Como criar uma mesa de market making 24/7 no Grok Bot (Guia Completo)

Vou detalhar exatamente como construir uma mesa de market making 24/7 no Grok Bot que gera alpha para você em cada negociação enquanto você dorme.

Vamos direto ao ponto.

Marque esta página -

Sou Roan, desenvolvedor backend trabalhando com design de sistemas, execução estilo HFT e sistemas de trading quantitativo. Meu foco é como os mercados de previsão realmente se comportam sob carga. Para sugestões, colaborações ou parcerias, minhas DMs estão abertas.

Uma coisa que estou começando hoje.

Se você está montando sua própria configuração de market making no Grok Bot, me mande sua configuração atual por DM ou responda a este artigo.

Apenas os 10 primeiros setups. Eu pessoalmente analisarei cada um e mostrarei a diferença entre o que você tem e um bot que cotiza ambos os lados do livro 24/7 sem ser atropelado. Aja rápido.

A narrativa do Grok Bot que venho construindo nas últimas duas semanas acaba de ganhar uma nova camada.

Todos os artigos anteriores cobriram o lado tomador. A mesa de pesquisa que encontra alpha. O motor de sinais que classifica trades. A camada de execução que dispara ordens. Tudo direcional. Tudo cruzando o spread.

Market making é o lado oposto dessa negociação.

Em vez de pagar o spread para entrar em uma posição, você recebe o spread quando outros entram na deles. Em vez de consumir liquidez, você a fornece. Em vez de pagar taxas, você ganha descontos de maker da plataforma.Toda grande firma quantitativa em Wall Street opera uma mesa de market making.

Jane Street. Citadel Securities. Virtu. Jump Trading. DRW. Susquehanna.

Isso não é um negócio secundário para elas. Só a Virtu ganhou mais de US$ 1 bilhão em receita de market making no ano passado.

Ao final deste artigo, você saberá:

• O modelo Avellaneda-Stoikov que todo market maker institucional usa, com as fórmulas exatas.
• Os três venues onde a latência de varejo realmente compete e onde o varejo não consegue.
• Os quatro artigos de pesquisa que acelerarão seu entendimento em seis meses.
• A arquitetura de seis bots do Grok Bot que opera a mesa de market making através de conversa natural.
• As quatro capacidades do Kimi K3 que desbloqueiam a camada de infraestrutura que nenhum construtor solo poderia acessar antes.
• O guia exato de 8 passos para lançar seu primeiro bot funcional neste fim de semana.

Vamos nessa.

Parte 1: O Que É Market Making & Onde o Varejo Realmente Compete

Market making é o negócio de cotar continuamente preços de compra e venda em um ativo e capturar o spread entre eles.

Você coloca uma oferta de compra a R$ 100,00 e uma oferta de venda a R$ 100,02.

Um comprador aceita sua oferta de venda. Um vendedor aceita sua oferta de compra.

Você ganha o spread de dois centavos em cada ciclo completo.

O problema é o risco de inventário.

Se o preço se mover contra você antes que sua cotação seja executada, você é atropelado. Alguém aceita sua oferta de venda de R$ 100,02 momentos antes do preço cair para R$ 99,50.

Agora você está comprado em um ativo que caiu 50 centavos. Seu spread de dois centavos foi ruído contra uma perda de 50 centavos.

O Que É Market Making

Toda mesa séria em Wall Street precifica esse risco de inventário usando o modelo Avellaneda-Stoikov.

Marco Avellaneda e Sasha Stoikov publicaram o artigo "High Frequency Trading in a Limit Order Book" na Quantitative Finance em 2008. É o texto fundamental para o market making moderno.

High Frequency Trading in a Limit Order Book

O modelo produz duas saídas.

Preço de reserva:

r = s - q · γ · σ² · (T - t)

Onde s é o preço médio, q é seu inventário atual, γ é seu parâmetro de aversão a risco, σ é a volatilidade e T menos t é seu horizonte de tempo.

Este é o preço no qual você é indiferente entre manter o inventário atual e fazer uma nova negociação. Quando você está comprado, ele fica abaixo do preço médio. Quando está vendido, fica acima.

Half-spread ótimo:

δ = γ · σ² · (T - t) + (2/γ) · ln(1 + γ/κ)

Onde κ é o parâmetro de taxa de chegada de ordens estimado a partir da atividade de negociação recente.

Esta é a distância do preço de reserva na qual você cotiza sua oferta de compra e venda. Ela aumenta quando a volatilidade sobe. Aumenta quando o fluxo de ordens diminui. Diminui quando o venue fica mais ativo.

Todo market maker institucional executa este modelo com variações.

A matemática é pública. A infraestrutura para executá-lo continuamente em vários venues é o que criou o fosso.

Onde o varejo não consegue competir.

As ações de primeira linha dos EUA estão bloqueadas. SPY, QQQ, IWM e os 500 principais nomes por volume são dominados por market makers com colocation na NYSE e Nasdaq.

Suas cotações chegam à bolsa em microssegundos. Suas cotações chegam à bolsa em 20 a 100 milissegundos através de APIs de corretoras de varejo. Você será atropelado em cada movimento significativo.

Não tente isso no SPY. Não tente isso nas principais ações dos EUA. Não tente isso nos principais pares de FX. Não tente isso nos títulos do Tesouro dos EUA mais líquidos. Venues sub-milissegundos são exclusivos para institucionais.

Onde o varejo realmente compete.

Três venues recompensam a latência de varejo e pagam spreads reais.

Perpetual DEXs:

Hyperliquid e dYdX oferecem negociação em livro de ordens, baixa latência, incentivos para makers e APIs programáveis, tornando-os os venues mais fortes para market making de varejo.

Mercados de Previsão:

Polymarket oferece spreads amplos e latência de nível de segundos, permitindo que bots de varejo capturem vantagens significativas com menos concorrência.

Uniswap V3/V4:

Liquidez concentrada permite que você forneça liquidez passivamente dentro de faixas de preço e ganhe taxas sem precisar executar infraestrutura de cotação contínua.

Parte 2: A Camada de Interface do Grok Bot

Grok Bot é a plataforma de agentes autônomos da xAI. Cada bot nomeado que você cria compartilha um computador em nuvem persistente.

Navegador. Sistema de arquivos. Terminal. Tudo fica na VM em nuvem, não no seu laptop.

Você envia mensagens para um bot como enviaria para um colega no Slack. O bot pega a tarefa. Usa seu computador para completá-la. Reporta quando termina.

6 bots para a Mesa de Market Making

Para a mesa de market making, você implanta seis bots nomeados.

Bot de Cotação.

Calcula preços de reserva e spreads ótimos usando Avellaneda-Stoikov.

Lê o preço médio atual, inventário atual, estimativa de volatilidade atual e taxa de chegada de ordens atual do espaço de trabalho compartilhado.

Gera as cotações atuais de compra e venda para um arquivo de cotações compartilhado a cada segundo.

Bot de Inventário.

Rastreia a posição em todos os venues ativos.

Ajusta a entrada de inventário para o Bot de Cotação em tempo real.

Quando o inventário sai da faixa alvo, envia um alerta para o Bot de Risco.

Bot de Risco.

Aplica kill switches rígidos. Este bot não tem autoridade para negociar.

Drawdown acima de 5% do capital alocado aciona o cancelamento imediato de cotações em todos os venues.

Inventário fora da faixa rígida aciona ordens de hedge direcionais através da API do venue.

Pico de volatilidade acima do limite aciona alargamento de spreads ou cancelamento total de cotações por uma janela definida.

Bot de Reconciliação.

Combina cada ordem executada com as execuções esperadas.

Captura erros de API, cancelamentos perdidos, execuções fantasmas, discrepâncias do lado do venue.

Executa a cada 30 segundos contra a posição reportada pelo venue e o livro de posições interno.

Bot de Microestrutura.

Observa a profundidade do livro de ordens, cotações de market makers concorrentes e dinâmica de spreads em cada venue ativo.

Quando um MM concorrente alarga os spreads, alerta o Bot de Cotação para considerar alargar.

Quando a profundidade do livro cai, sinaliza elevação do risco de inventário.

Bot de Filtro Macro.

Observa eventos macroeconômicos que alargam spreads.

Usa a integração nativa do Grok Bot com o X para contas de membros do Fed, Trump Truth Social, contas de divulgação de dados macro.

Quando um evento relevante ocorre, instrui o Bot de Cotação a alargar ou cancelar cotações por uma janela definida.

Seis bots. Cada um responde a conversas em linguagem natural. Cada um tem um papel específico. Cada um escreve no espaço de trabalho compartilhado no computador em nuvem do Grok Bot.

Você envia uma mensagem para o Bot de Risco em português claro:

"Defina o limite de drawdown diário para 5% do capital alocado. Defina o inventário máximo para 50 contratos. Alargue as cotações para 3x o normal se a volatilidade realizada em 30 segundos exceder 3x a estimativa contínua."

O Bot de Risco atualiza suas regras de aplicação. O próximo ciclo de cotação usa os novos limites.

Você envia uma mensagem para o Bot de Filtro Macro:

"Monitore a conta do Powell no X, o Truth Social do Trump e o feed de divulgação do BLS. Se qualquer postagem relevante for publicada, diga ao Bot de Cotação para cancelar as cotações por 15 minutos."

O Bot de Filtro Macro implanta a rotina de monitoramento.

Este é o cockpit de linguagem natural. Cada mudança operacional acontece através de conversa. Sem arquivos de configuração. Sem reimplantação. Sem perda de contexto.

Agora, aqui é onde a mesa de seis bots encontra sua primeira restrição real de infraestrutura.

Parte 3: A Camada de Infraestrutura Kimi K3

Estou tentando executar uma mesa de market making pessoal há um ano.

Toda tentativa esbarrou nas mesmas três paredes.

O monitoramento contínuo do livro de ordens em vários venues quebrou primeiro.

Nenhum modelo de IA de consumo conseguia gerar fluxos de monitoramento paralelos suficientes para cobrir Hyperliquid, dYdX e Polymarket ao mesmo segundo.

A implementação em Python do Avellaneda-Stoikov foi a segunda parede.

A matemática é direta, mas o código precisa ser executado continuamente, iterar sobre si mesmo e evoluir à medida que as condições de mercado mudam. Configurações tradicionais de modelo-em-um-notebook quebravam porque o código não conseguia manter o estado entre as sessões de negociação.

O dashboard ao vivo foi a terceira parede.

Todo market maker sério observa uma visualização ao vivo de cotações, execuções, inventário e comportamento de MMs concorrentes. Construir isso exigia contratar um engenheiro de frontend.

Então, no mês passado, encontrei a ferramenta que derrubou todas as três paredes de uma vez.

Kimi K3 da Moonshot AI.

Kimi K3 é um modelo mixture-of-experts de 2,8 trilhões de parâmetros com uma janela de contexto de um milhão de tokens por agente. Ele é lançado em duas variantes. K3 Max para chat e tarefas de agente único. K3 Swarm Max para processamento paralelo em larga escala e codificação agentiva de longo horizonte.

K3 Swarm Max executa a infraestrutura de market making por baixo da sua mesa Grok Bot.

Kimi K3 da Moonshot AI

Quatro capacidades específicas fazem isso funcionar.

Capacidade 1: Codificação agentiva de longo horizonte.

Kimi K3 mantém o contexto de codificação em sessões que duram dias.

A implementação em Python do Avellaneda-Stoikov vive em uma base de código persistente.

Kimi K3 melhora iterativamente o código à medida que as condições de mercado mudam.

Você percebe que seus spreads estão sendo atropelados na janela das 14h às 16h (horário de Brasília) no Hyperliquid. Você envia uma mensagem para o Kimi K3:

"O estimador de volatilidade está subestimando a volatilidade realizada na janela das 14h às 16h (horário de Brasília) no Hyperliquid. Ajuste o estimador para dar mais peso aos dados de tick mais recentes."

Kimi K3 modifica o código. O próximo ciclo de cotação usa o modelo atualizado. Sem reimplantação. Sem perda de contexto.

Esta é a capacidade que transforma uma construção única em um loop composto.

Capacidade 2: Trezentos subagentes paralelos.

K3 Swarm Max pode gerar até 300 subagentes em um coordenador.

Para market making em vários venues, isso significa:

• 60 subagentes monitorando livros de ordens do Hyperliquid em 60 pares simultaneamente
• 40 subagentes no dYdX
• 40 subagentes no Polymarket em mercados ativos
• 60 subagentes em pools de liquidez concentrada do Uniswap V3
• 40 subagentes observando divulgações de dados macro
• 60 subagentes observando contas de CEOs e bancos centrais no X em busca de eventos que afetem os spreads

Todos alimentando um coordenador que detém o estado agregado da microestrutura.

Capacidade 3: Um milhão de tokens de contexto por agente.

Cada agente detém até um milhão de tokens.

Para market making, isso significa que o coordenador detém cada snapshot do livro de ordens, cada execução, cada mudança de inventário, cada alerta macro de um dia inteiro de negociação.

O modelo Avellaneda-Stoikov é executado com contexto histórico completo. As estimativas de volatilidade vêm do fluxo de ordens completo. Não de amostras fragmentadas. Não de resumos com perda de dados.

Capacidade 4: Geração de código nativa para o dashboard.

O dashboard de market making costumava exigir a contratação de um engenheiro de frontend.

Kimi K3 escreve React de produção sob demanda.

Você descreve o dashboard em português claro. Ele gera a base de código completa e funcional em minutos.

Visualização ao vivo de cotações. Mapa de calor de inventário. Histórico de execuções. Gráfico de dinâmica de spreads. Indicador de presença de MM concorrente. Status do kill switch.

Cada painel renderiza ao vivo. Cada visualização atualiza a cada segundo. Cada gráfico puxa dados do espaço de trabalho compartilhado.

Juntas, essas quatro capacidades fecham a lacuna entre "produto de IA de consumo" e "mesa de market making de produção".

Kimi K3 é o que torna o motor de cotação, o monitoramento de vários venues, o dashboard e a melhoria iterativa do código todos implantáveis por uma pessoa em um laptop.

A única coisa que Kimi K3 não substitui é a interface de linguagem natural para conversas operacionais. Você não quer escrever consultas Python toda vez que precisar alargar spreads. Isso é exatamente o que o Grok Bot oferece.

A pilha completa: Grok Bot é o cockpit. Kimi K3 é o motor.

Parte 4: O Guia Exato de 8 Passos para Construir

Aqui está exatamente como lançar seu primeiro bot de market making funcional neste fim de semana.

Passo 1: Configure o Grok Bot.

Inscreva-se no SuperGrok Heavy em grok.com.

Baixe o aplicativo de desktop do Grok Bot.

Crie a estrutura de pastas do espaço de trabalho:

1/workspace/quotes/
2/workspace/inventory/
3/workspace/fills/
4/workspace/microstructure/
5/workspace/macro/
6/workspace/dashboard/
7/workspace/config/

Passo 2: Instale o Kimi Work.

Baixe o aplicativo de desktop Kimi Work em kimi.com.

Disponível para Mac com chip Apple Silicon e Windows.

Faça login com sua conta Moonshot. Ative o K3 Swarm Max nas Configurações.

Ative o modo de sessão de codificação de longo horizonte.

