最佳价差是多少？
模型的第二部分是关于寻找做市商订单在订单簿上的最佳位置，以提高盈利能力。
订单簿流动性/密度是多少（κ）
论文中有很多数学细节，解释了他们是如何通过假设指数到达率得出这个因子的。关于如何计算价值，有许多不同的模型和不同的方法。
但就目前而言，重要的是要知道，使用显著的κ值，你是在假设订单更加密集，并且你的最优价差必须更小，因为市场竞争更加激烈（也就是你的挂单和midprice的偏离度就很小）。
另一方面，使用较小的κ，您假设订单的流动性较低，可以使用的价差就变大（也就是你的挂单和midprice的偏离度就很大）。
结合保留价格和最优价差
这就是魔术发生的地方。模型的执行逻辑非常简单：
根据目标库存计算预订价格
计算最优买卖价差
使用保留价格作为参考创建市场订单：
bid_price=保留价-最优价差/2
ask_price=预订价格+最优价差/2
您可以在下图中看到这种动态：
如何动态的计算预定价格，上图给了一个直管的概念，也就是前半段预定价格小于midprice,因为这个时候做市商是有库存要抛出来，所以让ASK的价格贴近中间价，这样可以增加ask 订单的成交。可以让做市商手中的股票抛出。后半段，做市商手里没有多少货，需要进行补货的操作，所以让预定价格提高，让 预定价格种的bid_price更接近midprice，这样可以增加买进的概率，快速的补货。
计算输入的参数
回顾本文，您会记得我们提到过Avellaneda Stoikov模型用于计算保留价格和最优价差的三个主要因素：
库存状况（q）
交易时段结束前的时间（T-T）
风险系数（γ）
订单深度（κ）
对于上面的每个输入，列出Avellaneda策略中的相关参数名称
1和2非常直接：
（q） 是距所需库存目标的库存距离。
此参数用于计算当前库存位置与所需库存位置之间的差异。
在hummingbot上，您选择资产库存目标（以百分比设置），然后bot计算q的值。
（T-t）是交易时段结束前剩余的时间：
Avellaneda&Stoikov模型被创建用于传统金融市场，在传统金融市场中，交易有开始和结束。
这个参数背后的原因是，随着交易日接近尾声，做市商希望拥有与交易日开始时相似的库存头寸。
因此，随着交易日接近尾声，订单价差将更小，而保留价格在重新平衡库存方面将更加“激进”。
加密货币市场为24/7，因此没有市场关闭时间。
在蜂巢机器人中，您可以设置要将其视为一个交易周期的小时数，无论是1小时还是24小时。
**风险系数（γ）
**订单深度（κ）
有点……复杂。。。
阅读本文，你不会发现计算这两个参数值的任何直接指示。这是因为它不是本文的重点（但您可以查看文章参考资料以了解其背后的内容）。
但如果你不想知道如何计算它们，我们还为策略添加了一个“简单”模式：你可以告诉机器人根据你想要的最大和最小价差值自动计算这些值
如果您对它们是如何计算的感到好奇，请继续关注详细介绍幕后发生的事情的文章。