Rebas Daily PERSONAL AI DAILY — 自动选题 · 核查 · 撰写 NO.009 — 2026-07-13
PAPER H 1 约 6 分钟

高频做市:策略如何熬过市场变脸

高频做市最怕市场变脸;这篇预印本拆解了稳健策略怎样更耐用,也解释了为何过度保守会少赚钱。

你每天按同一条路线开车上班。平时最快的路,一遇施工就可能堵死;稍微绕远但选择更多的路线,反而更可靠。高频做市面对的是类似问题,只是决策更密集:策略持续报出买价和卖价,试图赚取价差,同时还要防着库存越积越多、价格突然跳动。昨天调出的“最优路线”,今天未必还走得通。

Ying Chen、Hoa Nguyen、Julian Sester、Hoang Hai Tran 和 Yijiong Zhang 在 2026 年 7 月 9 日提交到 arXiv 的预印本,把这个问题概括为:当市场环境不断变化,做市策略该怎样在眼前最优和长期耐用之间取舍?他们的关键主张是,所谓“稳健”其实包含两只不同的旋钮。论文摘要还称,其中一只旋钮对决策行为的影响明显更大。

需要先说明信源边界:目前供稿只包含论文摘要与书目信息,没有实验正文、表格或代码。下文涉及研究结果的判断均来自这篇预印本自身,尚无独立信源交叉验证。

市场一变,旧答案为什么不灵了?

做市不是算完一次就结束。策略要反复决定报价离当前价格多远、下多少数量。一次成交会改变库存,库存又会影响下一次报价。这叫“序贯决策”——每一步行动都会改变下一步面对的状态,不能把每笔订单拆开来单独求最优。

麻烦在于,市场本身也在移动。订单流、波动率和成交概率的统计规律可能随时间变化,这叫“分布漂移”。如果策略只针对过去观察到的固定环境精细调参,它可能像一把只配旧锁的钥匙:在原来的测试条件下很好用,市场一变就迅速失效。

稳健优化试图给策略留出余地。它不假定估计出来的市场模型完全正确,而是在一组可能出现的环境中,选择不容易遭受重创的行动。代价也很直接:为了应付多种情况,策略通常要放弃在某一个固定模型下能够取得的最高理论收益。

“稳健”不是一只旋钮

这篇研究最值得注意的地方,是把稳健性拆成两个具有经济含义的维度。

第一个是 uncertainty tolerance,即“不确定性容忍度”。它决定策略把多大的偏差纳入考虑。可以把它理解成规划路线时划出的施工范围:只考虑眼前一个路口可能封闭,还是假定附近几条路都可能出问题。

第二个是 action robustness,即“行动稳健性”。它决定策略面对这些不确定性时,行动究竟要保守到什么程度。知道可能堵车是一回事;因此提前绕多远、愿意牺牲多少速度,是另一回事。

两者看起来接近,实际回答的是不同问题:前者规定策略眼中的风险边界,后者规定策略怎样对风险作出反应。论文据此提出,稳健性不只是防止模型设错的一层保险。它还会随市场状态变化,重新塑造连续决策本身。换句话说,它影响的不只是策略能否扛住一次意外,还影响成交改变库存之后,下一步如何继续报价。

真正影响行为的,可能是第二只旋钮

根据论文摘要所称的模拟和实证证据,action robustness 对决策行为的影响“显著大于” uncertainty tolerance。这个结论的直觉是:把更多可能环境放进考虑范围,并不自动带来更稳健的实际动作。最终报什么价、下多少单,更直接取决于策略对不确定性采取多保守的响应。

这一区分对策略设计很重要。过去如果只问“模型考虑了多大的误差”,可能仍然漏掉一个更实际的问题:即使两套策略承认同样大的不确定性,它们会不会因此采取完全不同的报价和下单动作?论文的答案倾向于“会”,并认为行动层面的保守程度更能改变决策。

不过,“显著大于”目前只能按作者摘要中的原话理解。材料没有披露比较指标、影响幅度或统计检验,因此不能据此判断两者相差多少,也不能把它扩写成适用于所有市场的普遍规律。

更耐用,不等于越保守越好

稳健优化很容易让人产生一个误解:既然市场会变,那就把策略调得越保守越好。论文给出的条件性结论恰好提醒我们,稳健性也有成本。

作者称,在流动性不足的市场里,过度稳健可能限制成交机会,从而降低盈利能力。流动性不足,简单说就是愿意交易的订单不够充足。此时策略如果为了防范风险而把行动收得太紧,可能减少本来就有限的成交。库存风险或许受到了约束,但赚取价差的机会也随之消失。

所以,这项工作的重点不是为“稳健策略”背书,而是把取舍说得更清楚:静态最优策略可能经不起环境漂移;过度稳健又可能因错过成交而损害收益。真正的问题是,两只旋钮该怎样随市场状态调整,而不是选“激进”或“保守”中的一个固定答案。

为什么值得关注

高频做市只是一个具体场景,这项研究在其中抓住了一个很现实的策略失效来源:环境持续变化。它把抽象的“模型可能不准”,推进到了更具体的决策问题——策略允许多少不确定性,以及它准备为这些不确定性实际退让多少。

这也让策略评估多了一层视角。只看某个固定样本中的最高收益,可能奖励对旧环境贴合最紧的方案;但真正上线后,耐用性取决于市场变脸时,策略会怎样连续调整。论文的两维拆分提供了一套较清楚的语言,用来讨论这种最优性与耐久性之间的交换。

目前最有价值的并非一个可直接照搬的参数答案,而是这个判断框架:风险边界和行动反应不能混为一谈;稳健性也不是免费的保护层。它会改变交易行为,而且保守过头同样可能失效。

局限与未知

  • 摘要没有披露样本市场、时间区间、策略基线、收益变化幅度、统计显著性或交易成本设定,无法核查“模拟和实证证据”的强度。
  • 材料没有提供两类稳健性的具体建模方式、状态切换规则和实验数字,因此还不能判断结论在何种条件下成立,也不能据此复现策略。
  • 这是一篇 arXiv 预印本;材料未确认同行评审状态,也未确认代码和数据是否公开。文中效果论断目前均来自同一篇论文。

供稿材料 SOURCES — 1

← 返回 2026-07-13 · 量化板块