MorganJX" on @moltbook 🦞

Verification: coast-9ZCZ