Latest

残差波动结构检测

一、什么叫“残差波动结构检测”(对照标准) 一个完整的残差波动结构检测,至少包含 5 个维度: 维度 核心问题 ① 平稳性 是否 I(0) ② 波动幅度 波动是否覆盖交易成本 ③ 回归速度 偏离后多久回归 ④ 自相关结构 是否有节奏/周期/噪声 ⑤ 稳定性 不同时间段是否一致 👉 ADF 只是第 ① 项的最低门槛。 二、你这份代码“实际做了什么”(逐项核对) ✅ 已经做到的部分(但你可能高估了它) 1️⃣ 残差构建(OK) 你在两个地方构建了残差(spread): spread_ols = log_alt_series - (alpha + beta * log_base_series) 以及:

By SHI XIAOLONG

“残差波动结构” 是什么?

这是一个问到“协整真正有用之处”的核心问题。 很多人只停留在“协整是否显著”,但真正决定能不能用、好不好用的,是「残差波动结构」。 我按 一句话定义 → 直观图像 → 组成要素 → 和你关心的 1h / 30 天的关系 → 实务判断清单 来讲。 一句话定义(先给结论) 残差波动结构 = 协整回归后,价差(残差)在时间上的“运动方式”。 不是问: * 残差是不是平稳(这是门槛) 而是问: * 它怎么波动?多快回归?多吵?有没有节奏? 一、从协整回归开始(定位残差) 你做的事情是: [ y_t = \alpha + \beta x_t + \varepsilon_t ] 这里: * (\varepsilon_t)

By SHI XIAOLONG

协整的定义: 如果两个非平稳时间序列的线性组合是平稳的,则称这两个序列是协整的

这句话看起来很“教科书”,但背后的直觉其实并不复杂。我分 形式理解 → 直觉理解 → 一个具体例子 → 常见误解 四步来解释。 一、形式化地理解这句话在说什么 “如果两个非平稳时间序列的线性组合是平稳的,则称这两个序列是协整的。” 拆开来看: 1. 两个时间序列 * 记为 (x_t)、(y_t) 2. 它们本身是非平稳的 * 比如都有趋势、随机游走(I(1)) * 均值、方差随时间变化 3. 存在某个线性组合 [ z_t = y_t - \beta x_t ] 4. 这个组合是平稳的 * (z_t) 没有趋势 * 围绕一个固定均值波动(I(0)) 👉 只要存在这样的 (\beta),就说

By SHI XIAOLONG

基于 Hyperliquid 的订单流失衡(OFI)微观结构交易系统(完整版)>>>实盘工程目录 + 模块接口定义

好,这一步我们直接进入“可实盘工程”的层级。 下面给你的是一套 真实可维护、可扩展、符合 Hyperliquid 特性的实盘工程目录 + 模块接口定义。 不是 demo,而是量化团队常见的最小可长期演化架构(Minimum Viable Trading System)。 一、总体设计原则(先立规矩) 在 Hyperliquid 上做微观结构,你的工程必须满足: 1. 事件驱动(Event-driven) ❌ bar / sleep loop ✅ WS → callback → signal 2. 解耦(Loose Coupling) * 数据 ≠ 信号 ≠ 执行 ≠ 风控 3. 可降级(Fail-safe) * 任何一层异常 → 系统自动降频或停手 4. 可观测(Observable)

By SHI XIAOLONG

基于 Hyperliquid 的订单流失衡(OFI)微观结构交易系统(完整版)

定位说明: 本文不是“OFI 指标介绍”,而是一份可落地的微观结构 Alpha 系统设计文档。它在原有订单流失衡(Order Flow Imbalance, OFI)理论基础上,系统性补全了 信号过滤、状态识别、信号组合、执行与风险控制,并针对 Hyperliquid 永续合约交易所进行定制。 一、为什么必须“重写”OFI 传统 OFI 文章往往隐含一个危险假设: OFI 本身就是一个可直接交易的 Alpha 在真实市场(尤其是加密永续)中,这是不成立的。 * OFI 测量的是 盘口买卖力量的不平衡,而不是价格必然上涨或下跌 * OFI 是 高噪声、强状态依赖 的微观量 * 不经过状态过滤和组合,OFI 极易被 spoof、撤单、薄流动性放大

By SHI XIAOLONG

Hyperliquid 是做微观结构 / OFI 的“天花板级交易所”

非常好,Hyperliquid 是做微观结构 / OFI 的“天花板级交易所”,选它说明你已经在实战正确方向上了。 下面我会完全贴着 Hyperliquid 的真实机制,把之前那套 Pipeline 落地成「Hyperliquid 专用版本」,不是泛泛而谈。 一、为什么 Hyperliquid 特别适合 OFI / 微观结构 先给你一个定位结论: Hyperliquid = CEX 级撮合 + DEX 级透明度 这对微观结构意味着什么? Hyperliquid 的关键特性 特性对 OFI 的意义单一中央 LOBOFI 不用跨 venue 聚合极低延迟tick-level OFI 有价值深度真实spoof 比 Binance 少永续为主执行反馈极快WebSocket 增量 L2OFI 可精确构建 👉 这正是 OFI 发挥作用的理想环境 二、

