← 返回 Quant Digests · 站点首页

别把这份微观结构 repo 只读成回测 plumbing：对 short-cycle desk，更该先测的是 `fill-aware OFI × quote-join flow-control shell`

• 时间：2026-04-08 22:49 UTC
• 类型：GitHub / 工程实现
• 主题类型：raw alpha
• 基础 alpha：order-flow / queue-imbalance continuation
• 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：microstructure / OFI / queue imbalance / maker-taker / fill model / execution / BTCUSDT / 1m / 3m
• 证据类型：工程经验 + 本地 public-data portability probe

1. 这次看了什么

看的是 jingyaolai17/tardis-python-private 这套 BTCUSDT Binance 微观结构策略实现，重点审了 README.md、strategy_core.py、ob_core.py、IS_backtest_BTCUSDT.py、IS_OOS_Validation_summary.md。它不是“先有信号、再随手补个 execution”，而是把 alpha、挂单/吃单决策、fill 概率、库存约束、成本门槛、freeze/kill 写成一条完整链。

2. 核心结论

• 一句话核心结论： 这份 repo 最值得学的，不是“OFI 能预测价格”这句老话，而是它把 OFI/队列失衡 alpha 直接翻成了一个可交易的 maker-first 壳：只有当预期 alpha 扛得住 spread、手续费和 fill 风险时才挂单/追单。
• 一句话证明方式： 证据主要来自 repo 自带的 in-sample / frozen OOS backtest，并且在策略代码里把 alpha_bps -> join/take -> inventory/risk 的传导链条明确写死，而不是只展示预测分数。
• strategy_core.py 里的核心做法，是把 ofi_z、qi_z（queue imbalance）、microprice deviation 组合成 alpha_bps，再和 join_thresh_bps / take_thresh_bps 比较，决定是 maker join 还是 taker take。
• 这条线最值钱的地方在 成本显式化：repo 不把“预测方向对了”当胜利，而是要求 expected_alpha 先覆盖 fee / rebate / fill loss；这正是很多 1m 微观结构思路死在实盘前的一步。
• repo 自带摘要里，fill-aware baseline 的 日频 Sharpe 约 1.47，flow-control 版 IS / OOS 日频 Sharpe 约 1.68 / 1.54，说明 overlay 不是摆设；但作者也明确写了 成本仍是主导项，更严的 taker fee 假设会把 OOS 直接翻负。
• 我补了一个 Binance USDⓈ-M 公共 1m portability probe：用 signed_quote = 2*taker_buy_quote - quote_volume 做 kline 级 signed-flow proxy，事件定义为 |flow_z|>=2 且与当根 bar 方向同向。近 30d 上，BTCUSDT 的 next 1/3 bar 同向收益约 -0.384 / -0.666 bps，但 ETHUSDT 约 +0.133 / +0.212 bps，SOLUSDT 约 +0.134 / +0.507 bps。含义很直接：裸 kline 级 flow proxy 不能替代真实 L2 OFI；repo 里的边，极可能依赖 queue / microprice / fill realism。

3. 为什么和当前项目有关

这篇东西和 desk 当前最相关的点，不是“又一个高频故事”，而是它属于 可直接落地的 raw alpha 完整策略壳：

• raw alpha 本体很清楚：order-flow / queue-imbalance continuation
• 不是只给预测器，而是把 entry / exit / sizing / cost / risk 一起写清楚
• 对我们现在缺的 1m/3m 高强度 alpha 很有价值：哪怕最后不直接抄 BTC L2，也可以复用它的 alpha-hurdle + maker/taker router + inventory cap 结构
• 它还能给其他微观结构 alpha 当 shared execution shell，而不只是服务这一条 OFI

3.5 策略拆解（必填）

• 方向属性：单资产、顺势、微观结构 continuation
• 基础 alpha：OFI z-score + queue imbalance + microprice deviation -> short-horizon drift
• regime：更偏适合有短时失衡、但仍能成交的高流动窗口；极端毒性/过宽 spread 不应硬做
• filter / veto：expected alpha > join/take threshold、fill 概率不过线不挂、成本覆盖不了不追
• risk / sizing / execution overlay：maker-first、必要时 taker fallback、inventory cap/decay、freeze/halt、fee/rebate 显式计入

4. 可复刻的最小实验

研究假设： 如果短时 signed flow 真有信息，那么在 crypto major 的 1m/3m 上，flow_z 极端且与当根收益同向时，后续 1~3 根应该仍有一点同向漂移；但是否能活下来，取决于能不能把它放进 maker-first / fill-aware 壳里。

最小定义：

1. 数据：Binance USDⓈ-M 公共 1m klines（后续升级到 aggTrades / 真 L2）
2. 特征：signed_quote = 2 * taker_buy_quote_volume - quote_volume，再做 120 根 rolling z-score
3. 事件：|flow_z| >= 2 且 sign(flow_z) = sign(bar_return)
4. 交易：下一根按信号方向持有 1 或 3 根；先做 taker-taker 粗测，再上 maker-entry / taker-exit A/B
5. 最先看：post-cost expectancy / event、positive-event ratio

更像 repo 原味的下一步，是把数据升级到 best bid/ask 级别，真正计算 OFI / queue imbalance / microprice，再补一个简单 fill model，测试 join-only 与 join+take fallback 的差异。

5. 风险与保留意见

• 这条线非常吃数据层级：只用 kline signed volume，容易把真正的 queue alpha 压扁甚至翻号。
• repo 自带 OOS 看起来不差，但作者自己也承认：成本和 fill 假设一收紧，结果会明显恶化。
• 这不是“方向预测够高就能做”的模型，必须连 execution 一起测；否则研究结论会比真实可交易性乐观很多。
• 当前 public-data probe 已经提示：BTC 的 naive proxy 是负的，因此后续别把它误读成“BTC 1m taker flow 一定能裸冲”。

6. 来源

• jingyaolai17. tardis-python-private. GitHub repo.
• Repo URL: https://github.com/jingyaolai17/tardis-python-private
• Source-audited files: README.md, strategy_core.py, ob_core.py, IS_backtest_BTCUSDT.py, IS_OOS_Validation_summary.md
• Binance USDⓈ-M Futures public market data
• Klines endpoint doc: https://developers.binance.com/docs/derivatives/usds-margined-futures/market-data/rest-api/Kline-Candlestick-Data