Разработка системы ликвидности биржи (market making)

Без ликвидности биржа мертва: широкий спред, глубокий price impact, уход трейдеров к конкурентам. Рассмотрим типичную задачу: биржа запускает пару BTC/USDT, но спред 50 bps при объеме $1000. Трейдеры уходят на Binance. Наше решение — развернуть бота с динамическим спредом 10 bps и глубиной $50k. Результат: спред снижается до 15 bps, объем растет в 5 раз. Мы разрабатываем системы маркет-мейкинга под ключ — от стратегии до продакшена. Опыт команды — 10+ проектов в DeFi и CeFi. Разработка системы ликвидности биржи (market making) требует глубокого понимания микроструктуры рынка и управления рисками.

Почему динамический спред критичен для ликвидности?

Статический спред не адаптируется к волатильности и событиям. Результат — или убыток при высокой волатильности, или потеря конкурентоспособности. Мы используем динамический спред, который расширяется при росте волатильности и перед важными событиями (FED, халвинги). Это позволяет сохранять рентабельность и обеспечивать ликвидность в любой ситуации.

Как market making решает проблему ликвидности?

Динамический спред против статики — разработка системы ликвидности

Статический спред не адаптируется к волатильности и событиям. Результат — или убыток при высокой волатильности, или потеря конкурентоспособности. Мы используем динамический спред, который расширяется при росте волатильности и перед важными событиями (FED, халвинги).

Управление inventory risk

Без управления инвентарем market maker может накопить огромную позицию и потерять деньги при развороте рынка. Наш бот автоматически рассчитывает inventory skew и сдвигает котировки для возврата к нейтральной позиции. При превышении лимитов — принудительный market ордер на внешней бирже.

Execution risk при хеджировании

Задержка между сделкой клиента и хеджем на Binance (1-100 мс) создает риск проскальзывания. Мы минимизируем его через low-latency API и коллокацию серверов.

Как устроена архитектура бота?

Базовая архитектура бота

class MarketMaker:
    def __init__(self, symbol: str, config: MMConfig):
        self.symbol = symbol
        self.spread_bps = config.spread_bps
        self.order_size_base = config.order_size
        self.num_layers = config.num_layers
        self.layer_spacing_bps = config.layer_spacing

    async def compute_quotes(self, mid_price: float) -> list[Quote]:
        quotes = []
        inventory_skew = self.calculate_inventory_skew()
        for i in range(1, self.num_layers + 1):
            bid_offset_bps = self.spread_bps * i + inventory_skew
            ask_offset_bps = self.spread_bps * i - inventory_skew
            bid_price = mid_price * (1 - bid_offset_bps / 10000)
            ask_price = mid_price * (1 + ask_offset_bps / 10000)
            size = self.order_size_base / i
            quotes.append(Quote('buy', bid_price, size))
            quotes.append(Quote('sell', ask_price, size))
        return quotes

    def calculate_inventory_skew(self) -> float:
        target_inventory = 0
        current_inventory = self.get_current_inventory()
        inventory_deviation = current_inventory - target_inventory
        skew = inventory_deviation * self.inventory_skew_factor
        return max(-self.max_skew_bps, min(self.max_skew_bps, skew))

Хеджирование

async def hedge_trade(self, trade: InternalTrade):
    hedge_side = 'buy' if trade.side == 'sell' else 'sell'
    await self.hedge_exchange.market_order(
        symbol=self.symbol,
        side=hedge_side,
        quantity=trade.quantity
    )

Inventory management

Ключевая метрика — inventory skew. Мы отслеживаем позицию в реальном времени и сдвигаем котировки для возврата к нейтрали.

def get_inventory_metrics(self) -> dict:
    current_pos = self.get_position_btc()
    pos_value_usd = current_pos * self.get_mid_price()
    return {
        "position_btc": current_pos,
        "position_usd": pos_value_usd,
        "max_inventory_usd": self.config.max_inventory_usd,
        "utilization": abs(pos_value_usd) / self.config.max_inventory_usd,
        "pnl_unrealized": self.calculate_unrealized_pnl(current_pos)
    }

Что такое execution risk и как его минимизировать?

