Wat is een 'Market Making' strategie en kun je dit als particulier doen?
Stel je even voor: je zit in een drukke markthal. De ene verkoper roept "ik koop appels voor €1,10!", de ander schreeuwt "ik verkoop voor €1,12!".
Jij staat daar precies tussenin. Je koopt voor €1,10 en verkoopt direct voor €1,12.
Je verdient €0,02 per appel. Niet veel, maar als je dat 10.000 keer op een dag doet, tikt het aardig aan. Dat is in een notendop wat een market maker doet.
Het is een strategie die draait om het vullen van de markt, het creëren van liquiditeit en het verdienen aan de spread. En ja, met de juiste tools kun je dit als particulier ook proberen, al is het lang niet voor iedereen.
Wat is een market making strategie?
Market making is een handelsstrategie waarbij je continu zowel een koop- als een verkooporder in de markt legt. Je bent de tegenpartij voor andere handelaren.
Je probeert de spread te "pakken": het verschil tussen de hoogste prijs die een koper wil betalen (de bid) en de laagste prijs die een verkoper wil accepteren (de ask).
Je verdient geld door te kopen op de bid en te verkopen op de ask, of vice versa. De kern van de strategie is risicobeheer. Je loopt het risico dat de markt plotseling sterk bewegt en je met een verlies op je positie blijft zitten.
Daarom plaats je je orders strategisch, vaak net iets boven of onder de huidige marktprijs. Je probeert je positie zo snel mogelijk weer af te bouwen.
Je bent geen "investeerder" die een positie lang vasthoudt; je bent een "liquiditeitsverschaffer" die een kleine winst per trade nastreeft. De technische kant van market making is waar het voor algoritmische traders interessant wordt. Je gebruikt een broker API (zoals die van Interactive Brokers of een crypto-exchange als Binance) om in milliseconden orders te plaatsen en annuleren. Je Python script draait de hele dag door en reageert op marktveranderingen.
Je backtest je strategie op historische data om te zien of je concept winstgevend zou zijn geweest.
Dit is pure automatisering.
Waarom is deze strategie zo belangrijk?
Markten hebben kopers en verkopers nodig om soepel te werken. Zonder market makers zouden spreads gigantisch worden en zou het moeilijk zijn om snel te kopen of verkopen zonder de prijs flink te beïnvloeden.
Market makers zorgen ervoor dat er altijd een "tegenpartij" is. Ze verdienen aan de spread, maar ze leveren een dienst aan de hele markt. Ze zorgen voor diepte en stabiliteit.
Als particulier richt je je op deze behoefte aan liquiditeit. Je kunt je eigen "mini-bank" opzetten.
Je biedt aan om 100 aandelen van een bedrijf te kopen voor €49,95 en tegelijkertijd 100 aandelen te verkopen voor €49,97. Je hoopt dat iemand aan beide kanten van je order "raakt". De spread van €0,02 is je winstmarge.
Je hoeft geen fundamentele analyse te doen; je bent geïnteresseerd in orderflow en prijsactie op korte termijn. De uitdaging zit hem in de concurrentie.
Je bent niet de enige. Grote institutionele market makers met supersnelle systemen en duizenden servers strijden om dezelfde spread.
Als particulier moet je je focussen op minder efficiënte markten of slimme niches. Je gebruikt je Python-vaardigheden om een bot te bouwen die net iets slimmer is of sneller reageert dan de gemiddelde retail trader. Het is een technisch spelletje.
De kern van de werking: spreads, risico en tools
Je begint met een broker die een goede API heeft. Denk aan Interactive Brokers voor aandelen of een exchange als Kraken of Binance voor crypto.
Je API-toegang is je levensader. Je script moet constant de orderbook uitlezen.
Wat is de hoogste bid? Wat is de laagste ask? Dat is je spread. Je beslist dan om een order te plaatsen.
Bijvoorbeeld: de bid is €10,00 en de ask is €10,05. Je kunt proberen te kopen op €10,01 en te verkopen op €10,04.
Risicomanagement is hier alles. Je positie kan "out of sync" raken. Stel je koopt 100 aandelen op €10,01, maar je verkooporder op €10,04 wordt niet gevuld.
De prijs zakt naar €9,95. Je zit nu met 100 aandelen die €0,06 per stuk minder waard zijn.
Een goede bot heeft "kill switches" en stop-losses. Als je positie een bepaalde grootte bereikt (bijvoorbeeld 500 aandelen), stopt de bot met market maken en probeert hij de hele positie zo snel mogelijk te verkopen om het risico te beperken.