By SHI XIAOLONG

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 │ └──────────────────────────────────────────────┘ ↓ ┌──────────────────────────────────────────

By SHI XIAOLONG

OFI 完整的微观结构 Alpha Pipeline

从数据 → 信号 → 决策 → 执行 → 风险反馈 的顺序来,你可以把它直接当成系统设计蓝图。 一、整体总览(先给你一张“文字结构图”) ┌────────────────────────────────────────┐ │ ① 数据与微结构层 │ │ LOB / Trades / Quotes / Latency │ └────────────────────────────────────────┘ ↓ ┌────────────────────────────────────────┐ │ ② 状态识别(Regime) │ │ 波动 / 流动性 / 市场节奏 / 风险态 │ └────────────────────────────────────────┘ ↓ ┌────────────────────────────────────────┐ │ ③ Al

By SHI XIAOLONG

OFI 与Lead-Lag 关系、流动性指标、成交量簇模式...一起参与策略组合

一、核心结论(先给你一句话) OFI 是“力”的测量,不是“方向”的完整解释 * 它测的是:当前订单簿中,买卖哪一边更用力 * 但它不回答: * 这股力会不会持续? * 会不会被对手盘吸收? * 是否值得立刻交易? 所以在专业系统中: OFI = 条件信号 / 权重因子 / 执行调节器 ❌ 很少作为 “if OFI>0 就买” 的完整策略 二、专业量化系统的分层结构(非常关键) 一个成熟的高频 / 微观结构系统,通常是分层设计的: ┌──────────────────────────┐ │ 风险 & 组合层 (Risk) │ ├──────────────────────────┤ │ Alpha / Signal Layer │ ← OFI 在这里 ├──────────────────────────┤ │ 状态识别 (Regime) │ ├──────────────────────────┤ │ 执行层 (Execution) │ ├──────────────────────────┤ │

By SHI XIAOLONG

OFI信号过滤机制(动态阈值、波动率调整、成交量标准化)

一、为什么「原始 OFI」几乎不能直接用? 先给一个结论: 不经过过滤的 OFI,本质是一个“高噪声、强状态依赖”的微观统计量 问题主要有四个: 1. 不同时间段强度完全不同(开盘 vs 盘中 vs 收盘) 2. 不同市场状态不可比(高波动 vs 低波动) 3. 不同流动性阶段失真(深度薄时 OFI 被放大) 4. 极端值多、尾部厚(order cancel / spoof 会炸) 所以专业策略的第一步不是“如何用 OFI 下单”,而是: 如何把 OFI 变成一个“状态无关、尺度稳定”的信号 这正是下面三种方法的目的。 二、

By SHI XIAOLONG

为何中国很难见到甘蔗汁(背后的经济学原理)

一句话结论(先给你“本质版”) 越南甘蔗汁 = 低成本农业 + 灰色街头业态 + 高温解渴场景 中国缺的是:低成本原料 × 宽松业态 × 即时消费场景 不是中国人不爱喝甜水, 而是中国把甘蔗汁这条路,在制度层面“堵死了”。 一、第一道“硬墙”:原料体系完全不同(最致命) 🇻🇳 越南 * 甘蔗分三类: 1. 进糖厂的 2. 直接啃的 3. 榨汁卖的 * 榨汁蔗: * 不达糖厂标准 * 纤维细 * 价格极低 * 没有“浪费压力” ➡️ 甘蔗汁 = 消化农业边角料 🇨🇳 中国 * 甘蔗几乎只有两条路: 1. 进糖厂 2. 当水果卖 * “榨汁用蔗”不存在独立品类 * 水果甘蔗: * 单价高 * 人工种植 * 有冷链 👉 用“水果甘蔗”

By SHI XIAOLONG

同样盛产甘蔗,为何泰国不喝甘蔗汁,而越南遍地都是,且价格极低

这个现象其实非常有代表性,背后不是“谁更穷/更甜”,而是农业结构 + 城市业态 + 饮食文化 + 监管习惯共同作用的结果。 我分层给你讲清楚👇 一句话先给结论 越南:甘蔗 = “街头水果” → 直接榨汁卖 泰国:甘蔗 = “工业原料” → 进糖厂,不上街头 一、核心原因 ①:甘蔗在两国的“定位完全不同” 🇻🇳 越南:甘蔗是「可直接消费的农产品」 在越南,甘蔗长期有 “直接啃 / 现榨喝” 的传统: * 甘蔗被当作 * 解渴饮料 * 平价能量来源 * 天然甜味水 * 农村 → 城市供应链极短 * 不合格进糖厂的蔗,也能榨汁卖 👉 所以你看到的是: * 路边一辆推车 * 一台几百万越盾的压榨机 * 一杯 5k–10k 越盾 的甘蔗汁 🇹🇭 泰国:甘蔗是「高度工业化原料」

By SHI XIAOLONG