OFI Alpha Pipeline加密永续最小可实盘架构

一、加密永续 ≠ 股票 / 期货(先立边界)

在进入 Pipeline 之前,先给你三个必须内化的差异

1️⃣ 没有“真实做市义务”

→ 流动性 极不稳定

2️⃣ 订单簿极易被操纵

→ spoof / cancel 比传统市场严重得多

3️⃣ 多交易所、弱监管

Lead-Lag 极其重要

所以在加密永续中:

OFI 的主要价值是“执行与确认”,而不是单独找方向

二、加密永续 Microstructure Alpha Pipeline(整体图)

┌──────────────────────────────────────────────┐
│ ① 数据层:Exchange Feeds (Event-driven)     │
│ L2 LOB / Trades / Funding / Mark Price       │
└──────────────────────────────────────────────┘
                      ↓
┌──────────────────────────────────────────────┐
│ ② Regime 层:加密特有状态识别               │
│ Vol / Liquidity / Funding / Liquidation Risk │
└──────────────────────────────────────────────┘
                      ↓
┌──────────────────────────────────────────────┐
│ ③ Alpha 层(多信号)                         │
│ Lead-Lag / OFI / Aggressive Volume /         │
│ Micro-price / Short Momentum                 │
└──────────────────────────────────────────────┘
                      ↓
┌──────────────────────────────────────────────┐
│ ④ 决策融合(State-conditioned Alpha)       │
│ 权重动态 / 非线性压缩 / Kill rules           │
└──────────────────────────────────────────────┘
                      ↓
┌──────────────────────────────────────────────┐
│ ⑤ Execution 层(永续专用)                   │
│ Post-only / IOC / Reduce-only / TWAP slices  │
└──────────────────────────────────────────────┘
                      ↓
┌──────────────────────────────────────────────┐
│ ⑥ 风险与反馈(永续特有)                     │
│ Leverage / Liquidation buffer / Slippage     │
└──────────────────────────────────────────────┘

三、① 数据层(Crypto-Perp 实战)

必须的数据(最低配置)

L2 Order Book(增量)

  • 深度:L1–L10(够用)
  • 必须是 diff / update
  • snapshot + delta 校验(否则 OFI 会坏)

Trades

  • 成交方向(taker buy / sell)
  • 成交量
  • 时间戳

价格

  • mid-price
  • mark price(⚠️ 永续特有)
  • index price(跨所用)

📌 注意

OFI 一定基于 order book 更新,不是 trade

四、② Regime 层(加密特有)

这是加密策略最重要的一层

1️⃣ 波动率 Regime

vol = EWMA(std(log(mid_return)))

规则:

  • vol > Q95 → 禁止开新仓
  • vol > Q99 → 强制平仓

2️⃣ 流动性 Regime(非常重要)

depth = sum(bid_L1-L5) + sum(ask_L1-L5)
spread = ask1 - bid1

过滤:

if spread > Q90 or depth < Q20:
    trading_allowed = False

3️⃣ Funding Regime(永续独有)

if abs(funding_rate) > threshold:
    reduce directional exposure

📌 避免:

  • 顺着 funding 拿仓
  • funding 驱动的假趋势

4️⃣ 清算风险(隐形雷)

  • open interest 变化
  • 大幅 move + 成交量暴涨
if liquidation_cluster_detected:
    disable alpha

五、③ Alpha 层(加密永续版本)

1️⃣ Lead-Lag(核心方向)

最常见组合

  • BTC → ETH
  • Binance → OKX
  • Perp → Spot
LeadLag = sign(Δprice_lead)

📌 Lead-Lag 给方向


2️⃣ OFI(确认 + 执行)

加密专用 OFI(建议)

OFI =
  Δbid_size @ best_bid
- Δask_size @ best_ask

然后:

OFI_scaled =
    OFI
    / depth
    / σ_price

📌 必须做 depth + vol 调整(加密太极端)


3️⃣ Aggressive Volume(真假判断)

AV = taker_buy_vol - taker_sell_vol
  • OFI 强 + AV 强 → 真突破
  • OFI 强 + AV 弱 → spoof

4️⃣ Micro-price 偏移

micro_price =
    (ask1 * bid_size + bid1 * ask_size) /
    (bid_size + ask_size)

六、④ 决策融合(Crypto 风格)

alpha_raw =
    w1 * LeadLag +
    w2 * OFI_scaled +
    w3 * AV +
    w4 * micro_price_dev

状态条件化

if funding_extreme:
    w1 ↓
if liquidity_thin:
    w2 ↓

非线性压缩

alpha = tanh(alpha_raw)

📌 永远不要裸用线性 alpha


七、⑤ Execution 层(永续专用细节)

OFI → 执行方式

if OFI_z > 3:
    IOC / Market
elif OFI_z > 1:
    Post-only limit
else:
    wait

订单标志(非常重要)

  • postOnly = True
  • reduceOnly = True(平仓)
  • 限制每次下单 size

📌 防止 maker 变 taker 被割手续费


八、⑥ 风险与反馈(永续生死线)

仓位控制

position ≤ equity × max_leverage × risk_factor

清算缓冲

liquidation_distance > min_buffer

执行反馈

if OFI strong but slippage ↑:
    decrease aggressiveness

📌 系统要“学会不信盘口”


九、最小可跑的 Crypto-Perp Pipeline(伪代码)

if not regime_ok():
    return

leadlag = leadlag_btc_to_eth()
ofi = ofi_scaled()
av = aggressive_volume()

alpha = tanh(
    0.5 * leadlag +
    0.3 * ofi +
    0.2 * av
)

size = base_size * abs(alpha)

if alpha > 0:
    side = BUY
else:
    side = SELL

execute(
    side=side,
    size=size,
    aggressiveness=ofi
)

十、一句话给你(加密永续真相)

在加密永续里,OFI 的价值不是“预测价格”
而是“告诉你盘口是不是在配合你下注”

Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG