Ich werde genau erklären, wie du einen 24/7 Market-Making-Desk auf Grok Bot aufbaust, der dir Alpha aus jedem Trade generiert, während du schläfst.
Lass uns direkt loslegen.
Lesezeichen setzen -
Ich bin Roan, ein Backend-Entwickler, der an Systemdesign, HFT-artiger Ausführung und quantitativen Handelssystemen arbeitet. Meine Arbeit konzentriert sich darauf, wie sich Vorhersagemärkte tatsächlich unter Last verhalten. Für Vorschläge, durchdachte Kooperationen und Partnerschaften sind DMs offen.
Eine Sache, die ich ab heute starte.
Wenn du dein eigenes Market-Making-Setup auf Grok Bot baust, schick mir eine DM mit deinem aktuellen Setup oder antworte unter diesem Artikel.
Nur die ersten 10 Setups. Ich werde mir jedes einzelne persönlich ansehen und dir die Lücke zeigen zwischen dem, was du hast, und einem Bot, der rund um die Uhr beide Seiten des Orderbuchs quotet, ohne überfahren zu werden. Bewege dich schnell.
Die Grok-Bot-Erzählung, die ich in den letzten zwei Wochen aufgebaut habe, hat eine neue Ebene bekommen.
Jeder vorherige Artikel hat die Taker-Seite abgedeckt. Der Research-Desk, der Alpha findet. Die Signal-Engine, die Trades bewertet. Die Ausführungsschicht, die Orders auslöst. Alles directional. Alles über den Spread.
Market Making ist die gegenteilige Seite dieses Trades.
Anstatt den Spread zu bezahlen, um eine Position einzugehen, wirst du für den Spread bezahlt, wenn andere ihre Positionen eingehen. Anstatt Liquidität zu konsumieren, stellst du sie bereit. Anstatt Gebühren zu zahlen, verdienst du Maker-Rabatte vom Handelsplatz.Jede große quantitative Firma an der Wall Street betreibt einen Market-Making-Desk.
Jane Street. Citadel Securities. Virtu. Jump Trading. DRW. Susquehanna.
Das ist für sie kein Nebengeschäft. Allein Virtu hat im letzten Jahr über 1 Milliarde US-Dollar an Market-Making-Umsätzen erzielt.
Am Ende dieses Artikels wirst du wissen:
- Das Avellaneda-Stoikov-Modell, das jeder institutionelle Market Maker verwendet, mit den genauen Formeln.
- Die drei Handelsplätze, an denen Retail-Latenz wirklich mithalten kann, und wo Retail nicht mithalten kann.
- Die vier Forschungspapiere, die dein Verständnis um sechs Monate beschleunigen werden.
- Die Sechs-Bot-Grok-Bot-Architektur, die den Market-Making-Desk durch natürliche Konversation betreibt.
- Die vier Kimi-K3-Fähigkeiten, die die Infrastrukturschicht freischalten, die kein Solo-Entwickler zuvor nutzen konnte.
- Die genaue 8-Schritte-Anleitung, um deinen ersten funktionierenden Bot an diesem Wochenende auszuliefern.
Lass uns loslegen.
Teil 1: Was Market Making ist & wo Retail wirklich mithalten kann
Market Making ist das Geschäft, kontinuierlich Geld- und Briefkurse für einen Vermögenswert zu stellen und den Spread zwischen ihnen zu vereinnahmen.
Du stellst ein Gebot bei 100,00 $ und einen Brief bei 100,02 $.
Ein Käufer nimmt deinen Brief. Ein Verkäufer nimmt dein Gebot.
Du verdienst den Spread von zwei Cent bei jeder Runde.
Der Haken ist das Bestandsrisiko.
Wenn sich der Preis gegen dich bewegt, bevor dein Kurs ausgeführt wird, wirst du überfahren. Jemand nimmt deinen Brief bei 100,02 $, kurz bevor der Preis auf 99,50 $ fällt.
Du bist jetzt long in einem Vermögenswert, der um 50 Cent gefallen ist. Dein Spread von zwei Cent war Rauschen im Vergleich zu einem Verlust von 50 Cent.
