← 返回 Quant Digests · 站点首页

别把这份 2026 StandX OBI maker repo 只读成基础设施：对 short-cycle desk，更该先测的是「OBI z-score fair-value shift × inventory skew × min-spread floor」这条完整 raw alpha

• 时间：2026-04-01 05:56 UTC
• 类型：2026 GitHub 新仓库 README.md + backtest_standx_OBI.py + optuna_obi_config.json + config.json source audit
• 主题类型：raw alpha
• 基础 alpha：盘口买卖盘失衡（OBI）的 rolling z-score 会把短期 fair value 从 mid 推开；maker 只要围绕这个偏移后的 fair value 做带 inventory skew 的双边挂单，就不是纯赚 spread，而是在赚“被动成交后 adverse selection 更少”的 microstructure edge
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是
• 主题标签：raw-alpha/market-making/liquidity-provision/order-book-imbalance/obi/fair-value-shift/inventory-skew/microstructure/single-asset/btc/crypto/repo/public-data/1m/3m/5m/15m/cost/execution
• 证据类型：repo source audit（完整策略骨架清晰，但暂无独立本地 PnL 复核）

1. 这次看了什么

这次主看的是 djienne (2026) 的 GitHub 仓库 StandX_Market_Making_Backtest_BTC。它不是单纯的数据管道，而是一条相当完整的 maker research pipeline：WebSocket 采集 order book / trades → Parquet → NPZ → hftbacktest 回放 → OBI maker 策略回测 / Optuna 调参。对我们更有价值的点不在“又一个 market-making repo”，而在它把 base alpha、挂单逻辑、库存偏斜、最小价差下限、费用、延迟、数据缺口处理 都写进了同一个可复现实验骨架里。

2. 核心结论

• 一句话核心结论： 这份 repo 最值得进素材池的，不是“做市基础设施”，而是 “OBI 失衡 z-score 驱动 fair value 偏移” 本身就是 base alpha；spread capture 只是承载它的执行壳。
• 一句话说明它怎么证明： 代码把 alpha 写得很直白：先在 looking_depth=2.5% 的盘口范围内计算 sum_bid_qty - sum_ask_qty，再做 rolling z-score，把结果乘上 c1 推到 fair_price = mid + c1 * alpha，最后围绕这个 fair value 做带 inventory skew 的 maker-only 双边挂单。
• 从源码看，它默认不是按分钟线，而是按 step_ns = 100,000,000（100ms） 更新状态；window_steps = 6000 对应 10 分钟滚动窗口，update_interval_steps = 50 对应 每 5 秒重估一次 alpha / vol。这很适合我们把它先归类到 1m/3m 主实验，再往 5m 压成低频 maker overlay。
• 风险参数也不是空白：仓库默认 maker_fee = 1 bps、taker_fee = 4 bps，并且在 BBO clamp 之后仍强制 min_half_spread_bps = 1.0；意思很明确——它默认承认“价差太窄时，哪怕 alpha 对，也不值得挂”。
• inventory control 也给得很实：normalized_position = notional_position / max_position_dollar，然后通过 bid_depth_tick = half_spread * (1 + skew * position)、ask_depth_tick = half_spread * (1 - skew * position) 做双边不对称扩缩。也就是说，库存越偏多，就把 bid 往外撤、ask 往里收；库存越偏空则反过来。
• 默认执行骨架已经足够像策略：主脚本 CLI 默认 order_qty_dollar = 20、max_position_dollar = 500、grid_num = 1、vol_to_half_spread = 32、skew = 0.5、c1_ticks = 605；Optuna 配置里则把搜索版切成 order_qty_dollar = 100、max_position_dollar = 400、latency_ns = 1,000,000（1ms）和 looking_depth = 0.025。这说明它不是“讲概念”，而是已经把 sizing / quote width / latency 假设都钉进实验口径。
• 对我们 desk 来说，真正值得拿走的不是 StandX 本身，而是这套拆法：raw alpha = OBI fair-value shift；regime / overlay = min spread floor + inventory skew + gap flatten；执行形式 = maker-only GTX orders。

3. 为什么和当前项目有关

• 最近素材池已经补了很多 taker 型 directional alpha、pairs、basis、cross-sectional reversal，但 maker / liquidity-provision 这类“完整策略骨架”卡片还不够多。这份 repo 正好补这个缺口。
• 它和 1m/3m/5m/15m 的关系也很清楚：alpha 生成发生在 100ms–秒级，主战场更像 1m/3m；但我们完全可以把它压缩成 5m/15m 的 maker admission / quoting overlay，而不是只把 short-cycle 理解成追涨杀跌。
• 它也提醒我们：做市不一定只是 execution layer。若 fair value 是被 OBI 系统性推开的，maker quote placement 本身就是方向性极弱、但信息优势极强的 raw alpha。