Execution risk возникает из-за задержки между сделкой клиента и хеджем. Чем больше задержка, тем выше вероятность, что цена на внешней бирже изменится. Мы снижаем этот риск через low-latency API и коллокацию серверов рядом с биржей. В критических случаях используем фиксированный спред для покрытия возможного проскальзывания.

Как рассчитывается динамический спред?

Спред рассчитывается как сумма стоимости переноса, ожидаемого adverse selection и маржи. Adverse selection — вероятность торговать против информированного трейдера. В криптовалюте она выше при высокой волатильности и перед крупными событиями.

def calculate_dynamic_spread(self) -> float:
    base_spread = self.config.base_spread_bps
    volatility = self.get_realized_volatility_1h()
    vol_multiplier = max(1.0, volatility / self.baseline_volatility)
    event_factor = 1.5 if self.is_event_window() else 1.0
    hedge_spread = self.get_hedge_exchange_spread()
    hedge_factor = max(1.0, hedge_spread / self.baseline_hedge_spread)
    return base_spread * vol_multiplier * event_factor * hedge_factor

Liquidity provider программа

Биржа может привлекать внешних market makers через fee rebate. Стандартные тиры:

Негативный maker fee означает, что биржа платит market maker-у за каждый исполненный ордер. Это стандартная практика.

Performance requirements

def check_mm_performance(self, mm_id: str, period_minutes: int = 60) -> MMScore:
    quotes = self.db.get_mm_quotes(mm_id, period_minutes)
    total_seconds = period_minutes * 60
    active_seconds = sum(q.duration for q in quotes if q.has_both_sides)
    uptime = active_seconds / total_seconds
    avg_spread = statistics.mean(q.spread_bps for q in quotes)
    avg_depth_usd = statistics.mean(q.total_depth_usd for q in quotes)
    return MMScore(
        uptime=uptime,
        avg_spread_bps=avg_spread,
        avg_depth_usd=avg_depth_usd
    )

On-chain AMM liquidity

Для DEX ликвидность предоставляется через LP-позиции. Сравнение:

Для серьёзного объёма CEX market making эффективнее. AMM подходит как backstop ликвидность для long-tail токенов.

Процесс работы

1. Анализ ликвидности и конкурентов
2. Проектирование стратегии с учётом рисков
3. Разработка бота на Python/Solidity + Foundry
4. Тестирование на исторических данных и симуляция
5. Деплой на продакшен и мониторинг

Сроки: от 2 недель до 2 месяцев в зависимости от сложности. Стоимость рассчитывается индивидуально.

Что входит в работу?

• Архитектура и документация стратегии
• Исходный код бота с интеграцией биржи
• Настройка хеджирования и inventory management
• Тестирование и оптимизация
• Поддержка и доработки в течение гарантийного периода

Гарантируем качество: сертифицированные инженеры, опыт более 10 успешных проектов. Свяжитесь с нами для оценки вашего проекта. Закажите разработку системы маркет-мейкинга под ключ — получите консультацию по вашему проекту.

Wikipedia: Market maker

Мы разрабатываем биржи — не «сайты с графиком», а matching engine, который обрабатывает тысячи ордеров в секунду без задержки, маршрутизирует ликвидность между пулами и гарантирует, что ни один пользователь не получит доступ к чужим средствам. Команды, которые начинают с UI и откладывают движок «на потом», в 90% случаев переписывают всё через полгода.

Какие проблемы решает правильная архитектура?

Order Book vs AMM: где ломается большинство проектов

Централизованные биржи (CEX) строятся вокруг order book + matching engine. Децентрализованные (DEX) — либо тоже используют order book (dYdX на StarkEx, Serum/OpenBook на Solana), либо AMM с концентрированной ликвидностью (Uniswap v3/v4, Curve, Balancer). Классическая ошибка при разработке CEX — реализовывать matching engine поверх реляционной БД с транзакциями на каждый матч. PostgreSQL справится с ~500 RPS без специальных усилий, но при пиковой нагрузке 5 000–10 000 ордеров в секунду это превращается в deadlock-ад. Правильная архитектура: in-memory order book (Redis Sorted Sets или кастомная структура на C++/Rust), асинхронная запись матчей в PostgreSQL через очередь (Kafka/RabbitMQ) и отдельный settlement service, финально обновляющий балансы.