Was Market Making ist
Jeder ernsthafte Desk an der Wall Street bepreist dieses Bestandsrisiko mit dem Avellaneda-Stoikov-Modell.
Marco Avellaneda und Sasha Stoikov veröffentlichten das Papier "High Frequency Trading in a Limit Order Book" in Quantitative Finance im Jahr 2008. Es ist der grundlegende Text für modernes Market Making.
High Frequency Trading in a Limit Order Book
Das Modell liefert zwei Ergebnisse.
Reservationspreis:
r = s - q · γ · σ² · (T - t)
Wobei s der Mittelkurs ist, q dein aktueller Bestand, γ dein Risikoaversionsparameter, σ die Volatilität und T minus t dein Zeithorizont.
Dies ist der Preis, bei dem du indifferent bist zwischen dem Halten des aktuellen Bestands und dem Eingehen eines neuen Trades. Wenn du long bist, liegt er unter dem Mittelkurs. Wenn du short bist, liegt er darüber.
Optimaler halber Spread:
δ = γ · σ² · (T - t) + (2/γ) · ln(1 + γ/κ)
Wobei κ der aus der jüngsten Handelsaktivität geschätzte Parameter für die Orderankunftsrate ist.
Dies ist der Abstand vom Reservationspreis, in dem du deine Geld- und Briefkurse stellst. Er wird breiter, wenn die Volatilität steigt. Er wird breiter, wenn der Orderfluss nachlässt. Er wird enger, wenn der Handelsplatz aktiver wird.
Jeder institutionelle Market Maker verwendet dieses Modell mit Variationen.
Die Mathematik ist öffentlich. Die Infrastruktur, um es kontinuierlich über mehrere Handelsplätze hinweg zu betreiben, hat den Burggraben geschaffen.
Wo Retail nicht mithalten kann.
Top-US-Aktien sind abgeschottet. SPY, QQQ, IWM und die Top-500-Namen nach Volumen werden von Market Makern mit Colocation an der NYSE und Nasdaq dominiert.
Ihre Kurse erreichen die Börse in Mikrosekunden. Deine Kurse erreichen die Börse in 20 bis 100 Millisekunden über Consumer-Broker-APIs. Du wirst bei jeder bedeutenden Bewegung abgegriffen.
Versuche das nicht mit SPY. Versuche das nicht mit Top-US-Aktien. Versuche das nicht mit wichtigen FX-Crosses. Versuche das nicht mit aktuellen US-Staatsanleihen. Handelsplätze mit Sub-Millisekunden-Latenz sind nur für Institutionen.
Wo Retail wirklich mithalten kann.
Drei Handelsplätze belohnen Retail-Latenz und zahlen echte Spread-Ökonomie.
Perpetual DEXs:
Hyperliquid und dYdX bieten Orderbuch-Handel, niedrige Latenz, Maker-Anreize und programmatische APIs und sind damit die stärksten Handelsplätze für Retail-Market-Making.
Prognosemärkte:
Polymarket bietet weite Spreads und Latenz im Sekundenbereich, sodass Retail-Bots mit weniger Konkurrenz sinnvolle Vorteile erzielen können.
Uniswap V3/V4:
Konzentrierte Liquidität ermöglicht es dir, passiv Liquidität innerhalb von Preisspannen bereitzustellen und Gebühren zu verdienen, ohne eine kontinuierliche Quoting-Infrastruktur zu betreiben.
Teil 2: Die Grok-Bot-Schnittstellenschicht
Grok Bot ist xAIs autonome Agentenplattform. Jeder benannte Bot, den du erstellst, teilt sich einen persistenten Cloud-Computer.
Browser. Dateisystem. Terminal. Alles lebt auf der Cloud-VM, nicht auf deinem Laptop.
Du schreibst einem Bot wie einem Kollegen auf Slack. Der Bot übernimmt die Aufgabe. Nutzt seinen Computer, um sie zu erledigen. Meldet sich zurück, wenn er fertig ist.
6 Bots für den Market-Making-Desk
Für den Market-Making-Desk stellst du sechs benannte Bots bereit.
Quoting Bot.
Berechnet Reservationspreise und optimale Spreads mit Avellaneda-Stoikov.
