← 返回 Quant Digests · 站点首页

别把 funding carry 继续只写成“阈值够高就上”：这篇 2026 Zenodo + GitHub 更该先测的是「basis relaxation × regime-sized funding carry」这条完整 raw alpha

更新时间：2026-04-06 05:01 UTC 研究时间：2026-04-06 04:58 UTC 类型：2026 Zenodo 预印本 + 同名 GitHub repo source audit（`README.md` + `strategy/backtest_v2.py` + `strategy/signals.py` + `strategy/regime.py`） 主题标签：raw-alpha/carry/funding/basis/delta-neutral/stat-arb/basis-mean-reversion/relaxation-ratio/entropy-rate/je-health/regime-sizing/binance/spot-perp/8h-anchor/1m/5m/15m/repo/paper/public-data/cost/risk 证据类型：预印本摘要 + repo README + 关键策略源码

源文件：research/quant_digests/2026-04-06_0458_basis-relaxation-regimesized-funding-carry-alpha.md

> 先回答一句：这篇东西的 base alpha 是什么？ > > base alpha = funding carry + basis convergence，不是 Jarzynski 公式本身。 > 说人话：真正赚钱的还是 perp 太贵/太便宜时的 delta-neutral carry；“physics” 这层更像一个可复现的 regime / sizing engine，决定这笔 carry 值不值得放大做。

1. 这次看了什么，为什么这轮值得写它

这轮主看 3 份材料：

  1. Ethan Khoo Chuen Lee (2026). _Non-Equilibrium Thermodynamics of Cryptocurrency Perpetual Futures: Jarzynski Equality, Regime Classification, and Physics-Informed Trading_. Zenodo preprint.
  1. Ethan Khoo Chuen Lee (2026). _fluctuation-theorem-perps_. GitHub repository.
  1. GitHub README（同 repo）

这轮值得写它，不是因为“物理学很酷”，而是因为它刚好补到我们现在最缺的一块：

这篇材料的价值就在于：

> 它没有换掉 carry 这个 base alpha；它是在 carry 之上补了一个能直接复现的 regime-sized shell。

这对 desk 来说，比再看一篇“funding 高就空”的新壳更有边际价值。

2. 一句话核心结论 + 它是怎么证明的

一句话核心结论

别把 delta-neutral funding carry 做成固定阈值 + 固定仓位。更值得先测的是：用 basis relaxation ratio + temperature z-score + entropy rate + JE health 这 4 个 causal 信号，把相同的 carry 壳分成 可放大 / 正常 / 只保留最小 exposure 三种状态。

一句话它怎么证明

3. 这篇东西真正该怎么读：别把“physics”误读成 alpha 本体

3.1 alpha 本体仍然是 carry / basis convergence

从 backtest_v2.py 可以直接读出，作者真正交易的不是“热力学因子方向预测”，而是一个很朴素的 delta-neutral 账本：

也就是说，这里最重要的仍是：

  1. 你拿没拿到 funding；
  2. basis 是往中间回，还是继续扩；
  3. 扣完 fee/slippage 后还剩多少。

所以这篇 digest 必须被归成 raw alpha，不是单纯 filter：

3.2 这正好适合我们 desk 的读法：不是替换旧 carry，而是升级旧 carry

对当前 desk 来说，最自然的读法不是“再引入一套高深学术符号”，而是：

这就解释了它为什么比继续补一个同质化 funding headline 更值得：

> 它不是新讲一个 carry 故事，而是给 carry 家族补“position governance”这块缺口。

4. repo 里最值得抄的 4 个信号，到底在说什么

strategy/signals.py 里把 4 个信号写得很清楚，而且都可以 causal 计算。

4.1 Relaxation Ratio：basis 回归速度，能不能赶在下一次 funding 前修复

定义本质上是：

r = τ_relax / τ_funding

其中：

repo 的解释很直白：

README 给出的关键数字：

这组数字对 desk 的翻译几乎可以直接做规则：

4.2 Temperature Z-score：不是预测方向，而是量市场现在冷不冷、稳不稳

repo 把它定义成当前 β 相对历史分布的 z-score：

翻成人话：

这正好是 carry 最需要、但很多 funding 策略根本没显式建模的一层。

4.3 Entropy Rate：funding 机制到底是在修复错价，还是已经失灵

entropy_rate > 0：更像 dissipative market，funding 机制在工作； entropy_rate < 0：更像 non-equilibrium steady state，说明市场并没有顺着“贵的回落、便宜的回升”那套逻辑走。

对 desk 而言，这个量的最直接价值不是“解释市场”，而是：

> 当 entropy rate 太差时，不要继续把高 funding 误读成更好的 carry。

4.4 JE Health：不是拿来做学术检验，而是当“这套物理近似还靠谱吗”的健康度表

repo 用 |E[e^{-βσ}] - 1| 去看当前市场离“thermodynamic-like”有多远。

对交易最实用的读法是：

这很像一个 model trust score。

5. repo 最有价值的，不是信号本身，而是它们被怎样塞进完整策略

5.1 先做 alpha，再做 regime sizing —— 次序是对的

backtest_v2.py 里最值得肯定的一点，是作者没有把信号做成“预测涨跌再决定买卖”的 ML 花活，而是：

  1. 默认承认 carry 这条 alpha 本身长期存在；
  2. 然后让 regime 只负责 调 exposure；
  3. 最后用 realistic PnL 去看，这种调 exposure 是否真的比 naive carry 更好。

