Молодая криптобиржа без ликвидности — мёртвая биржа. Трейдеры уходят туда, где узкий спред и глубокий стакан. Внутренний маркет-мейкер решает эту проблему: мы проектируем и внедряем торговых ботов с прямым доступом к matching engine, что снижает задержки до микросекунд и исключает комиссии. В отличие от публичных ботов для Binance, внутренний бот работает через IPC или gRPC, минуя HTTP overhead и rate limits. Это даёт задержку менее 100 мкс против 1–5 мс у внешнего API.
По данным CoinMarketCap, около 70% объёма на топ-биржах обеспечивают маркет-мейкеры.
Недавний кейс: для биржи X с дневным объёмом $50M мы внедрили внутреннего маркет-мейкера. Результат: спред снизился с 0.5% до 0.08%, объём вырос на 300% за месяц. Экономия на комиссиях составила более $60,000 в месяц — это на 40% больше, чем при использовании внешнего API.
Опыт нашей команды в разработке торговых ботов превышает 7 лет. Мы гарантируем стабильную работу и прозрачный аудит каждого проекта.
Зачем бирже собственный торговый бот?
Мы проектируем ботов, которые поддерживают спред 0.05–0.1% для стабильных пар и глубину стакана с объёмом до 50 BTC на каждом уровне. Бот непрерывно синхронизирует цены с внешними биржами (Binance, OKX) через WebSocket, корректируя собственные котировки каждые 100 мс. Это легитимная практика — большинство бирж на старте используют внутренних маркет-мейкеров.
Как разрабатывается торговый бот для криптобиржи?
Процесс включает несколько этапов: анализ требований, проектирование архитектуры, реализацию стратегии, интеграцию с внутренним API, тестирование и аудит, развёртывание. Каждый этап завершается документированным результатом. Сроки — от 3 до 5 недель.
| Этап | Длительность | Результат |
|---|---|---|
| Анализ требований | 2-3 дня | Спецификация стратегии |
| Проектирование архитектуры | 3-5 дней | High-level design |
| Реализация стратегии | 5-10 дней | Рабочий прототип |
| Интеграция с API | 3-5 дней | Подключение к matching engine |
| Тестирование и аудит | 3-5 дней | Отчёт об аудите |
| Развёртывание | 2-3 дня | Продакшен-релиз |
Пошаговая настройка бота
- Выберите стратегию (маркет-мейкинг, арбитраж, тренд).
- Настройте параметры: спред, количество уровней, объём на уровень.
- Подключите reference price с внешней биржи через WebSocket.
- Запустите в тестовом режиме на внутреннем стенде.
- Мониторьте метрики: объём, спред, P&L, активные ордера.
Как устроен маркет-мейкер бот?
Три ключевых компонента: стратегия цитирования, управление инвентарём и защита от рыночных движений. Рассмотрим каждый с примерами кода.
Стратегия цитирования
class MarketMakerBot:
def __init__(self, pair: str, config: MMConfig):
self.pair = pair
self.spread_pct = config.spread_pct # 0.1% = 0.001
self.order_levels = config.order_levels # количество уровней (5-10)
self.level_spacing = config.level_spacing # расстояние между уровнями
self.level_size = config.level_size # объём на уровне
self.reference_exchange = config.reference # Binance для price feed
async def update_quotes(self):
# Получаем reference price с внешней биржи
ref_price = await self.get_reference_price()
# Вычисляем bid/ask
half_spread = ref_price * self.spread_pct / 2
best_bid = ref_price - half_spread
best_ask = ref_price + half_spread
# Генерируем несколько уровней
new_bids = []
new_asks = []
for i in range(self.order_levels):
bid_price = best_bid * (1 - self.level_spacing * i)
ask_price = best_ask * (1 + self.level_spacing * i)
size = self.level_size * (1 + i * 0.5) # увеличиваем размер дальше от mid
new_bids.append({'price': bid_price, 'size': size})
new_asks.append({'price': ask_price, 'size': size})
await self.refresh_orders(new_bids, new_asks)
async def refresh_orders(self, new_bids, new_asks):
# Отменяем старые ордера и выставляем новые атомарно
# Используем bulk cancel + bulk place для минимизации времени без котировок
await self.exchange.cancel_all_orders(self.pair)
await asyncio.gather(
*[self.exchange.place_order(self.pair, 'buy', b['price'], b['size'])
for b in new_bids],
*[self.exchange.place_order(self.pair, 'sell', a['price'], a['size'])
for a in new_asks]
)
Управление инвентарём
При активной торговле инвентарь (соотношение base/quote) смещается. Нужна ребалансировка:
def calculate_inventory_skew(self, base_balance: float, quote_balance: float,
mid_price: float) -> float:
"""
Возвращает skew (-1.0 до +1.0)
-1.0: весь баланс в base (слишком много куплено) -> снижаем bid, повышаем ask
+1.0: весь баланс в quote (слишком много продано) -> повышаем bid, снижаем ask
"""
base_value = base_balance * mid_price
total_value = base_value + quote_balance
if total_value == 0:
return 0.0
ideal_pct = 0.5 # целевой баланс 50/50
current_pct = base_value / total_value
return (ideal_pct - current_pct) * 2 # нормируем к [-1, 1]
def apply_inventory_skew(self, mid_price: float, skew: float) -> tuple:
"""Смещаем котировки в сторону снижения дисбаланса"""
skew_adjustment = mid_price * self.skew_factor * skew
adjusted_mid = mid_price + skew_adjustment
bid = adjusted_mid * (1 - self.spread_pct / 2)
ask = adjusted_mid * (1 + self.spread_pct / 2)
return bid, ask
Защита от рыночных движений
Резкое движение рынка при открытых позициях — риск убытка. Защита:
async def check_price_deviation(self):
"""Останавливаем котирование при резком движении рынка"""
current_ref = await self.get_reference_price()
price_change = abs(current_ref - self.last_ref_price) / self.last_ref_price
if price_change > self.max_price_change: # например 0.5%
await self.cancel_all_orders()
await asyncio.sleep(self.pause_duration) # пауза N секунд
self.last_ref_price = current_ref
Sandwich-атака — когда злоумышленник выставляет ордера до и после вашей транзакции, чтобы нажиться на сдвиге цены. Защита: используем private mempool (например, Flashbots Protect) и ставим проверку максимального слияния цен в самом контракте. Для CEX-ботов это менее актуально, но для DEX-интеграции — обязательно.
Как реализовать внутренний доступ к бирже?
Ключевое преимущество internal бота — он может работать через внутренний API биржи, минуя HTTP overhead, rate limits и комиссии. Вместо HTTP мы используем IPC или gRPC, что снижает latency с 1–5 мс до 100 мкс. Ниже пример на Go:
// Прямой вызов matching engine без HTTP
type InternalBotConnector struct {
matchingEngine *MatchingEngine
balanceManager *BalanceManager
}
func (c *InternalBotConnector) PlaceOrder(order Order) ([]Trade, error) {
// Прямой вызов, без сети
return c.matchingEngine.AddOrder(order)
}
func (c *InternalBotConnector) GetOrderBook(pair string) OrderBook {
return c.matchingEngine.GetSnapshot(pair)
}
Внутренний бот в 50 раз быстрее внешнего API по задержке. Это критично для высокочастотных стратегий, где каждая миллисекунда решает.
Как отслеживать эффективность бота?
Мониторинг P&L в реальном времени — обязательная часть. Мы реализуем метрики объёма, захваченного спреда и эффективного спреда в базисных пунктах.
class BotMetrics:
def __init__(self):
self.filled_volume = defaultdict(float)
self.pnl = defaultdict(float)
self.spread_captured = defaultdict(float)
def on_fill(self, trade: Trade):
pair = trade.pair
self.filled_volume[pair] += trade.quantity
# P&L расчёт: каждый fill с положительным спредом = доход
if trade.is_maker:
# Maker fill: мы получили спред
spread_earned = abs(trade.price - self.mid_price[pair]) * trade.quantity
self.spread_captured[pair] += spread_earned
def get_stats(self) -> dict:
return {pair: {
'volume_24h': self.filled_volume[pair],
'spread_captured': self.spread_captured[pair],
'effective_spread_bps': self.spread_captured[pair] / self.filled_volume[pair] * 10000
if self.filled_volume[pair] > 0 else 0
} for pair in self.filled_volume}
Дашборд в Grafana отображает ключевые метрики: объём торгов, спред, P&L, количество активных ордеров. При отклонении метрик от нормы отправляется алерт в Telegram/Slack.
Что входит в разработку?
- Проектирование архитектуры (high-level + детальная спецификация)
- Реализация стратегии цитирования и управления рисками
- Интеграция с внутренним API биржи (REST, WebSocket, gRPC)
- Разработка дашборда мониторинга (Grafana + Prometheus)
- Нагрузочное тестирование и аудит безопасности
- Документация и обучение команды
Дополнительные опции
- Интеграция с Chainlink oracle для feed цен
- Поддержка нескольких пар и стратегий
- Резервное копирование и disaster recovery
Кейс из практики: как мы увеличили ликвидность биржи в 4 раза
Заказчик — молодая биржа с оборотом $5M в день. Спред был 0.5%, глубина стакана — всего 10 BTC по лучшей цене. Мы разработали внутреннего маркет-мейкера с алгоритмом цитирования, описанным выше. Результаты через месяц:
- Спред сократился до 0.08%.
- Глубина стакана увеличилась до 200 BTC на пяти уровнях.
- Оборот вырос до $25M в день (рост 400%).
- Экономия на комиссиях при использовании внешнего API составила бы $3,000 в день, но благодаря внутреннему доступу комиссии нулевые.
Сравнение: внутренний бот vs внешний API
| Параметр | Внутренний бот | Внешний API |
|---|---|---|
| Задержка | < 100 мкс | 1–5 мс |
| Комиссии | нулевые | maker/taker |
| Rate limits | нет | есть |
| Доступ к стакану | полный | ограниченный |
| Безопасность | изолированная среда | зависит от провайдера |
Разработка торгового бота с market-making стратегией для внутреннего использования: 3–5 недель. Включает стратегию цитирования, инвентарный менеджмент, monitoring dashboard и интеграцию с внутренним API биржи.
Получите консультацию: обсудим ваши требования, предложим архитектуру и оценим экономический эффект. Закажите разработку торгового бота для вашей биржи.