Liest den aktuellen Mittelkurs, den aktuellen Bestand, die aktuelle Volatilitätsschätzung und die aktuelle Orderankunftsrate aus dem gemeinsamen Arbeitsbereich.
Gibt jede Sekunde die aktuellen Geld- und Briefkurse in eine gemeinsame Kursdatei aus.
Inventory Bot.
Verfolgt die Position über alle aktiven Handelsplätze hinweg.
Passt den Bestandseingang für den Quoting Bot in Echtzeit an.
Wenn der Bestand außerhalb des Zielbands driftet, sendet er einen Alarm an den Risk Bot.
Risk Bot.
Durchsetzt harte Kill-Switches. Dieser Bot hat keine Verhandlungsbefugnis.
Ein Drawdown über 5 % des zugewiesenen Kapitals löst sofortiges Zurückziehen der Kurse auf allen Handelsplätzen aus.
Ein Bestand außerhalb des harten Bands löst über die Handelsplatz-API directionale Hedge-Orders aus.
Ein Volatilitätsanstieg über dem Schwellenwert löst für ein definiertes Zeitfenster eine Kursausweitung oder ein vollständiges Zurückziehen der Kurse aus.
Reconciliation Bot.
Gleicht jede ausgeführte Order mit den erwarteten Ausführungen ab.
Fängt API-Fehler, verpasste Stornierungen, Phantom-Ausführungen und handelsplatzseitige Unstimmigkeiten ab.
Läuft alle 30 Sekunden gegen die gemeldete Position des Handelsplatzes und das interne Positionsbuch.
Microstructure Bot.
Beobachtet die Orderbuchtiefe, die Kurse konkurrierender Market Maker und die Spread-Dynamik an jedem aktiven Handelsplatz.
Wenn ein konkurrierender MM die Spreads ausweitet, alarmiert er den Quoting Bot, um eine Ausweitung in Betracht zu ziehen.
Wenn die Buchtiefe sinkt, signalisiert er eine erhöhte Bestandsgefahr.
Macro Filter Bot.
Beobachtet Makroereignisse, die Spreads ausweiten.
Nutzt die native X-Integration von Grok Bot für Konten von Fed-Gouverneuren, Trump Truth Social und Makrodaten-Veröffentlichungskonten.
Wenn ein wesentliches Ereignis eintritt, weist er den Quoting Bot an, die Kurse für ein definiertes Zeitfenster auszuweiten oder zurückzuziehen.
Sechs Bots. Jeder reagiert auf Konversation in natürlicher Sprache. Jeder hat eine spezifische Rolle. Jeder schreibt in den gemeinsamen Arbeitsbereich auf dem Grok-Bot-Cloud-Computer.
Du schreibst dem Risk Bot in einfachem Englisch:
"Setze das tägliche Drawdown-Limit auf 5 % des zugewiesenen Kapitals. Setze den maximalen Bestand auf 50 Kontrakte. Weite die Kurse auf das 3-fache aus, wenn die realisierte Volatilität der letzten 30 Sekunden das 3-fache der rollierenden Schätzung übersteigt."
Der Risk Bot aktualisiert seine Durchsetzungsregeln. Der nächste Kurszyklus verwendet die neuen Limits.
Du schreibst dem Macro Filter Bot:
"Beobachte Powells X-Konto, Trumps Truth Social und den BLS-Veröffentlichungsfeed. Wenn ein wesentlicher Beitrag erscheint, sage dem Quoting Bot, er solle die Kurse für 15 Minuten zurückziehen."
Der Macro Filter Bot setzt die Überwachungsroutine ein.
Dies ist das Cockpit in natürlicher Sprache. Jede betriebliche Änderung erfolgt durch Konversation. Keine Konfigurationsdateien. Keine erneute Bereitstellung. Kein Kontextverlust.
Jetzt kommt der Punkt, an dem der Sechs-Bot-Desk auf seine erste echte Infrastrukturbeschränkung stößt.
Teil 3: Die Kimi-K3-Infrastrukturschicht
Ich habe im letzten Jahr versucht, einen persönlichen Market-Making-Desk zu betreiben.
Jeder Versuch ist an denselben drei Hürden gescheitert.
Die kontinuierliche Orderbuchüberwachung über mehrere Handelsplätze hinweg war die erste.
Kein Consumer-KI-Modell konnte genügend parallele Überwachungsströme erzeugen, um Hyperliquid, dYdX und Polymarket gleichzeitig in derselben Sekunde abzudecken.
Die Python-Implementierung von Avellaneda-Stoikov war die zweite Hürde.
Die Mathematik ist einfach, aber der Code muss kontinuierlich laufen, sich selbst iterieren und sich weiterentwickeln, wenn sich die Marktbedingungen ändern. Herkömmliche Modell-im-Notebook-Setups sind gescheitert, weil der Code den Zustand über Handelssitzungen hinweg nicht aufrechterhalten konnte.
Das Live-Dashboard war die dritte Hürde.
Jeder ernsthafte Market Maker beobachtet eine Live-Visualisierung von Kursen, Ausführungen, Beständen und dem Verhalten konkurrierender MMs. Der Aufbau erforderte die Einstellung eines Frontend-Ingenieurs.
Dann fand ich letzten Monat das Tool, das alle drei Hürden auf einmal beseitigt hat.
Kimi K3 von Moonshot AI.
Kimi K3 ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern und einem Kontextfenster von einer Million Token pro Agent. Es wird in zwei Varianten ausgeliefert. K3 Max für Chat- und Single-Agent-Aufgaben. K3 Swarm Max für groß angelegte Parallelverarbeitung plus langfristiges agentisches Programmieren.
K3 Swarm Max betreibt die Market-Making-Infrastruktur unter deinem Grok-Bot-Desk.
Kimi K3 von Moonshot AI
Vier spezifische Fähigkeiten machen es möglich.
Fähigkeit 1: Langfristiges agentisches Programmieren.
Kimi K3 behält den Programmierkontext über Sitzungen hinweg bei, die Tage dauern.
Die Python-Implementierung von Avellaneda-Stoikov lebt in einer persistenten Codebasis.
Kimi K3 verbessert den Code iterativ, wenn sich die Marktbedingungen ändern.
Du stellst fest, dass deine Spreads im Zeitfenster von 14:00 bis 16:00 Uhr ET auf Hyperliquid abgegriffen werden. Du schreibst Kimi K3:
"Der Volatilitätsschätzer unterschätzt die realisierte Volatilität im Zeitfenster 14-16 Uhr ET auf Hyperliquid. Passe den Schätzer an, um neuere Tick-Daten stärker zu gewichten."
Kimi K3 modifiziert den Code. Der nächste Kurszyklus verwendet das aktualisierte Modell. Keine erneute Bereitstellung. Kein Kontextverlust.
Dies ist die Fähigkeit, die einen einmaligen Build in eine sich verstärkende Schleife verwandelt.
Fähigkeit 2: Dreihundert parallele Sub-Agenten.
K3 Swarm Max erzeugt bis zu 300 Sub-Agenten auf einem Koordinator.
Für Multi-Venue-Market-Making bedeutet das:
- 60 Sub-Agenten überwachen gleichzeitig Hyperliquid-Orderbücher für 60 Paare
- 40 Sub-Agenten auf dYdX
- 40 Sub-Agenten auf Polymarket über aktive Märkte hinweg
- 60 Sub-Agenten auf Uniswap-V3-Konzentrierten-Liquiditätspools
- 40 Sub-Agenten beobachten Makrodaten-Veröffentlichungen
- 60 Sub-Agenten beobachten CEO- und Zentralbank-X-Konten auf spreadbeeinflussende Ereignisse
Alle speisen in einen Koordinator ein, der den aggregierten Mikrostrukturzustand hält.
Fähigkeit 3: Eine Million Token Kontext pro Agent.
Jeder Agent hält bis zu einer Million Token.
Für Market Making bedeutet das, dass der Koordinator jeden Orderbuch-Snapshot, jede Ausführung, jede Bestandsänderung und jede Makro-Warnung eines gesamten Handelstages hält.
Das Avellaneda-Stoikov-Modell läuft mit vollständigem historischem Kontext. Volatilitätsschätzungen stammen aus dem vollständigen Orderfluss. Keine gechunkten Stichproben. Keine verlustbehafteten Zusammenfassungen.
Fähigkeit 4: Native Codegenerierung für das Dashboard.
Das Market-Making-Dashboard erforderte früher die Einstellung eines Frontend-Ingenieurs.
Kimi K3 schreibt produktionsreifes React auf Abruf.
Du beschreibst das Dashboard in einfachem Englisch. Es generiert die vollständige, funktionsfähige Codebasis in Minuten.
Live-Kursvisualisierung. Bestands-Wärmekarte. Ausführungsverlauf. Spread-Dynamik-Diagramm. Anzeige der Anwesenheit konkurrierender MMs. Kill-Switch-Status.
Jedes Panel wird live gerendert. Jede Visualisierung wird jede Sekunde aktualisiert. Jedes Diagramm bezieht Daten aus dem gemeinsamen Arbeitsbereich.
Zusammen schließen diese vier Fähigkeiten die Lücke zwischen "Consumer-KI-Produkt" und "produktionsreifem Market-Making-Desk".
Kimi K3 ist das, was die Quoting-Engine, die Multi-Venue-Überwachung, das Dashboard und die iterative Codeverbesserung für eine einzelne Person auf einem Laptop auslieferbar macht.
Das Einzige, was Kimi K3 nicht ersetzt, ist die natürlichsprachliche Schnittstelle für betriebliche Konversation. Du willst nicht jedes Mal Python-Abfragen schreiben, wenn du Spreads ausweitest. Genau das liefert Grok Bot.
Der vollständige Stack: Grok Bot ist das Cockpit. Kimi K3 ist der Motor.
Teil 4: Die genaue 8-Schritte-Bauanleitung
Hier ist genau, wie du deinen ersten funktionierenden Market-Making-Bot an diesem Wochenende auslieferst.
Schritt 1: Richte Grok Bot ein.
Melde dich für SuperGrok Heavy unter grok.com an.
Lade die Grok Bot Desktop-App herunter.
Erstelle die Ordnerstruktur des Arbeitsbereichs:
1/workspace/quotes/2/workspace/inventory/3/workspace/fills/4/workspace/microstructure/5/workspace/macro/6/workspace/dashboard/7/workspace/config/
Schritt 2: Installiere Kimi Work.
Lade die Kimi Work Desktop-App von kimi.com herunter.
Verfügbar für Apple Silicon Mac und Windows.
Melde dich mit deinem Moonshot-Konto an. Aktiviere K3 Swarm Max in den Einstellungen.
Aktiviere den Modus für langfristige Programmier-Sitzungen.
Konfiguriere Kimi Work so, dass es seinen Arbeitsbereich über Cloud-Synchronisation mit deinem Grok-Bot-Arbeitsbereich synchronisiert.
Schritt 3: Lasse Kimi K3 die Avellaneda-Stoikov-Quoting-Engine bauen.
Öffne Kimi Work. Schreibe ihm direkt:
1Baue mir eine produktionsreife Python-Implementierung des2Avellaneda-Stoikov-Market-Making-Modells.34Reservationspreis-Formel: r = s - q * gamma * sigma^2 * (T - t)5Optimaler halber Spread-Formel: delta = gamma * sigma^2 * (T - t) +6(2/gamma) * ln(1 + gamma/kappa)78Eingaben:9- Aktueller Mittelkurs s (von der Handelsplatz-API)10- Aktueller Bestand q (aus der Positionsdatei)11- Volatilitätsschätzung sigma (rollierendes 60-Sekunden-Fenster der Renditen)12- Zeithorizont T (Standard: 3600 Sekunden rollierendes Fenster)13- Risikoaversionsparameter gamma (Standard: 0.1)14- Orderankunftsratenparameter kappa (geschätzt aus aktuellen Ausführungen)1516Ausgaben, die jede 1 Sekunde nach /workspace/quotes/current.json geschrieben werden:17- reservation_price18- half_spread19- bid_quote = reservation_price - half_spread20- ask_quote = reservation_price + half_spread2122Enthalten:23- Kill-Switch-Prüfung: Wenn /workspace/config/kill-switch.txt "STOP" enthält,24 alle Kurse zurückziehen und beenden25- Volatilitätsspitzen-Schutz: Wenn die realisierte Volatilität der letzten 30 Sekunden26 das 3-fache der rollierenden Schätzung übersteigt, Spreads für die nächsten 60 Sekunden um das 2-fache ausweiten27- Bestandsband-Durchsetzung: Wenn abs(q) den maximalen Bestand in der Konfiguration überschreitet,28 Kurse zur Bestandsreduzierung verzerren2930Baue handelsplatzspezifische Adapter für das Hyperliquid Python SDK und die Polymarket31CLOB API. Speichere unter /workspace/engines/quoting-engine/.
Kimi K3 generiert die vollständige produktionsreife Python-Implementierung.
Die Mathematik ist korrekt. Die Handelsplatz-Adapter funktionieren. Die Kill-Switches setzen durch.
Schritt 4: Lasse Kimi K3 das Live-Dashboard bauen.
Schreibe Kimi K3:
1Baue mir ein Live-Market-Making-Dashboard als lokale React-Anwendung.2Enthalten:34- Oberer Streifen: aktueller Mittelkurs, Reservationspreis, Geldkurs, Briefkurs5 für den aktiven Handelsplatz. Aktualisierung jede 1 Sekunde.67- Linkes Panel: Live-Bestandsdiagramm der letzten Stunde. Farbige Zonen8 für Ziel (grün), Warnung (gelb), Kill (rot).910- Mittleres Panel: Orderbuchtiefen-Visualisierung. Gebote auf der linken Hälfte,11 Briefe auf der rechten Hälfte. Deine Kurse in Orange hervorgehoben.1213- Rechtes Panel: Ausführungsverlauf der letzten Stunde. Jede Ausführung zeigt14 Zeitstempel, Seite, Größe, Preis, laufenden P&L.1516- Unterer Streifen: Spread-Verlaufsdiagramm. Dein quotierter Spread vs. Markt-Spread17 vs. bester Spread konkurrierender MMs.1819- Dunkles Design mit orangefarbenem Akzent.20- Bereitstellung auf localhost:3000.21- Automatische Aktualisierung jede 1 Sekunde.2223Speichere das gesamte Projekt unter /workspace/dashboard/.
Kimi K3 generiert die vollständige React-Anwendung auf einen Schlag.
Führe npm install && npm run dev im Dashboard-Ordner aus.
Dein Live-Dashboard ist auf localhost:3000.
Schritt 5: Setze den Kimi-K3-Multi-Venue-Überwachungsschwarm ein.
Erstelle in Kimi Work eine Routine namens "venue-monitor".
Zeitplan: Kontinuierlich während der Handelszeiten des Handelsplatzes. Perp DEXs laufen 24/7. Polymarket läuft 24/7.
Konfiguriere die Routine so, dass sie parallele Sub-Agenten erzeugt:
- 60 Hyperliquid-Sub-Agenten (einer pro gehandeltem Paar)
- 40 dYdX-Sub-Agenten
- 40 Polymarket-Sub-Agenten über aktive Märkte hinweg
- 60 Uniswap-V3-Pool-Überwacher
- 40 Makrodaten-Veröffentlichungs-Überwacher
- 60 X-Konto-Überwacher für spreadbeeinflussende Ereignisse
Jeder Sub-Agent beobachtet seine zugewiesene Buchtiefe, die Kurse an der Spitze des Orderbuchs und das aktuelle Handelsband.
Wenn ein Sub-Agent eine wesentliche Mikrostrukturänderung erkennt, schreibt er in /workspace/microstructure/live.json.
Die Quoting-Engine liest diese Datei jede Sekunde und passt die Modelleingaben entsprechend an.
Schritt 6: Setze die sechs Grok-Bot-Schnittstellen-Bots ein.
Klicke in deiner Grok Bot Seitenleiste sechsmal auf "Neuer Bot".
Erstelle Quoting Bot, Inventory Bot, Risk Bot, Reconciliation Bot, Microstructure Bot, Macro Filter Bot.
Füge für jeden Bot die seiner Funktion entsprechende Rollenbeschreibung ein.
