返回首页

最优高频做市策略:限价单与市价单的随机控制

2026-07-21 高频-微观结构 未标签
743 字 4 分钟
目录

Source: Guilbaud & Pham (2011), “Optimal high frequency trading with limit and market orders”, arXiv:1106.5040v1

核心问题#

高频做市商如何**同时使用限价单(提供流动性)和市价单(消耗流动性)**来最优化其策略,在控制库存风险的同时最大化收益。

模型框架#

三来源风险#

  1. 库存风险(Inventory Risk):持有多头或空头头寸的价格波动风险
  2. 逆向选择风险(Adverse Selection Risk):做市报价被知情交易者利用
  3. 执行风险(Execution Risk):限价单可能不被执行或部分执行

状态变量#

  • 现金 XtX_t,库存 YtY_t,中价 PtP_t,价差 StS_t

价差建模#

  • 价差 StS_t 建模为有限状态马尔可夫链,状态空间为 tick size δ\delta 的整数倍
  • 跳转由Poisson 过程驱动(tick time clock),强度 λ(t)\lambda(t) 随时间变化
  • 实证观察到时钟强度呈 U 型模式(开盘和收盘活跃)

执行过程#

  • 限价单执行由 Cox 过程建模,强度取决于:
    • 报价类型(最佳报价 vs 改进报价)
    • 当前价差大小
  • 改进报价(Bb+/Ba−)的执行强度 > 最佳报价(Bb/Ba)

控制策略#

  • 连续控制(限价单):报价类型 (Qb,Qa)(Q^b, Q^a) 和数量 (Lb,La)(L^b, L^a)
  • 脉冲控制(市价单):随机时间 τn\tau_n 和规模 ζn\zeta_n

动态规划方程#

优化目标(均值-方差准则):

maxαAE[XTγ0Tg(Yt)dt]\max_{\alpha \in \mathcal{A}} \mathbb{E}\left[X_T - \gamma \int_0^T g(Y_t)dt\right]

关键约简结果#

在两种经典情形下,问题可降维到仅依赖库存 yy 和价差 ss

情形1:均值准则 + 库存惩罚

  • 假设中价为鞅(做市商无方向性观点)
  • 值函数形式:vi(t,x,y,p)=x+yp+φi(t,y)v_i(t, x, y, p) = x + y p + \varphi_i(t, y)
  • 最优策略与价格无关

情形2:指数效用

  • U(x)=exp(ηx)U(x) = -\exp(-\eta x),Bachelier 模型 dP=bdt+σdWdP = bdt + \sigma dW
  • 值函数形式:vi(t,x,y,p)=U(x+yp)ϕi(t,y)v_i(t, x, y, p) = U(x + y p) \cdot \phi_i(t, y)

实证表现#

参数校准#

  • 标的:法国兴业银行(SOGN.PA),2011年4月18日 Level 1 数据
  • 价差转移矩阵和时钟强度可直接从数据估计
  • 执行强度通过构建代理变量估计

回测结果(10^5 次模拟)#

策略信息比率终端财富均值终端财富标准差
最优策略 α\alpha^\star2.11726.7612.63
无市价单(WoMO)1.99925.1912.60
常数策略(基准)0.47224.3151.48
随机策略0.37624.0263.85

关键发现#

  • 最优策略显著降低财富标准差(σ\sigma 从 51.48 降至 12.63)
  • 市价单的使用使库存得到更有效控制
  • 最优策略能动态适应时间(临近到期更激进地平仓)

应用意义#

  1. 量化做市策略开发:提供了将限价单和市价单联合优化的理论框架
  2. 参数可校准性:所有参数均可从 Level 1 高频数据直接估计
  3. 降维简洁性:最优策略仅依赖于库存和价差,计算高效

相关论文#