源文件:research/quant_digests/2026-04-02_2043_bestvenue-funding-zscore-hysteresis-carry.md
这次主材料不是再找一篇“funding 会不会预测价格”的解释型 paper,而是直接 intake 一个可独立复现、可完整落地的 carry/funding raw alpha 策略仓库:
strategy.py、strategy_cross.pynotebook.ipynb、notebook_cross.ipynb、FINAL_Notebook.ipynb它最值得 desk 抄的地方,不是“funding 高就去收息”这句废话,而是把 raw alpha 真正拆成了完整策略骨架:
best funding rate对我们 desk 来说,这个题是合格的 raw alpha,不是 filter/overlay 伪装货。
一句话先说清:
> base alpha = cross-venue、delta-neutral 的 funding/basis carry。
更具体一点:
z_entry 阈值min_hold + z_exit,避免来回被手续费打死。所以它不是单纯“票息策略”,而是: carry 机会选择 + 偏离标准化 + 持有治理 + 成本约束 的完整 raw alpha。
strategy_cross.py 的核心逻辑可以直接翻成人话:
best_fr = max(|fr|),保留方向best_fr 做滚动 z-score(默认 lookback 270 个 8h 周期,约 90 天)|z| > 2.0 才开仓best_fr > 0 → short perp / long spotbest_fr < 0 → long perp / short/替代现货这比“跨 venue 扫 funding 排名”更值钱,因为它已经把 entry / exit / sizing / risk / cost 全都落地了。
我觉得这份 repo 最值得收进素材池的旁支,不是“多 venue 有更多 carry”,而是:
> carry alpha 要先做“偏离标准化 + 退出去抖 + 最低持有期”,否则 gross edge 很容易死在双腿成本里。
也就是说,真正该复现的不是“highest funding scanner”,而是:
best venue selectionbest_fr z-scorehysteresis / min_holdexplicit two-leg cost这套骨架以后也能迁移到:
我挑几个最有信息量、而且和策略是否能活下来直接相关的数字。
notebook_cross.ipynb 里给的 BTC 示例(8h 口径)显示:
0.73 bps / 8h4.00 bps / 8h1.30 bps / 8h更关键的是,repo 统计到:
0.59 bps6.68 bps+1041.6% uplift,也就是多出 6.10 bps / 8h 的可收息空间这说明: venue routing 不是小修小补,而是 carry alpha 的主收益来源之一。
同一个 notebook 的 baseline cross-exchange 结果:
17.6%13.9%1.85%2.5614.083.62%6.62而且 repo 还给了一个特别有用的生存线指标:
4.5bps + spot 10bps = 14.5bps0.020367.5bps这组数字的意义很直接: 按 repo 的持仓治理和换手控制,这条策略不是“只差 0.1bp 就死”的 fragile edge。
repo 的单 venue / cross-venue 对比也很有启发:
我的理解: 这份 repo 实际上是在证明“carry 不是没有 alpha,真正决定死活的是你怎么把 alpha 从 gross 变成 net”。
Section 4 notebook 里给的日频风险统计:
-0.72% / 日-0.75% / 日这个结果当然不能直接照单全收,但至少说明 repo 不是靠极少数超级大胜日硬撑一条脆弱权益曲线;它更像一条低波动、靠 carry 累积的 market-neutral 收益流。
1m / 3m / 5m / 15m desk 的关系:它是 raw alpha,但不是“逐根快节奏主信号”这点要说清,不然容易把东西读歪。
因为它满足 3 个关键条件:
但它的自然时钟不是每根 1m bar,而是:
所以我会把它定位成: > 慢信号、快执行的 raw alpha sleeve
而不是硬伪装成“每根 3m 都能发信号的 scalp 模型”。
换句话说:
1h / funding-event aware5m / 15m这条题主要依赖公开交易所数据,公开性没问题。
repo 使用的主数据层包括:
5m~1h如果我们现在要 desk 化,最小实验完全可以这样做:
BTC / ETH / SOL / BNB / XRP / DOGE / AVAXBinance / Bybit / OKX / Hyperliquid 四家best_fr30~90 天做滚动 z-score我建议别先做“大而全 6 venue 生产版”,而是按下面顺序测。
目标:验证 best_fr z-score 是否比“原始 funding 排名”更稳。
A. 三个 baseline 同时跑:
raw best_fr levelbest_fr z-scorebest_fr z-score + min_holdB. 频率:
1h5m / 15mC. 输出重点:
要回答的不是“HL 好不好”,而是:
top liquidity venues,alpha 会掉多少?repo 的 3 × 8h = 24h 最小持有期对我们太慢,desk 版建议直接扫:
1 funding window2 funding windows4 funding windowsfixed 6h / 12h / 24h我们真正要找的是: 哪种持有治理,能在不显著伤害 carry 收入的前提下,把换手和腿数砍到最低。
优先顺序:
不要一上来就把一堆宏观 gate 混进去,不然你根本分不清是 raw alpha 有效,还是 gate 在救它。
这条东西我会给一个偏积极的结论:
> 值得进入研究池,而且优先级不低。
原因不是它“讲 funding 很合理”,而是它符合我们当前最想补的那类题:
同时它也提醒了一个很重要的 desk 现实:
> carry/funding 类 alpha 的关键不只是找到“最肥的一腿”,而是把 持有治理、换手治理、venue 治理 做对;否则看上去是 alpha,实际上只是给手续费打工。
https://github.com/PietroC21/Crypto-PerpetualFutureshttps://github.com/PietroC21/Crypto-PerpetualFutures/blob/main/README.mdhttps://github.com/PietroC21/Crypto-PerpetualFutures/blob/main/strategy.pyhttps://github.com/PietroC21/Crypto-PerpetualFutures/blob/main/strategy_cross.pyhttps://github.com/PietroC21/Crypto-PerpetualFutures/blob/main/notebook_cross.ipynbhttps://github.com/PietroC21/Crypto-PerpetualFutures/blob/main/FINAL_Notebook.ipynbhttps://papers.ssrn.com/sol3/papers.cfm?abstract_id=4067751https://raw.githubusercontent.com/PietroC21/Crypto-PerpetualFutures/main/Cong-Staking-and-Crypto-Carry.pdf1.6,说明 crypto carry 作为 risk premium/relative-value 方向本身有坚实地基,但真正 desk 化仍要靠执行与成本治理。这次该 intake 的不是“funding 很高所以去收息”,而是「best-venue carry + z-score 标准化 + hysteresis/min-hold」这套可直接落地、可直接做 5m/15m 执行实验的完整 raw alpha 骨架。