Backtesting is je proeflokaal. Voordat je één euro echt inzet, draai je je Python-strategie over historische data. Gebruik libraries als Backtrader of Zipline.
Kijk naar de resultaten. Hoeveel trades? Wat was de gemiddelde winst per trade?
Wat was de grootste verliesperiode? Een realistische backtest voor een market maker moet rekening houden met transactiekosten.
Zonder kosten ziet elke strategie er geweldig uit. Reken €0,01 tot €0,05 per transactie voor aandelen, of 0,1% tot 0,2% voor crypto.
Varianten en modellen: van eenvoudig tot complex
Er zijn verschillende manieren om te market maken. De eenvoudigste vorm is Static Spread Market Making.
Je kiest een vaste spread, bijvoorbeeld 5 ticks (minimum prijsverschil). Je bot plaatst orders op een vaste afstand van de huidige prijs en verplaatst ze als de markt beweegt. Dit werkt goed in stabiele markten met lage volatiliteit, al is het voor het uitvoeren van grote orders vaak verstandiger om geavanceerdere algoritmes te gebruiken.
Je winst hangt af van hoeveel de prijs heen en weer beweegt binnen je spread.
Een geavanceerdere variant is Skew-based Market Making. Hierbij pas je je prijzen aan op basis van je eigen voorraad. Heb je al veel aandelen gekocht via een strategie voor pairs trading?
Dan wil je vanaf afbouwen. Je verlaagt je verkoopprijs (ask) om aantrekkelijker te worden voor kopers.
Heb je juist veel verkocht en een short positie? Dan verhoog je je koopprijs (bid) om je short te dichten.
Dit heet "inventory management". Je probeert je risico te spreiden en voorkomt dat je te lang aan één kant van de markt vastzit. Er is ook Quote Fading. Dit is agressief. Je kijkt naar de richting van de markt.
Als de prijs snel stijgt, verhoog je je koopprijs (bid) niet mee, maar ga je juist verkopen boven de markt. Je "fade" (vervagd) de beweging.
Dit is gevaarlijk en vereist snelle detectie van momentum. Een simpel model is het berekenen van een "microprice" of "theoretische prijs" op basis van de hoeveelheid aanbod en vraag op de orderbook. Je bot past zijn prijzen dynamisch aan op basis van die berekening.
Prijsindicaties voor je bot hangen af van de markt. In crypto kun je al market maken met een budget van €500 tot €1000, maar let op de transactiekosten.
Voor aandelen via een broker zoals Interactive Brokers heb je meestal een startkapitaal van €10.000 tot €20.000 nodig om de minimale commissies en risico's te dekken. Je winst per trade is vaak maar een paar cent tot een paar euro. Je hebt volume nodig.
Een bot die 100 trades per dag doet met €1 winst per trade is €100 per dag.
Maar de concurrentie is moordend.
Praktische tips voor de particuliere market maker
Begin klein en simpel. Bouw eerst een bot die in een simulator loopt (paper trading).
Gebruik een Python script met een while-loop die de API van je broker raadpleegt. Test op een tijdsframe van seconden of minuten. Focus op één enkel financieel product, zoals een populaire crypto-paar (BTC/EUR) of een aandeel met hoog volume (ASML, ING).
Probeer niet meteen te handelen in exotische opties of futures. Kies de juiste broker of exchange.
Voor crypto zijn Binance, Kraken en Bitvavo populaire keuzes met relatief lage kosten en goede API's.
Voor aandelen is Interactive Brokers de standaard voor algoritmische traders vanwege hun stabiele API en lage kosten op grote volumes. Zorg dat je API-sleutels beveiligd zijn. Gebruik nooit je hoofdaccount voor testdoeleinden. Maak aparte sub-accounts aan.
Focus op risicomanagement boven winst. Schrijf in je code: "Als mijn positie groter is dan X, stop met kopen.
Als de prijs Y% daalt, verkoop alles direct." Zorg voor een "heartbeat" in je bot. Als de verbinding met de API wegvalt, moet je bot stoppen en niet openstaande orders vergeten. Niets is erger dan een openstaande kooporder die niet meer geannuleerd kan worden terwijl de markt instort.
Verwacht geen wonderen. De dagen dat je als beginner makkelijk geld kon verdienen met market making zijn grotendeels voorbij.
De markt is professioneler geworden. Je concurreert tegen AI en HFT-bedrijven. Maar het is een fantastische leerervaring.
Je leert over API's, Python, data-analyse en risicobeheer. Als je leert hoe je een trailing take profit programmeert om winst vast te houden, ben je al verder dan 95% van de retail traders.
Het is een marathon, geen sprint.