3.5 策略拆解（必填）

• 方向属性：单资产双边做市 / liquidity provision / microstructure alpha
• 基础 alpha：盘口失衡 z-score 推动短期 fair value 偏离中间价，围绕偏移后的 fair value 做被动挂单
• regime：流动性足够深、盘口更新稳定、实际可拿到 maker rebate 或低 maker fee 的 BTC/ETH 等主流合约；价差过窄时不应强做
• filter / veto：
• min_half_spread_bps >= 1，价差太窄直接 veto
• 数据 gap 超过阈值（代码默认 gap_threshold_minutes = 10）时撤单 / flatten
• 盘口失衡标准差塌陷、alpha 不再有 z-score 区分度时不扩张仓位
• risk / sizing / execution overlay：
• entry：持续双边挂单，但挂单中心不是 mid，而是 fair_price = mid + c1 * alpha
• exit：靠反向成交 / inventory 回补 / gap flatten / quote 撤单完成；不是传统 bar-close exit
• sizing：先从小 clip（源码默认 20 USD 或搜索版 100 USD）开始，净敞口上限 400~500 USD
• inventory：用 skew 控制 bid/ask 的不对称扩缩，防止单边库存累积
• cost：先诚实按 maker 1 bps / taker 4 bps 记账，再单独测是否需要 maker rebate 才能过线

4. 可复刻的最小实验

• 研究假设： 若主流 crypto 合约的短期 microprice / fair value 真的会被盘口失衡 z-score 稳定推开，那么“围绕 OBI-shifted fair value 的 maker quote”应该优于“围绕 raw mid 的对称 maker quote”。
• 公开数据源： Binance/Bybit/Hyperliquid 的公开 L2 depth + trades WebSocket；只要能拿到 top-20 depth 和逐笔成交，就够做第一版。
• 公开性与更新频率： 都是公开实时流；最小复现建议存成 100ms 或 250ms 快照 / 事件驱动序列。
• 最小可复现实验口径：

1. 选 BTCUSDT perpetual，先抓 3~7 天连续 L2 + trade 数据；
2. 用 ±2%~2.5% depth 算 OBI = bid_qty - ask_qty；
3. 做 rolling z-score，得到 alpha_t；
4. 对照两套 quote：A) mid ± half_spread，B) (mid + c1*alpha) ± half_spread；
5. 都加上同样的 inventory skew 和 min spread floor；
6. 比较净收益、fill 后 adverse selection、库存波动与撤单频率。

• 最先看哪 1~2 个指标：
• net_bps_per_day 或 net_bps_per_1000_fills
• post_fill_1s/5s markout（成交后 1 秒 / 5 秒不利漂移）
• 第三个再看 inventory_turnover / max_inventory

5. 风险与保留意见

• 这篇目前更像 高信号 repo intake，还不是“已验证可上线 alpha”。原因很简单：仓库 README 和代码给了完整策略骨架，但 没有附上足够扎实、可直接复核的结果表。
• StandX 不是 Binance / Bybit。小场地上的盘口形状、tick size、maker 激励、队列填单机制，未必能直接迁到大所；base alpha 可迁，参数未必可迁。
• 代码里 latency_ns = 1ms、100ms step 这些假设，对大多数普通部署都偏乐观。若实盘拿不到这么快，edge 可能大幅收缩。
• 这类策略最大的坑不是“方向错”，而是 fill model / queue model / cancel latency。如果回放里把挂单成交想得太容易，P&L 会比真实世界漂亮很多。

6. 来源

1. djienne (2026). _StandX_Market_Making_Backtest_BTC_. GitHub Repository.

• Venue: GitHub
• DOI: N/A
• Readable URL: https://github.com/djienne/StandX_Market_Making_Backtest_BTC
• Repo URL: https://github.com/djienne/StandX_Market_Making_Backtest_BTC
• 重点文件：
• README.md
• backtest_standx_OBI.py
• optuna_obi_config.json
• config.json

1. djienne (2026). _maket_making_alpha_OBI.pdf_（仓库内技术说明）. Repo bundled document.

• Venue: GitHub repo docs
• DOI: N/A
• Readable URL: https://raw.githubusercontent.com/djienne/StandX_Market_Making_Backtest_BTC/main/docs/maket_making_alpha_OBI.pdf
• Repo URL: https://github.com/djienne/StandX_Market_Making_Backtest_BTC

7. 下一步怎么测

1. 先别急着复刻 StandX 全栈，直接在 BTCUSDT perpetual 上做 A/B quote placement：raw mid vs OBI-shifted fair value；
2. 固定 min_half_spread_bps ∈ {0.5, 1.0, 1.5}、skew ∈ {0.25, 0.5, 1.0}、looking_depth ∈ {1%, 2.5%, 5%} 三组网格，先找“markout 改善”而不是先看总 PnL；
3. 若 post_fill_1s/5s markout 明显改善，再补真实 fee / queue / cancel latency；
4. 若在 Binance/Bybit 上只有 maker rebate 场景才转正，就把它降级成 execution alpha / overlay；若即使不靠 rebate 也能改善 markout，再升格为 desk 的 maker raw alpha 主线。