Configure o Kimi Work para sincronizar seu espaço de trabalho com o espaço de trabalho do Grok Bot através de sincronização em nuvem.

Passo 3: Peça ao Kimi K3 para construir o motor de cotação Avellaneda-Stoikov.

Abra o Kimi Work. Envie uma mensagem diretamente:

1Construa para mim uma implementação em Python de produção do modelo de
2market making Avellaneda-Stoikov.
3
4Fórmula do preço de reserva: r = s - q * gamma * sigma^2 * (T - t)
5Fórmula do half-spread ótimo: delta = gamma * sigma^2 * (T - t) +
6(2/gamma) * ln(1 + gamma/kappa)
7
8Entradas:
9- Preço médio atual s (da API do venue)
10- Inventário atual q (do arquivo de posição)
11- Estimativa de volatilidade sigma (janela contínua de 60 segundos de retornos)
12- Horizonte de tempo T (padrão 3600 segundos de janela contínua)
13- Parâmetro de aversão a risco gamma (padrão 0.1)
14- Parâmetro de taxa de chegada de ordens kappa (estimado a partir de execuções recentes)
15
16Saídas gravadas em /workspace/quotes/current.json a cada 1 segundo:
17- reservation_price
18- half_spread
19- bid_quote = reservation_price - half_spread
20- ask_quote = reservation_price + half_spread
21
22Incluir:
23- Verificação de kill switch: se /workspace/config/kill-switch.txt contiver "STOP",
24  cancele todas as cotações e saia
25- Proteção contra pico de volatilidade: se a volatilidade realizada nos últimos 30 segundos exceder
26  3x a estimativa contínua, alargue os spreads em 2x pelos próximos 60 segundos
27- Aplicação de faixa de inventário: se abs(q) exceder max_inventory no config,
28  distorça as cotações para reduzir o inventário
29
30Construa adaptadores específicos para o venue usando o SDK Python do Hyperliquid e a
31API CLOB do Polymarket. Salve em /workspace/engines/quoting-engine/.

Kimi K3 gera a implementação Python de produção completa.

A matemática está correta. Os adaptadores de venue funcionam. Os kill switches são aplicados.

Passo 4: Peça ao Kimi K3 para construir o dashboard ao vivo.

Envie uma mensagem para o Kimi K3:

1Construa para mim um dashboard de market making ao vivo como uma aplicação React local.
2Incluir:
3
4- Faixa superior: preço médio atual, preço de reserva, cotação de compra, cotação de venda
5  para o venue ativo. Atualizar a cada 1 segundo.
6
7- Painel esquerdo: gráfico de inventário ao vivo da última hora. Zonas coloridas
8  mostrando alvo (verde), aviso (amarelo), kill (vermelho).
9
10- Painel central: visualização da profundidade do livro de ordens. Ofertas de compra na metade esquerda,
11  ofertas de venda na metade direita. Suas cotações destacadas em laranja.
12
13- Painel direito: histórico de execuções da última hora. Cada execução mostra
14  timestamp, lado, tamanho, preço, P&L contínuo.
15
16- Faixa inferior: gráfico do histórico de spreads. Seu spread cotado vs spread de mercado
17  vs melhor spread do MM concorrente.
18
19- Tema escuro com destaque laranja.
20- Servir em localhost:3000.
21- Atualização automática a cada 1 segundo.
22
23Salve o projeto completo em /workspace/dashboard/.

Kimi K3 gera a aplicação React completa de uma só vez.

Execute npm install && npm run dev na pasta do dashboard.

Seu dashboard ao vivo está em localhost:3000.

Passo 5: Implante o enxame de monitoramento de vários venues do Kimi K3.

No Kimi Work, crie uma rotina chamada "venue-monitor".

Agendamento: Contínuo durante o horário de negociação do venue. Perp DEXs funcionam 24/7. Polymarket funciona 24/7.

