Сеточный трейдинг против маркет-мейкинга Авельянеды-Стойкова: математическое сравнение (2026)

По своей сути, как классические боты для сеточной торговли, так и высокочастотные системы маркет-мейкинга выполняют одну и ту же экономическую функцию: они действуют как поставщики ликвидности, размещая лимитные ордера по обеим сторонам книги ордеров и фиксируя спред между предложениями и ценами, когда шумовые трейдеры подают рыночные ордера.

Однако лежащая в их основе математическая философия фундаментально различается. Классический сеточный бот работает в соответствии с статической детерминированной парадигмой. Он создает жесткую матрицу равномерно расположенных ценовых ступенек по заранее определенному коридору. Важно отметить, что расстояние между соседними ордерами на покупку и продажу остается постоянным независимо от того, имеет ли бот нулевой или максимальный инвентарь.

Напротив, маркетинг Авелланеды-Стойкова (AS), представленный в основополагающей статье 2008 года Высокочастотная торговля в книге лимитных ордеров, представляет собой стохастическую структуру оптимального управления. Вместо пассивного подхода к накоплению запасов модель AS постоянно сдвигает свою справочную цену (цену резервирования) от средней цены пропорционально ее чистым запасам и неприятию риска. Когда накапливаются длинные запасы, механизм AS агрессивно расширяет предложения и снижает спрос, заставляя рынок уменьшать избыток запасов.

Теоретической основой оптимального рыночного процесса является Цена резервирования (Цена безразличия)r(s, q, t), которая представляет собой субъективную стоимость актива с учетом текущих запасовq:

r(s, q, t) = s - q \gamma \sigma^2 (T - t)

Гдеs— текущая средняя рыночная цена,q— это количество имеющихся запасов (положительное для длинных позиций, отрицательное для коротких),\gamma— это абсолютный коэффициент неприятия риска трейдером,\sigma— волатильность активов, а(T - t)представляет собой оставшийся торговый горизонт. Обратите внимание на интуитивную математическую элегантность: если бот имеет большую длинную позицию (q > 0), его резервная ценаrпадает ниже средней рыночной ценыq0___.

Оптимальные полуспреды для спроса (q1___) и бида (q2___) вокруг цены резервирования составляют получается как:

q3___

q4___

Гдеq5___ — параметр плотности ликвидности книги заявок, определяющий интенсивность поступления заявок. По мере расширения запасаq6___ котировка спроса отступает глубже в книгу, а котировка спроса приближается к рыночной цене, стимулируя входящий поток покупателей, чтобы снизить риски для баланса бота.

В традиционных настройках сетки размер шага выбирается эвристически (например, 0,5 % или 1,0 %). В рамках AS спред математически калибруется по вероятности поступления исполнения\lambda(\delta) = A e^{-\kappa \delta}, где\delta— расстояние от средней цены.

Когда волатильность рынка\sigmaрезко возрастает или интенсивность поступления ордеров падает, оптимальный общий спред\Delta_{optimal} = \delta^a + \delta^bавтоматически расширяется:

\Delta_{optimal} = \frac{2}{\gamma} \ln\left(1 + \frac{\gamma}{\kappa}\right) + \gamma \sigma^2 (T - t)

Эта динамическая настройка устраняет основную уязвимость стандартных сеток: многократное заполнение во время высокоскоростных всплесков волатильности с недостаточной прибылью для компенсации неблагоприятного выбора.

Во время 60-дневного стресс-теста BTC/USDT и SOL/USDT в испытательной лаборатории Grid Bot Wars наши исследователи сравнили стандартный 50-ступенчатый арифметический бот-сетку с движком создания рынка Avellaneda-Stoikov на базе Python.

Во время бокового отбива с ограничением диапазона (дни 1–28) статическая сетка дала немного большее общее количество заполнений (1420 заполнений против 1420). 1180 исполнений), потому что она постоянно поддерживала узкие котировки, получая +12,4% против +10,8% у AS.

Однако в течение дней 29–35, когда SOL резко сломал тенденцию к снижению на 24%, статическая сетка накопила 100% своих длинных запасов по высоким ценам, что привело к нереализованной просадке на 24%. -21,6%. Механизм AS, обнаружив накопление запасов, постепенно расширил свои котировки спроса и сократил спрос, избавляясь от 65% своей длинной позиции во время незначительных ретрейсментов. Его просадка была ограничена -7,2%, завершив 60-дневный тест с коэффициентом Шарпа 3,12 против 1,84 для статической сетки.

Розничным трейдерам не нужна многомиллионная HFT-инфраструктура, чтобы извлечь выгоду из математики Авельянеды-Стойкова. Вы можете легко реализовать Гибридную скошенную сетку, используя следующие алгоритмические правила:

1. Весовой коэффициент запасов: Рассчитайте коэффициент запасовI_{ratio} = \frac{Q_{current} - Q_{target}}{Q_{max}}.
2. Динамическое смещение шагов: Вместо равноудаленных ступеней умножьте размеры шагов покупки на(1 + \alpha \cdot I_{ratio})и размеры шагов продажи на(1 - \alpha \cdot I_{ratio}), где\alpha \approx 0.5.
3. Асимметричная плотность: Если запасы превышают 50 % емкости, отмените верхние 20 % ордеров с наименьшим лимитом на покупку и перераспределите эту маржу на оставшиеся лимитные ордера на продажу ближе к текущей цене.
4. Автоматическое масштабирование волатильности: Свяжите интервал сетки непосредственно с паркинсонизмом в реальном времени или оценки волатильности Гармана-Класса, а не статические ценовые расстояния.