Beispiel für den Risk Bot:
1Du bist Risk Bot für einen persönlichen Market-Making-Desk.23Alle 10 Sekunden prüfst du:41. /workspace/inventory/current.json für die Position über alle Handelsplätze hinweg52. /workspace/fills/YYYYMMDD.json für den kumulierten P&L des heutigen Tages63. /workspace/microstructure/live.json für den Volatilitätszustand78Auslösebedingungen:9- Täglicher Drawdown über 5 % des zugewiesenen Kapitals:10 Schreibe "STOP" in /workspace/config/kill-switch.txt. Benachrichtige den Betreiber.11- Bestand außerhalb des harten Bands (3-fache normale Positionsgröße):12 Leite eine Hedge-Order über die Handelsplatz-API. Benachrichtige den Betreiber.13- Realisierte Volatilität über dem 5-fachen der rollierenden Schätzung:14 Weise den Quoting Bot an, die Spreads um das 3-fache auszuweiten.15- Fehlerrate einer Handelsplatz-API über 5 % in den letzten 60 Sekunden:16 Ziehe die Kurse auf diesem Handelsplatz zurück, bis sich die Fehlerrate normalisiert.1718Du hast keine Verhandlungsbefugnis. Regeln sind harte Regeln. Setze sie durch.
Wiederhole dies für die anderen fünf Bots.
Schritt 7: Verbinde den Workflow.
Deine Quoting-Engine (läuft auf Kimi K3) liest den Marktzustand aus /workspace/microstructure/live.json und schreibt Kurse in /workspace/quotes/current.json.
Dein Grok Bot Quoting Bot liest die aktuelle Kursdatei und leitet die Kurse an die Handelsplatz-APIs weiter.
Dein Risk Bot fragt alle 10 Sekunden die Positionen ab und setzt die Kill-Switches durch.
Dein Dashboard liest alle gemeinsamen Dateien und rendert den Live-Zustand.
Dein Macro Filter Bot nutzt die native X-Integration von Grok Bot, um Konten von Fed-Gouverneuren und Trump Truth Social zu beobachten.
Schritt 8: Teste zuerst auf Polymarket, dann skaliere.
Beginne für den ersten Test mit Polymarket.
Wähle einen dünnen Markt mit Spreads von 200 bis 500 Basispunkten.
Setze ein kleines zugewiesenes Kapital (200 bis 500 $). Setze den maximalen Drawdown des Risk Bot auf 10 % des zugewiesenen Kapitals (maximaler Verlust 20 bis 50 $).
Schreibe deinem Quoting Bot:
"Beginne mit dem Quoten des Polymarket-Marktes für [Wahl-Linie X]. Verwende zugewiesenes Kapital von 500 $. Maximaler Bestand 100 Kontrakte. Weite die Spreads aus, wenn der Bestand 50 überschreitet."
Beobachte das Dashboard. Beobachte die Ausführungen. Beobachte, wie der Bestand um Null oszilliert.
Nach 24 Stunden schreibe Kimi K3:
"Analysiere die letzten 24 Stunden der Ausführungen. Zeige mir die Ausführungsverteilung, die durchschnittliche Haltedauer, den realisierten Spread-Ertrag und alle Muster, bei denen ich abgegriffen wurde. Schlage eine spezifische Modellanpassung vor."
Kimi K3 analysiert den Code, die Ausführungen, den Marktzustandsverlauf. Schlägt eine Anpassung vor. Du stimmst zu. Kimi K3 modifiziert die Avellaneda-Stoikov-Implementierung. Der nächste Zyklus verwendet das aktualisierte Modell.
Dies ist die sich verstärkende Schleife. Alle 24 Stunden wird das Modell schärfer.
8-Schritte-Bau
Sobald Polymarket eine Woche lang sauber läuft, füge Hyperliquid hinzu. Dann dYdX. Dann Uniswap V3.
Zusammenfassung
Market Making ist das Geschäft, kontinuierlich Geld- und Briefkurse zu stellen und den Spread zu vereinnahmen, während das Bestandsrisiko gemanagt wird.
Jeder institutionelle Desk verwendet das Avellaneda-Stoikov-Modell.
Die Mathematik ist öffentlich. Die Infrastruktur, um es kontinuierlich zu betreiben, hat den Burggraben geschaffen.
