← 返回 Quant Digests · 站点首页

别把这份 funding-rate repo 只读成 ML 作业：对 short-cycle desk，更该先测的是「post-cost funding+basis dislocation × delta-neutral carry admission」这条完整 raw alpha

• 时间：2026-04-09 21:46 UTC
• 类型：GitHub / repo source audit
• 主题类型：raw alpha
• 基础 alpha：正 funding + perp 相对 spot 偏贵 的状态，在未来持有窗里更可能通过 funding 收取 + basis 回归 兑现；对应交易是 short perp + long spot 的 delta-neutral carry / relative-value。
• 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：carry / funding / basis / relative value / delta-neutral / post-cost / admission / binance
• 证据类型：工程证据（repo 文档 + 配置 + source audit）

1. 这次看了什么

看的是 MengerWen 2026 GitHub repo Deep Learning-Based Delta-Neutral Statistical Arbitrage on Perpetual Funding Rates。它最有价值的点不是“用了 LSTM”，而是把一条 desk 真能落地的 carry 策略写成了完整研究管线：市场数据 -> feature -> post-cost label -> baseline/dl signal -> backtest。

2. 核心结论

• 一句话核心结论： 这份仓库真正值得抄的不是模型名，而是把 funding + basis 明确翻译成 未来净收益（post-cost net return） 的标签，先判断“这笔 delta-neutral carry 值不值得做”，再谈模型。
• 一句话证明方式： 作者不是预测裸价格方向，而是直接把未来 perp leg + spot leg + funding - 全部摩擦成本 做成监督目标，属于很适合 desk 的“机会质量预测”。
• label 设计很硬：默认方向直接写死为 short perp + long spot，目标是未来 8h/24h 的 future_net_return_bps，并区分 盈利 与 可交易（>5bps edge） 两层标签。
• 成本没有被藏起来：默认成本模型是 4 * (5bps taker fee + 3bps slippage) + 10bps gas + borrow，也就是仅四腿 taker+slippage 就先吃掉约 32bps，这比很多“看 funding 排行榜就上”的 repo 诚实得多。
• 特征也不是玄学：主窗口是 24h funding/basis、72h z-score、168h regime，再叠 open interest / volume / realized vol / shock，本质是在做 carry persistence + basis MR + crowding/risk state 的联合 admission。

3. 为什么和当前项目有关

这条线比继续做“谁 funding 高就空谁”的粗糙 carry 更进一步，因为它已经把当前 desk 真正在意的四件事写清楚了：

1. base alpha 是什么：不是排行榜，而是 funding+basis 的 post-cost 可兑现性；
2. 什么时候不做：edge 不够、shock 太大、regime 不对时不做；
3. 成本后还剩多少：目标本身就是净收益；
4. 怎么迁到短周期：虽然原 repo 先跑 1h，但完全可以把窗口映射到 15m，把它做成 5m/15m 的 entry router / carry admission 层。

3.5 策略拆解（必填）

• 方向属性：相对价值 / carry / delta-neutral
• 基础 alpha：positive funding + positive spread/basis 在未来持有窗继续兑现，short perp + long spot 收 funding 并等 basis 回归
• regime：positive_funding_regime、high_vol_regime、wide_spread_regime、shock_regime
• filter / veto：min_expected_edge_bps=5、funding_rate_bps > 1~2、spread_zscore_72h > 1~1.5、高 shock / 低 liquidity 可 veto
• risk / sizing / execution overlay：next-bar open 执行；默认 position_notional=10,000 USD、max_open_positions=1；显式扣 fee/slippage/gas/borrow

4. 可复刻的最小实验

• 研究假设： 15m 下，只要 funding 持续为正 + spread_zscore 仍高 + OI/vol 不在极端 shock，则未来 8h/24h 的 delta-neutral 净收益更高。
• 可计算定义： 在 Binance BTCUSDT perp + BTCUSDT spot 上，把 repo 的 8/24/72/168h 窗口改写成 32/96/288/672 根 15m；目标仍定义为未来 32/96 根的 perp leg + spot leg + funding - costs。
• 最小回测切口： 先只做 BTCUSDT，样本从 2024-01 到今；比较三组：always-on carry、规则基线（funding>1bps & spread_z>1.5）、post-cost score top bucket。
• 最先看 2 个指标： post-cost bps/trade 与 tradeable rate (>5bps net edge)；第三个再看 shock bucket 下的回撤。

5. 风险与保留意见

• 这份 repo 目前更像 课程项目级 research pipeline，不是已经验证完的 production alpha。
• 先跑的是 BTCUSDT 1h；若硬压到 1m/3m，很可能会把本来是 carry/admission 的信号误用成逐 bar directional alpha。
• borrow、gas、资金费结算时间、spot/perp 实际可成交性都还是简化版，真实执行可能比 repo 默认更差。
• 如果后续 desk 要把它接到更快节奏，最合理的位置不是“每 15m 必开仓”，而是 短周期 entry router + 8h funding window carry scheduler。

6. 来源

• MengerWen. (2026). *Deep Learning-Based Delta-Neutral Statistical Arbitrage on Perpetual Funding Rates*. GitHub Repo.
• Repo URL: https://github.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates
• Readable URL: https://github.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates
• 关键源码/文档：
• README.md
• docs/features.md
• docs/labels.md
• docs/signals.md
• configs/backtests/default.yaml
• configs/models/baseline.yaml