Configure a rotina para gerar subagentes paralelos:

• 60 subagentes Hyperliquid (um por par negociado)
• 40 subagentes dYdX
• 40 subagentes Polymarket em mercados ativos
• 60 monitores de pool Uniswap V3
• 40 monitores de divulgação de dados macro
• 60 monitores de contas X para eventos que afetam spreads

Cada subagente observa a profundidade do livro designado, cotações de topo de livro e fita de negociação recente.

Quando qualquer subagente detecta uma mudança material na microestrutura, ele grava em /workspace/microstructure/live.json.

O Motor de Cotação lê este arquivo a cada segundo e ajusta as entradas do modelo de acordo.

Passo 6: Implante os seis bots de interface do Grok Bot.

Na barra lateral do seu Grok Bot, clique em "Novo Bot" seis vezes.

Crie Bot de Cotação, Bot de Inventário, Bot de Risco, Bot de Reconciliação, Bot de Microestrutura, Bot de Filtro Macro.

Para cada bot, cole a descrição do papel correspondente à sua função.

Exemplo para o Bot de Risco:

1Você é o Bot de Risco para uma mesa de market making pessoal.
2
3A cada 10 segundos você verifica:
41. /workspace/inventory/current.json para a posição em todos os venues
52. /workspace/fills/YYYYMMDD.json para o P&L acumulado de hoje
63. /workspace/microstructure/live.json para o estado da volatilidade
7
8Condições de disparo:
9- Drawdown diário acima de 5% do capital alocado:
10  Escreva "STOP" em /workspace/config/kill-switch.txt. Notifique o operador.
11- Inventário fora da faixa rígida (3x o tamanho normal da posição):
12  Roteie ordem de hedge através da API do venue. Notifique o operador.
13- Volatilidade realizada acima de 5x a estimativa contínua:
14  Instrua o Bot de Cotação a alargar os spreads em 3x.
15- Qualquer taxa de erro de API de venue acima de 5% nos últimos 60 segundos:
16  Cancele as cotações nesse venue até que a taxa de erro normalize.
17
18Você não tem autoridade para negociar. As regras são regras rígidas. Aplique-as.

Repita para os outros cinco bots.

Passo 7: Conecte o fluxo de trabalho.

Seu Motor de Cotação (executando no Kimi K3) lê o estado do mercado de /workspace/microstructure/live.json e grava cotações em /workspace/quotes/current.json.

Seu Bot de Cotação do Grok Bot lê o arquivo de cotação atual e roteia as cotações para as APIs do venue.

Seu Bot de Risco consulta as posições a cada 10 segundos e aplica os kill switches.

Seu dashboard lê todos os arquivos compartilhados e renderiza o estado ao vivo.

Seu Bot de Filtro Macro usa a integração nativa do Grok Bot com o X para monitorar contas de membros do Fed e o Truth Social do Trump.

Passo 8: Teste primeiro no Polymarket, depois escale.

Comece com o Polymarket para o primeiro teste.

Escolha um mercado pequeno com spreads de 200 a 500 pontos base.

Defina um capital alocado pequeno (US$ 200 a US$ 500). Defina o drawdown máximo do Bot de Risco para 10% do alocado (perda máxima de US$ 20 a US$ 50).

Envie uma mensagem para seu Bot de Cotação:

"Comece a cotar o mercado do Polymarket para [linha de eleição X]. Use US$ 500 de capital alocado. Inventário máximo de 100 contratos. Alargue os spreads se o inventário exceder 50."

Observe o dashboard. Observe as execuções. Observe o inventário oscilar em torno de zero.

Após 24 horas, envie uma mensagem para o Kimi K3:

"Analise as últimas 24 horas de execuções. Mostre-me a distribuição das execuções, o tempo médio de manutenção, a captura de spread realizada e quaisquer padrões onde fui atropelado. Proponha um ajuste específico no modelo."