Dieser Burggraben ist gerade für drei spezifische Handelsplätze eingestürzt, an denen Retail-Latenz wirklich mithalten kann: Hyperliquid, Polymarket und Uniswap V3/V4 konzentrierte Liquidität.
Der vollständige Stack:
Grok Bot als das Cockpit in natürlicher Sprache mit sechs benannten Bots (Quoting, Inventory, Risk, Reconciliation, Microstructure, Macro Filter).
Kimi K3 Swarm Max als die Infrastruktur-Engine, die die Avellaneda-Stoikov-Python-Implementierung ausführt, 300 parallele Sub-Agenten über Handelsplätze hinweg erzeugt, eine Million Token Mikrostrukturkontext hält, das Live-Dashboard durch Code in natürlicher Sprache generiert und die Codebasis durch langfristige agentische Programmier-Sitzungen iterativ verbessert.
Zusammen liefern die beiden Tools einen Market-Making-Betrieb, der kontinuierlich über mehrere Handelsplätze hinweg quotet, sein Modell an sich ändernde Marktbedingungen anpasst und harte Risikogrenzen ohne Eingreifen des Betreibers durchsetzt.
Ehrlicher Umfang dessen, was dies ersetzt.
Die Quoting-Engine, die Multi-Venue-Überwachungsschicht, das Live-Dashboard, das Bestandsmanagement, die Risikodurchsetzung und der Makrofilter für Market Making auf für Retail zugänglichen Handelsplätzen (Hyperliquid, dYdX, Polymarket, Uniswap V3/V4 konzentrierte Liquidität).
Ehrlicher Umfang dessen, was dies nicht ersetzt.
Top-US-Aktien-Market-Making auf SPY, QQQ, IWM und den Top-500-Namen nach Volumen, das Colocation, direkte Börsenfeeds und Sub-Millisekunden-Ausführung erfordert.
Market Making in wichtigen FX-Märkten, das von Bank-Market-Makern dominiert wird.
Market Making in aktuellen US-Staatsanleihen, das nur Primary Dealern vorbehalten ist.
Sub-Millisekunden-HFT-Market-Making überall.
Institutionelle Prime-Brokerage-Beziehungen für Margenfinanzierung in großem Umfang.
Klarheit darüber zu haben, ist wichtig.
Dies ist kein Jane-Street-Killer. Es ist ein echter Market-Making-Betrieb für die drei spezifischen Handelsplätze, an denen Retail-Latenz wirklich mithalten kann und an denen Spread-Ökonomie wirklich existiert.
Wenn du es bauen willst, melde dich für SuperGrok Heavy unter grok.com an und installiere Kimi Work unter kimi.com.
Schicke mir dann eine DM mit deinem Setup. Ich werde mir die ersten 20 Konfigurationen persönlich ansehen.
In meinen vorherigen Artikeln habe ich den Research-Desk, das Graph-Engineering-Alpha-Modell, den Schwarm von KI-Agenten, das Loop-Engineering-Ausführungssystem, den Ein-Personen-KI-Hedgefonds, die 24/7-Nachrichtenhandels-Engine und das persönliche Bloomberg-Terminal aufgeschlüsselt.
Jeder Artikel baut auf dem vorherigen auf.
Dieser schließt den Kreislauf, indem er die Market-Making-Ebene hinzufügt, die Ihren Fonds von einem richtungsabhängigen Taker in einen kontinuierlichen Liquiditätsanbieter verwandelt.
Die Händler, die dies zuerst aufbauen, werden im nächsten Jahrzehnt von den Spread-Erträgen profitieren, während Händler, die nur Liquidität nehmen, das Nachsehen haben.
Hier ist also die Frage, über die Sie nachdenken sollten.
Sind Sie der Händler, der immer noch jeden Spread überquert und bei jedem Ein- und Ausstieg Market Maker bezahlt, oder sind Sie der Architekt, der einen Bot gebaut hat, der rund um die Uhr beide Seiten des Orderbuchs quotiert und stattdessen Rabatte erhält?
Es gibt keine falsche Antwort. Aber es gibt sehr aufschlussreiche.
