← 返回 Quant Digests · 站点首页

别把 100ms L2 方向概率只当 HFT demo：对 short-cycle desk，更该先测「persistent high-confidence L2 drift aggregation」这条 microstructure raw alpha

更新时间：2026-04-06 13:53 UTC 研究时间：2026-04-06 13:50 UTC 类型：GitHub repo 主题标签：raw-alpha/microstructure/order-book/l2/depth-pressure/order-book-imbalance/directional/10s/100ms/probability-calibration/aggregation/binance/btc/1m/3m/5m/repo/public-data/cost/risk 证据类型：repo README + `feature_builder.py` + `model_runner.py` + `trade_manager.py` + Binance Spot WebSocket docs

源文件：research/quant_digests/2026-04-06_1350_l2-10s-drift-aggregation-alpha.md

1. 这次看了什么

这轮我没有继续补一篇“又一个 pairs / funding / carry 变体”，而是挑了一份 刚更新的、能直接落成完整交易壳 的新 repo：

补充的公开数据/文档口径：

我最后选它，原因很直接：

  1. base alpha 很清楚，而且是 raw alpha。 不是“模型能不能预测”这种空话，而是 L2 微观结构状态 → 下一个短窗 mid-price 漂移。
  2. 它已经把 entry / exit / cost 壳写出来了。 这比只给一堆 feature 重要得多。
  3. 它正好补当前学习进展里的一个缺口： 我们最近 intake 里已经有很多 microstructure 因子，但真正把“特征 → 校准概率 → 阈值入场 → spread-crossing 成本 → 固定 horizon 平仓”串成一条完整策略壳的材料还不算多。

换句话说，这一轮不是在补“新术语”，而是在补 可直接落回测框架的完整微结构 raw alpha 壳。

---

2. 先回答：这篇东西的 base alpha 是什么？

2.1 base alpha 是清楚的，而且不是 filter 伪装

一句人话：

> 如果买盘/卖盘深度、盘口距离、累积量和短窗 OBI 变化，在连续几个 100ms tick 上都朝同一个方向挤压，那未来 10 秒的 mid-price 更容易朝同向漂移。

repo 里把这件事落成了一个非常直接的预测对象：

这不是 overlay。 这也不是 regime gate。 它本体就是一条 microstructure directional raw alpha：

2.2 为什么它比继续补一篇“普通 OFI / OBI 论文”更值得

因为我们最近已经看过不少：

这些材料多数都告诉你：

> “这个 feature 可能有 edge。”

但 Horizon-10 多走了一步，它直接告诉你：

> “这条 edge 怎么以 10 秒持有期、阈值触发、显式 spread-crossing 的方式被交易出来。”

这对当前 desk 更值钱。因为 bot7 当前优先级本来就不是继续堆“解释型 feature”，而是扩充 可独立复现、可直接落地的策略素材池。

---

3. repo 到底给了什么对 desk 有用的证据

3.1 它不是一句“我有个模型”，而是完整给出特征布局

feature_builder.py 把实时特征工程写得非常清楚，而且强调 zero allocations per tick。核心是 131 个特征：

翻成人话，它不是只看一个“OBI 大于 0 就做多”的简陋规则，而是在做：

> 盘口厚度、深度距离、失衡、5 秒噪声强度、1~5 秒压力变化的联合读数。

这点很重要，因为它意味着 desk 后续最小实验不一定非得全抄 131 维；也可以先抽出：

做一版轻量 existence check。

3.2 它给的训练口径够具体，能让我们知道不是随手拼 demo

README 写了几组很关键的数据点：

这些数字不代表它已经被验证成 production alpha；但至少说明：

3.3 它把“概率校准”单独拿出来了，这对实盘很关键

model_runner.py 不是裸 LightGBM，而是：

这点对 desk 的价值，比“模型多复杂”更大。

因为短周期方向壳最怕的是：

repo 至少在框架上解决了这个问题：

> 把模型输出变成可设阈值的 calibrated probability。

这让它自然适合做：

3.4 它把交易管理也写成了明确规则，而不是“预测完就算完”

trade_manager.py 里最值钱的部分，是把交易落成了一个很诚实的 paper-trade 壳：

这比很多“方向预测论文”更诚实，因为它至少把最基本的成本楔子打进去了：

也就是说，repo 虽然没把 taker fee / 滑点 / queue position 全部算进来，但至少已经避免了最常见的 paper alpha 自欺：

> 拿 mid-to-mid 漂移冒充可交易收益。

---

4. 对 short-cycle desk，最该拿走的不是“131 features”，而是这个更小、更可测的 alpha 壳

4.1 最重要的，不是逐 tick 乱开仓，而是做“persistent high-confidence aggregation”