Kimi K3 analisa o código, as execuções, o histórico do estado do mercado. Propõe um ajuste. Você aprova. Kimi K3 modifica a implementação do Avellaneda-Stoikov. O próximo ciclo usa o modelo atualizado.

Este é o loop composto. A cada 24 horas, o modelo fica mais preciso.

Construção em 8 passos

Assim que o Polymarket funcionar perfeitamente por uma semana, adicione o Hyperliquid. Depois o dYdX. Depois o Uniswap V3.

Resumo

Market making é o negócio de cotar continuamente preços de compra e venda e capturar o spread enquanto gerencia o risco de inventário.

Toda mesa institucional executa o modelo Avellaneda-Stoikov.

A matemática é pública. A infraestrutura para executá-lo continuamente criou o fosso.

Esse fosso acabou de ruir para três venues específicos onde a latência de varejo realmente compete: Hyperliquid, Polymarket e liquidez concentrada Uniswap V3/V4.

A pilha completa:

Grok Bot como o cockpit de linguagem natural com seis bots nomeados (Cotação, Inventário, Risco, Reconciliação, Microestrutura, Filtro Macro).

Kimi K3 Swarm Max como o motor de infraestrutura executando a implementação Python do Avellaneda-Stoikov, gerando 300 subagentes paralelos em todos os venues, mantendo um milhão de tokens de contexto de microestrutura, gerando o dashboard ao vivo através de código em linguagem natural e melhorando iterativamente a base de código através de sessões de codificação agentiva de longo horizonte.

Juntas, as duas ferramentas entregam uma operação de market making que cotiza continuamente em vários venues, adapta seu modelo à medida que as condições de mercado mudam e aplica limites de risco rígidos sem intervenção do operador.

Escopo honesto sobre o que isso substitui.

O motor de cotação, a camada de monitoramento de vários venues, o dashboard ao vivo, o gerenciamento de inventário, a aplicação de risco e o filtro macro para market making em venues acessíveis ao varejo (Hyperliquid, dYdX, Polymarket, liquidez concentrada Uniswap V3/V4).

Escopo honesto sobre o que isso não substitui.

Market making de ações de primeira linha dos EUA em SPY, QQQ, IWM e os 500 principais nomes por volume, que exigem colocation, feeds diretos de bolsa e execução sub-milissegundo.

Market making de FX principais, que é dominado por market makers bancários.

Market making de títulos do Tesouro dos EUA mais líquidos, que é exclusivo para primary dealers.

Market making HFT sub-milissegundo em qualquer lugar.

Relacionamentos institucionais de prime brokerage para financiamento de margem em escala.

Ser claro sobre isso é importante.

Isso não é um destruidor da Jane Street. É uma operação real de market making para os três venues específicos onde a latência de varejo realmente compete e onde a economia de spread realmente existe.

Se você quiser construir, inscreva-se no SuperGrok Heavy em grok.com e instale o Kimi Work em kimi.com.

Depois, me mande sua configuração por DM. Eu pessoalmente analisarei as primeiras 20 configurações.

Em meus artigos anteriores, detalhei a mesa de pesquisa, o modelo de alpha de engenharia de grafos, o enxame de agentes de IA, o sistema de execução de engenharia de loop, o fundo de hedge de IA de uma pessoa, o motor de negociação de notícias 24/7 e o terminal Bloomberg pessoal.

Cada artigo se baseia no anterior.

Este encerra o ciclo adicionando a camada de criação de mercado que transforma seu fundo de um tomador direcional em um provedor contínuo de liquidez.

Os traders que construírem isso primeiro irão capitalizar a economia de spread na próxima década, em comparação com traders que apenas tomam liquidez.

Então, aqui está a pergunta para refletir.

Você é o trader que ainda cruza cada spread e paga os formadores de mercado em cada entrada e saída, ou é o arquiteto que construiu um bot que cotiza ambos os lados do livro 24 horas por dia, 7 dias por semana, e recebe descontos em vez disso?

Não há resposta errada. Mas há respostas muito reveladoras.