Для DEX самая болезненная проблема — sandwich атаки и MEV. Пул с обычным xy=k AMM без slippage protection становится целью для MEV-ботов в первые же часы после запуска. Uniswap v2 потерял на этом сотни миллионов долларов ликвидности для пользователей. Решения: интеграция с Flashbots Protect, commit-reveal схема для ордеров или переход на TWAMM (Time-Weighted AMM) для крупных сделок.

Концентрированная ликвидность и impermanent loss

Uniswap v3 ввёл концентрированную ликвидность — LP выбирают ценовой диапазон, в котором предоставляют ликвидность. Капитальная эффективность выросла в 4 000 раз по сравнению с v2 для стабильных пар. Но реализовать этот механизм правильно — нетривиальная задача. Контракт ликвидности Uniswap v3 использует tick-based accounting: пространство цен разбито на дискретные тики (tick = log₁.0001(price)), каждый тик хранит накопленные fee growth и liquidity delta. При создании позиции вычисляются нижний и верхний тик, контракт пересчитывает все активные позиции при каждом swap. Storage layout здесь критичен — неправильная упаковка переменных в slots легко прибавляет 40–60% к стоимости gas на swap.

Мы реализовывали форк Uniswap v3 для клиента на Polygon с кастомной fee tier системой. Первоначальная версия тратила 180k gas на swap через 2 тика. После slot packing переменных в Tick.Info и инлайнинга нескольких internal вызовов — 112k gas. Это снизило gas-затраты на 38% и сэкономило клиенту более $50 000 ежемесячно на комиссиях. Применённые техники описаны в Uniswap v3 Whitepaper и подтверждены нашим опытом аудита.

Что такое matching engine и почему он критичен?

Production-ready matching engine строится по следующей схеме:

• Order ingestion layer — WebSocket gateway (Go или Rust), принимает ордера, валидирует подпись, проверяет баланс через Redis, ставит в очередь. Latency на этом уровне должна быть <1ms.
• Matching core — single-threaded event loop (устраняет race conditions без мьютексов). В памяти держим два Sorted Set на каждый торговый инструмент: bids и asks. FIFO matching для limit ордеров, immediate-or-cancel для маркет. Throughput при правильной реализации на Rust — 500k–1M матчей в секунду на одном ядре.
• Settlement service — читает матчи из Kafka, атомарно обновляет балансы в PostgreSQL (UPDATE accounts SET balance = balance - $1 WHERE id = $2 AND balance >= $1). Optimistic locking через версионирование строк.
• Withdrawal pipeline — отдельный сервис с cold/hot wallet архитектурой. Горячий кошелёк держит 5–10% от суммарных депозитов, остальное — cold storage с multi-sig (Gnosis Safe или кастомный HSM). Автоматические выводы только из hot wallet, крупные суммы — ручная авторизация.

Как мы строим on-chain DEX: смарт-контракты и gas-оптимизация

Для DEX на EVM (Ethereum, Arbitrum, Optimism, Polygon) весь критический путь живёт в Solidity. Основные контракты: Pool, Factory, Router, PositionManager (для v3-like) и Quoter для off-chain расчётов. Типичные ошибки, которые мы видим в аудитах:

Reentrancy через callback. Uniswap v3 использует flash swap с callback (uniswapV3SwapCallback). Если в вашем роутере нет nonReentrant guard и вы не проверяете msg.sender == pool, контракт дренируется через вложенный вызов. Это не гипотетика — несколько форков v3 теряли средства именно так.

Oracle manipulation в AMM. Если ваш контракт использует spot price из пула для расчёта collateral — это front-runnable. Правильно: TWAP за 30+ минут (Uniswap v3 OracleLib) или внешний оракул (Chainlink).

Unbounded loops в liquidity range. Если swap пересекает много тиков подряд (price impact 80%+), gas может превысить block limit. Нужен MAX_TICKS_CROSSED с partial fill и возвратом остатка.

Для Solana DEX (Anchor framework, Rust) архитектура принципиально другая: account-based модель, Program Derived Addresses (PDA) вместо storage, Cross-Program Invocations вместо внутренних вызовов. Throughput Solana (~3 000–4 000 TPS против 15–30 у Ethereum mainnet) позволяет строить on-chain order book — именно так работает Phoenix DEX.