如果机械照搬 repo 的 100ms 触发，很容易遇到：

所以对我们 desk，更好的读法不是：

> 每个 100ms 有方向就冲。

而是：

> 把连续 10 秒方向概率，聚合成 1m / 3m 的可执行 admission score。

例如：

这一步非常关键。因为它把 repo 的 HFT 壳，翻译成了我们 desk 更能承受的短周期版本。

4.2 这条 alpha 最适合 1m / 3m，5m / 15m 更像聚合或 veto 层

我会很诚实地定位：

所以它是符合用户这轮偏好的：

4.3 为什么它对当前素材池有直接关系

因为当前素材池里，已经有很多：

但如果你真想把 short-cycle 盘做起来，还差一类材料：

> 从“连续 microstructure pressure”直接映射到“什么时候下单、持有多久、阈值设多高”的完整壳。

Horizon-10 补的就是这一块。

---

5. 如果直接落地成完整策略，我会怎么写

5.1 entry

先不要全抄 repo 的逐 tick 模式；我会先写成 desk 版最小壳：

  1. 从 Binance depth20@100ms 取 L2 快照；
  2. 计算一版轻量 10s microstructure score：
  1. 每 100ms 产出 P(up), P(down)；
  2. 在最近 30s~60s 聚合：
  1. 只有当：

5.2 exit

第一版别复杂化，直接做 3 层：

如果要更贴 repo 原文，可以先保留一个更短的 direct replication 版：

这版适合作为 existence check。

5.3 sizing

sizing 不应该只按方向概率大小一把梭。第一版建议：

也就是：

> 同样强的方向信号，贵的 spread、小的盘口、炸的短窗波动，都应该自然缩仓。

5.4 risk

这条 alpha 最怕的不是“方向错一点”，而是：

所以风控至少要盯：

5.5 cost

repo 已经做了最基础的一步：

但 desk 真回测时，至少还要再补：

尤其是 10 秒 alpha，不把 fee / slippage 写进回测，几乎等于没测。

---

6. 外部数据与公开性：这条线能否快速复现？

6.1 原 repo 的训练数据不完全免费，但最小实验可以用公开流重做

repo 训练部分写的是：

这说明作者训练底层使用的是商业归档数据。

但对我们来说，这不构成阻碍。因为它的 live inference 口径本身就是 Binance 公共 WebSocket：

所以 desk 最小实验完全可以改成：

6.2 更新频率：天然适合超短周期

这条线的数据更新频率就是 100ms，所以它天然服务的是：

如果硬往 15m 上套，它更像：

6.3 最小可复现实验口径

实验对象： BTCUSDT

数据源： Binance public depth20 websocket

更新频率： 100ms

最小特征子集：

最小标签：

最小回测壳：

这已经足够回答：

> “这条 10 秒级微结构方向 edge，能不能翻译成 desk 可用的 1m/3m raw alpha？”

---

7. 这轮最值得立刻做的 3 个最小实验

7.1 实验 1：direct replication — 先测 repo 原生 10 秒壳还有没有 edge

目的：先回答“原生壳本身行不行”。

关键看：

7.2 实验 2：desk translation — 看“持续高置信聚合”能否优于逐 tick 开仓

目的：回答“如何从 HFT shell 翻译到 short-cycle shell”。

如果聚合版的：

那就说明这份 repo 最值钱的，不是 131 个 feature，而是 microstructure persistence admission shell。

7.3 实验 3：跨资产可移植性 — BTC 成立后，看看 ETH / SOL 会不会更强或更弱

目的：别把它锁死成“只对 BTC 有用”。

如果 ALT 上 alpha 更脆弱，那这条线就更适合作为：

---

8. 我对这条主题的判断

8.1 这是 raw alpha，不是“模型综述”

因为它的本体不是“LightGBM 好不好”，而是：

> order-book pressure 是否能在未来 10 秒给出可交易方向漂移。

模型只是实现方式。 alpha 本体是 短窗盘口压力 → 短窗价格漂移。

8.2 它为什么值得进当前素材池

因为它满足 bot7 当前优先级里最值钱的那一档：

更重要的是，它不是又一篇“解释为什么市场会动”的材料，而是已经告诉你：

8.3 它的局限也要说清楚

我不会把它吹成“已经验证的 production alpha”，因为 README 没给出足够完整的样本外 PnL / Sharpe / turnover / fee 后归因表。

所以更准确的定位是：

> 一份高信号、可快速复现、能直接变成最小实验的 repo-based raw alpha 候选。

这正符合本轮任务要求。

---

9. 下一步怎么测

我建议下一步直接分成 两层 verdict：

  1. 2~4 小时快速 verdict
  1. 半天正式最小版

如果第二层比第一层更稳，说明：

> 这份 repo 对 desk 最值钱的，不是“高频模型”四个字，而是“连续高置信 microstructure pressure 的短周期聚合交易壳”。

10. 来源清单