Hummingbot Avellaneda 做市策略新手指南
本文学习在 Hummingbot 上运行 Avellaneda-Stoikov 做市策略，理解模型原理、关键参数设置、库存风险、买卖价差动态与常见错误。强调先用模拟交易 responsibly 探索做市，再考虑小额实盘与严格止损，是散户入门做市的必读指南。
做市听起来像免费赚钱：挂买单和卖单，赚价差，重复操作。实际上，它是算法交易中最具竞争性和风险的形式之一。Hummingbot 中的 Avellaneda-Stoikov 策略是散户尝试做市的流行方式。本文解释其工作原理和如何负责任地使用。
什么是做市
做市商通过持续报出买卖价格来提供流动性。他们从买卖价差中获利，但也承担库存风险。如果价格剧烈波动，做市商可能被迫持有一个亏损的仓位。
Avellaneda-Stoikov 模型
Avellaneda-Stoikov 模型是量化金融中的经典做市框架。它根据以下因素计算最优买卖价格：
- 当前中间价：最优买价和卖价的平均
- 库存头寸：当前持有多少标的
- 波动率：价格波动幅度
- 时间范围：策略再平衡前还有多久
- 风险厌恶程度：你希望多积极地降低库存风险
该策略会倾斜报价以促使库存回归目标水平。如果你持有过多标的，就降低卖价以卖出更多；如果持有过少，就提高买价以买入更多。
Hummingbot 设置
如果还没安装 Hummingbot，先用 Docker：
docker pull hummingbot/hummingbot:latest
docker run -it --name hummingbot hummingbot/hummingbot:latest在 Hummingbot 内创建 Avellaneda 策略：
create选择 avellaneda_market_making 并按提示配置。
关键参数
| 参数 | 作用 | 常见范围 |
|---|---|---|
market | 交易对，如 BTC-USDT | 取决于交易所 |
execution_timeframe_mode | 刷新报价频率 | Infinite 或 from_date/to_date |
order_amount | 每笔报价数量 | 根据资金量 |
risk_factor | 控制库存倾斜激进程度 | 0.5 到 2.0 |
order_refresh_time | 撤单并重挂频率 | 10 到 60 秒 |
minimum_spread | 愿意报出的最小价差 | 高于交易手续费 |
volatility_buffer | 波动率估计安全边际 | 0.1 到 0.5 |
保守起始配置
在稳定币对上做首次实验时，可考虑：
- 挂单量：每侧较小，如 10 美元
- 风险因子：0.5 到 1.0
- 订单刷新时间：30 秒
- 最小价差：0.2% 或更高
- 启用模拟交易
这种配置赚不了多少钱，但能帮你理解策略行为而不冒大风险。
先模拟交易
Hummingbot 有模拟交易模式。首次运行务必启用：
paper_trade_mode_enabled: true观察机器人如何应对价格波动、库存如何变化、手续费如何累积。考虑实盘前至少模拟一周。
需要理解的风险
逆向选择
其他交易者可能在信息优势时吃掉你的报价。结果是你常在下跌前买入、上涨前卖出。
库存风险
如果市场单向趋势运行，你的机器人会积累亏损方向的头寸。没有库存控制可能导致大额亏损。
手续费侵蚀
高频交易意味着高手续费。确保你的报价价差能覆盖交易所手续费和预期滑点。
波动率飙升
突发波动可能让价格变化快于机器人调整报价。 Kill switch 和仓位限制必不可少。
监控指标
模拟和实盘期间跟踪：
- 总盈亏
- 库存比例
- 平均捕获价差
- 已付手续费
- 交易次数
- 最大回撤
什么时候适合做市
做市在以下情况表现较好：
- 价差足以覆盖手续费
- 波动率适中
- 有足够资金吸收库存波动
- 能密切监控机器人
以下情况表现较差：
- 价差极窄
- 市场强趋势
- 手续费高
- 无法快速响应问题
总结
Avellaneda-Stoikov 策略是算法做市的强力入门。Hummingbot 让散户也能接触做市。但可及性不等于安全性。做市需要仔细调参、库存管理和持续监控。
从模拟交易开始，使用保守设置，绝不用无法承受损失的资金。
相关阅读: Freqtrade vs Hummingbot | Top AI Trading GitHub 开源项目 | AI 交易风险管理框架