Liquidity bootstrapping и интеграция с агрегаторами

Запустить пул мало — нужно обеспечить ликвидность на старте. Практические механизмы:

• Liquidity Bootstrapping Pool (LBP) — начальная цена высокая, весовые коэффициенты активов динамически смещаются, создавая давление продаж и равномерное распределение токена. Реализован в Balancer v2.
• Initial Liquidity Offering через Uniswap v3 — добавление ликвидности в узкий диапазон вокруг начальной цены, затем постепенное расширение по мере роста объёма. Требует active liquidity management или интеграции с Arrakis/Gamma.
• Интеграция с 1inch, Paraswap, Li.Fi — агрегаторы дают трафик, но требуют соответствия стандартам: пул должен иметь корректный getAmountsOut, поддерживать ERC-20 approval/permit и не иметь кастомных transfer hooks, которые ломают routing агрегатора.

Процесс разработки

Аналитика и проектирование начинаются с выбора архитектурной модели: CEX с кастодиальным хранением, non-custodial DEX или гибрид (off-chain order book + on-chain settlement, как dYdX v3). Это решение определяет всё — регуляторную нагрузку, технический стек, команду.

Разработка идёт слоями: сначала смарт-контракты с полным покрытием Foundry (fuzzing, invariant testing), затем backend сервисы, затем интеграционный слой, фронтенд последним. Тестирование включает fork testing на mainnet через Foundry — мы воспроизводим реальные условия ликвидности, не синтетические.

Аудит обязателен перед деплоем на mainnet. Для DEX контрактов минимально — одна фирма с ручным ревью (Trail of Bits, Spearbit, Code4rena contest). Для CEX custody — аудит процессов хранения ключей. Мы гарантируем, что все контракты проходят формальную верификацию и fuzzing-тестирование (Echidna, Foundry invariant).

Что входит в работу (deliverables)

По завершении проекта вы получаете:

• Исходный код смарт-контрактов и backend-сервисов под вашу лицензию
• Полную техническую документацию (архитектурные схемы, API-спецификации, инструкции по деплою)
• Доступы к репозиторию и CI/CD pipeline
• Обучение вашей команды работе с кодом (2–3 сессии)
• Гарантию на найденные в процессе эксплуатации баги до 6 месяцев
• Сертификат прохождения стороннего аудита безопасности

Ориентиры по срокам

• DEX (AMM, xy=k) — от 3 до 5 месяцев: контракты + backend + UI
• DEX с концентрированной ликвидностью (v3-like) — от 6 до 10 месяцев
• CEX (matching engine + custody + торговый UI) — от 8 до 14 месяцев
• Интеграция с существующим протоколом — от 4 до 8 недель

Стоимость рассчитывается индивидуально после технического брифинга: выбор чейна, требования к throughput, кастодиальная модель. Наши сертифицированные инженеры с опытом более 10 лет помогут подобрать оптимальную архитектуру и не допустить типичных ошибок.

Типичные грабли при запуске

• Забывают про price oracle в AMM. Spot price манипулируется flash loan’ом за одну транзакцию. Если ваш lending protocol использует spot price из своего же пула — это баг, а не фича.
• Горячий кошелёк без лимитов. CEX без суточных лимитов на автоматические выводы — приглашение для атакующего. Компрометация одного ключа должна потерять максимум 10% от суммарных средств.
• Отсутствие circuit breaker. Резкое падение цены на 40% за 5 минут должно останавливать автоматические ликвидации или выводы до ручного ревью. Без этого cascading liquidation spiral уничтожает весь TVL.
• Неправильный decimal handling. USDC использует 6 decimals, WBTC — 8, большинство токенов — 18. Смешивание без нормализации даёт либо потерю точности, либо overflow. В Solidity нет float — работаем с fixed-point через FullMath (mulDiv с overflow protection).

Хотите избежать этих проблем? Свяжитесь с нами для консультации — мы подберём архитектуру под ваш проект и назовём точные сроки. Закажите разработку биржи с гарантией качества и последующей поддержкой.