在金融市场中,做市商作为重要参与者,能增强市场的流动性、维持价格的稳定性、提高交易的即时性,需要合理的报价策略模型指引决策。做市商策略的目标是确定合理的买卖报价,在价差尽可能大的情况下,实现交易量的最大化,以及在库存和风险承受有限的条件下,保证交易结束后的库存尽可能小。本文对做市商报价策略模型进行了全面而系统的研究,涵盖了股票做市问题和期权做市问题,从理论和实践层面给出了完整而又详尽的做市商问题描述和解决方案。本文第二章介绍与做市商问题相关的理论知识。首先介绍了做市商问题和与之息息相关的限价委托簿。其次回顾了几个传统的做市商报价策略模型。最后介绍了与做市商报价策略模型求解相关的随机最优控制理论,以及其如何应用在求解该问题上。本文第三章介绍了股票做市商报价策略模型。在单个股票做市的库存风险处理上,我们既设置库存上下限,也增加了最终库存惩罚参数η。新的做市模型在CARA效用函数框架下,我们证明了解的存在性并进行求解,得到买卖报价的解析式解。进一步,考虑到真实的交易情况,为了解决带有上涨或下跌趋势的股票做市问题,提出了基于技术指标简单移动平均SMA和相对强弱指标RSI的做市商报价策略,其本质是对动态均值的反应,此时的做市商更倾向于不平衡的挂单,在当前对自己有利的方向多挂单。对多个股票的做市问题,通过因子组合对冲股票组合之间的风险,兼顾策略的收益和中长期的稳定性,提出了基于多因子模型构造的做市商报价策略。最后,利用我国A股市场的实际数据进行回测分析,本章提出的策略能获得高收益率、应用场景灵活。本文第四章介绍了期权做市商报价策略模型。我们为期权做市商提出了一个新的建模方式和策略构造方式。在库存风险的处理上,我们构造了一个Delta对冲的资产组合,并且考虑带库存惩罚的CARA效用函数。对单个期权做市问题建模的框架整合了期权定价理论和期权风险Greeks,结合随机最优控制理论,证明了解的存在性,并获得买卖报价的解析式解。对多个期权的做市问题上,需要考虑更高阶的Greeks风险,提出了一个新的框架,优化求解买卖挂单数量,并约束投资组合中的Greeks。于是多个期权的做市问题转化成一个线性规划问题,求解该线性规划问题得到多个期权做市报价策略。最后,利用现在场内交易的50ETF期权和50ETF的实际交易数据,根据买卖报价的解析式解构造策略,进行回测,并对基于中间价的报价策略和基于期权定价得到的理论价格的报价策略进行比较分析。本文第五章介绍了基于深度强化学习的做市商报价策略,采用高效稳定的SAC算法。首先介绍了深度强化学习应用到做市商报价问题的有关理论,其次我们给出了做市商问题的通用的强化学习框架和深度学习网络,并基于SAC算法设计了做市商训练流程。此时我们对库存风险的控制,既在库存状态的记录反馈中,也在奖励函数路径上的库存惩罚设计中。在模拟分析中,与Avellaneda-Stoikov模型相比较,可以看到SAC库存报价策略在报价决策和库存控制上表现更灵活。最后,不依赖于任何市场和价格假设,采用恒生电子的历史分钟数据进行模型训练和回测分析,结果表明智能做市商能很好的完成同时决策买卖报价和报价数量的任务,同时实现上升收益和控制库存风险。