这比很多“先训个模型，再说它会赚钱”的 repo 诚实很多。

5.2 3-state classifier 很 desk-friendly

strategy/regime.py 里：

而且阈值不是写死的绝对值，而是：

这很适合我们 desk，因为它天生就支持：

5.3 V2 PnL 建模比很多 funding repo 真实

README 和代码都明确写了 3 个关键修正：

  1. signed funding：不是永远收 funding，方向错了也会付；
  2. basis risk MTM：持仓期间 basis 继续恶化，账面会亏；
  3. fees/slippage：按 16 bps round-trip 扣成本。

这几个点非常关键。因为很多 funding 策略一上来就会犯 3 个错：

这篇材料在这三点上都比一般 repo 更实盘友好。

6. 对 1m / 3m / 5m / 15m desk，该怎么落地，不要硬装成逐根主信号

这里必须说清楚：

最合理的映射方式是：

6.1 8h 是 payoff anchor，1m/5m/15m 是 state / execution clock

6.2 不要伪装成“逐根主信号”，要诚实写成“carry alpha + short-cycle execution shell”

这点很重要。我们不该把它硬说成“5m raw directional alpha”，而应该准确地写：

> raw alpha 仍是 carry / basis convergence；1m/5m/15m 负责的是更快的 admission、hold、de-risk 和 execution。

这并不降级它，反而让策略定义更清楚。

7. 适合当前 desk 的最小可复现实验

这是我认为最该先做的一版，不求完美，但求一周内能出结果。

7.1 交易对象

优先：BTCUSDT / ETHUSDT / SOLUSDT 这 3 个 Binance perp 对应 spot。

原因：

7.2 数据源与公开性

公开可得，且不需要 key 的最小口径：

如果第一版只求最小复现，甚至可以先：

7.3 第一版信号

保留 repo 的结构，但先简化成 desk 版规则：

  1. relaxation_ratio
  2. temperature_zscore
  3. entropy_rate
  4. je_health
  5. 再额外拼我们已有的：

7.4 第一版 entry / exit / sizing

#### Entry 只做最容易的一侧：

然后开：

#### Exit 任一满足就走：

  1. 到下一次 funding 结算后强平估值；
  2. basis 回到 rolling median 附近；
  3. funding sign flip；
  4. regime 从 EQUILIBRIUM/WARM 跳到 NESS；
  5. 最长只拿 1~2 funding cycles。

#### Sizing 沿用 repo 的思路先做最朴素版：

7.5 成本设定

第一版直接做 3 档：

同时报告：

这样能一眼看出，这条策略到底是在赚 funding，还是其实在吃 basis 偶然回撤。

8. 我最想先验证的，不是“物理对不对”，而是 3 个交易问题

8.1 relaxation ratio 是否真的决定 carry 的可持有性

这是最值得先打的 first test：

如果这一步成立，这篇 digest 就值回票价。

8.2 regime sizing 是否比“extreme funding only”更稳

对照组至少要有：

  1. Naive always-on short basis
  2. Extreme funding threshold only
  3. Physics regime-sized carry

重点不是只看 Sharpe，应该优先看：

8.3 SOL 那种“funding 在付，但 market 仍在非平衡态”是否能在更多 alt 上复现

README 里最有意思的结果不是 BTC/ETH，而是：

这很像 alt-perp 市场最真实的故事：

如果这点在别的中高流动 alt 上也成立，那这篇材料对 desk 的价值会很高。

9. 一句话总结

这篇 2026 Zenodo + GitHub 材料最该带给我们的，不是“市场像热力学系统”这句漂亮话，而是一个更实用的结论：funding carry 这条 raw alpha 可以继续做，但不要再用固定阈值 + 固定仓位去做；更该先测的是「basis 回归速度 × regime-sized exposure」这层完整策略升级。

10. 下一步怎么测

最小实验（优先级最高）

  1. 拉 BTC/ETH/SOL 的 Binance：
  1. 先复现 只做正 funding 一侧 的 long spot / short perp。
  2. 用 8h funding cycle 做 payoff anchor，5m 做执行频率，1m 做状态更新。
  3. 先只测 3 套策略：
  1. 报 6 个核心指标：

第二步实验（如果第一步成立）

第三步实验（更贴近 desk）

Sources

  1. Ethan Khoo Chuen Lee (2026), _Non-Equilibrium Thermodynamics of Cryptocurrency Perpetual Futures: Jarzynski Equality, Regime Classification, and Physics-Informed Trading_, Zenodo preprint, DOI: 10.5281/zenodo.19046564

    2. Readable URL: https://doi.org/10.5281/zenodo.19046564

  2. Ethan Khoo Chuen Lee (2026), _fluctuation-theorem-perps_, GitHub repository

    3. Repo URL: https://github.com/ElvianElvy/fluctuation-theorem-perps

  3. GitHub raw files used in this digest: