Разработка алгоритма маркет-мейкинга: модель, инвентарь, хеджирование

Создание алгоритма маркет-мейкинга под ключ

Мы разрабатываем алгоритмы маркет-мейкинга под ключ — от анализа ликвидности до деплоя на сервере. В крипте маркет-мейкинг остаётся высокодоходным для нишевых активов: mid-cap altcoins, perpetual futures с невысокой ликвидностью. При правильной настройке средняя дневная доходность составляет 0.15–0.3% от инвентаря, а fill rate достигает 70–85%. Используем Avellaneda-Stoikov model и динамический спред, чтобы минимизировать inventory risk и максимизировать P&L.

Наша гарантия — uptime котировок 95%+ и устойчивость к инвентарным рискам даже при высокой волатильности. Опыт 5+ лет и 20+ проектов в этой области.

Базовая модель маркет-мейкинга

Naive market making — выставить bid на X% ниже mid-price и ask на X% выше. Проблема: inventory risk. Если цена резко движется в одну сторону, маркет-мейкер накапливает невыгодную позицию. Потери могут достигать 50% капитала за одну сессию, если не управлять рисками.

Avellaneda-Stoikov модель — математически оптимальная стратегия маркет-мейкинга. Учитывает inventory risk и time horizon:

bid_price = mid - δ/2 - γσ²(T-t)q
ask_price = mid + δ/2 - γσ²(T-t)q

где:
δ  = spread (оптимальный)
γ  = risk aversion coefficient
σ  = волатильность актива
q  = текущий inventory (в единицах актива)
T  = конец торгового периода
t  = текущее время

Ключевое: при положительном inventory (накоплено много актива) алгоритм сдвигает котировки вниз, чтобы быстрее продать излишки. При отрицательном — поднимает, чтобы купить.

Как настроить модель Avellaneda-Stoikov?

1. Собрать исторические данные: цены, объёмы, спред, волатильность (σ).
2. Выбрать коэффициент risk aversion (γ) — на практике 0.01–0.1.
3. Оптимизировать target inventory (q_target) и временной горизонт (T).
4. Запустить backtest на данных за последние 30 дней.
5. Настроить hard/soft limits: например, max inventory = 10% от капитала.

Мы подбираем параметры индивидуально, используя генетические алгоритмы и grid search.

Как работает модель Avellaneda-Stoikov?

Модель Avellaneda-Stoikov — это стохастический подход, который динамически корректирует котировки на основе текущего инвентаря и оставшегося времени. Коэффициент γ (risk aversion) определяет, насколько агрессивно алгоритм будет закрывать позицию. На практике мы подбираем γ на historical data, чтобы балансировать между доходностью спреда и риском inventory.

Какие риски инвентаря и как их минимизировать?

Inventory risk — главный враг маркет-мейкера. Если позиция вышла за пределы допустимого диапазона, мы применяем несколько методов:

• Hard limit: при inventory > MAX_INVENTORY — останавливаем выставление ордеров на соответствующей стороне. Ждём исполнения.
• Soft limit с skewing: постепенно смещаем котировки против направления накопленного inventory. Чем больше inventory — тем сильнее сдвиг.
• Hedging: открываем хедж-позицию на другой бирже или в perpetual futures. Если накопили много BTC spot, продаём BTC-PERP.

Для каждого проекта мы выбираем комбинацию методов на основе волатильности актива и объёма торгов. Гарантируем, что просадка от inventory risk не превышает заданного порога (обычно 5% от капитала).

Управление спредом

Спред не должен быть фиксированным — он адаптируется к условиям рынка:

• Volatility-based spread: spread = base_spread × (current_volatility / mean_volatility). При высокой волатильности спред расширяется — inventory risk выше.
• Order book depth: если ликвидность в стакане низкая — риск adverse selection выше, спред шире.
• Time of day: в периоды низкой активности спред расширяется.
• Токсичный flow: если последние N сделок были преимущественно на одной стороне — возможно informed trading. Алгоритм расширяет спред или временно снимает котировки.

Multi-level quotes

Вместо одной пары ордеров (1 bid + 1 ask) выставляем несколько уровней:

Bid 3: mid - 0.5% × 1000 USDT
Bid 2: mid - 0.3% × 500 USDT
Bid 1: mid - 0.15% × 200 USDT
--- MID PRICE ---
Ask 1: mid + 0.15% × 200 USDT
Ask 2: mid + 0.3% × 500 USDT
Ask 3: mid + 0.5% × 1000 USDT

Ближние к mid ордера исполняются чаще и дают rebate от биржи. Дальние — страхуют от резких движений.

Order cancellation и re-quoting

Ордера нужно регулярно обновлять при изменении mid-price:

• Threshold-based re-quoting: если mid сдвинулся более чем на N% — отменяем старые ордера и выставляем новые.
• Time-based re-quoting: принудительное обновление каждые T секунд.
• Event-based: при любом изменении лучшего bid/ask в стакане.

Частая отмена ордеров стоит API request quota. Биржи имеют rate limits. Для Binance: 1200 requests/min HTTP, отдельные лимиты для WebSocket. Важно оптимизировать частоту обновлений.

Биржевые программы маркет-мейкинга

Крупные биржи платят за предоставление ликвидности:

Для получения этих условий нужно обеспечивать минимальный uptime котировок (>80% времени bid/ask в определённом диапазоне от mid) и минимальный объём.

Этапы разработки

Мониторинг и метрики

P&L breakdown: spread income - inventory risk losses - fees.

Fill rate: процент ордеров, которые исполнились. Слишком низкий (<50%) → слишком широкий спред. Слишком высокий (>90%) → слишком узкий, много adverse selection.

Inventory exposure: текущая позиция в USD, максимальная за сессию, среднее.

Uptime: процент времени, когда котировки выставлены (цель >99.5%).

Latency: время от получения обновления рынка до выставления/обновления ордеров (цель <10ms).

Технический стек

Язык: Python (asyncio + aiohttp/websockets) для стратегий с latency > 50ms. C++ или Rust для latency-critical компонентов.

Биржевые коннекторы: CCXT Pro (Python) обеспечивает унифицированный API для WebSocket. Для production — собственные коннекторы для каждой биржи.

Хранение: PostgreSQL для trades, orders, positions. InfluxDB или TimescaleDB для метрик производительности.

Мониторинг: Grafana дашборды для realtime P&L, inventory, latency. Алерты в Telegram при превышении risk limits.

Свяжитесь с нами для оценки вашего проекта за 2 дня. Получите консультацию архитектора — обсудим детали.

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.