← 返回 Quant Digests · 站点首页

别先迷信深度学习：这份 2026 repo 里更适合 desk 先测的是「perp rich spread fade × positive funding admission」

• 时间：2026-04-11 05:13 UTC
• 类型：GitHub repo + 公共数据快检
• 主题类型：raw alpha
• 基础 alpha：当 perp 相对 spot 明显偏贵时，做 short perp + long spot 等待价差回归；若同时 funding 为正，则在等待均值回归时还多了一层 carry 补贴
• 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（repo 原型壳完整，但当前 OOS 证据不足以直接上生产）
• 主题标签：carry / funding / basis / delta-neutral / spread-mean-reversion / short-perp-long-spot / binance / btc / 5m / 15m / repo / cost / risk
• 证据类型：仓库源码与内置报告 + 公共数据快检

1. 这次看了什么

主线材料是 MengerWen (2026), _Deep Learning-Based Delta-Neutral Statistical Arbitrage on Perpetual Funding Rates_ 这个 GitHub 仓库。

它的 headline 是“深度学习 + delta-neutral funding arbitrage”，但对我们当前 desk 来说，真正值得先 intake 的不是 LSTM 本身，而是 repo 里那条更朴素、也更可快速复现的 raw alpha：

> combined_funding_spread：perp 相对 spot 偏贵（spread z-score 高）时做 short perp + long spot；如果 funding 还是正的，就把它当更强 admission。

翻成人话：你不是在赌方向，而是在赌“perp 的高溢价会回一点”，同时如果资金费率还是正的，你在等待期间还有机会拿到 carry。

这比“再训一个更复杂模型”更适合当前阶段，因为：

• base alpha 说得清；
• entry / exit / cost / sizing 壳在 repo 里都已经写出来了；
• 我们可以直接把它映射到 5m / 15m 做最小 portability probe，而不必先复刻完整 ML 训练流水线。

2. 核心结论

• 一句话核心结论： 这份 repo 最值得 desk 先拆的，不是深度学习预测器，而是 perp rich spread fade + positive funding admission 这条 delta-neutral raw alpha 壳；它在逻辑上成立、在公共数据上也能看到短周期 spread convergence，但短周期 gross edge 目前明显小于 taker/taker 成本，必须把 execution 重新设计成 maker-assisted 或 funding-window-aware 才有希望活下来。
• 一句话证明方式： 我先读 repo 里已经提交的 baseline / backtest / robustness 文档与报告，再用 Binance 公共 spot klines + futures klines + fundingRate 对 BTC 做 5m/15m portability probe，发现 spread rich 之后的确有稳定回归，而 positive funding 会小幅增强这条回归；但 repo 自带的 base-cost OOS 结果说明，如果你按“小时级、低频触发、直接吃 taker 成本”的方式做，edge 还不够厚。
• repo 自带的几组关键数：
• 数据覆盖：2021-01-01 到 2026-04-07，共 46,152 根小时 bar，3,092 次 funding event。
• 数据统计：平均 funding event 约 +1.04 bps，绝对 spread 的 95% 分位约 10.04 bps。
• OOS robustness（BTCUSDT 1h，base cost=5 bps taker + 3 bps slippage + $2 gas）：
• combined_funding_spread：7 笔交易，累计回报 -0.2328%，净 PnL -232.8 USD / 100k。
• logistic_regression：3 笔交易，累计回报 -0.1050%。
• lstm：0 笔交易，说明不是“深度学习自动更强”，而更像阈值/标签太苛导致没有交易。
• Binance 公共 BTC portability probe（近 60d）：
• 15m：若 spread_z_96 > 1.5，未来 4h 平均 spread convergence 约 +1.43 bps；若再要求 funding > 0，升到 +1.55 bps，命中率约 94.9%。
• 5m：若 spread_z_96 > 1.5 且 funding > 0，未来 1h 平均 convergence 约 +1.20 bps，未来 2h 约 +1.25 bps。
• 真正该学到的是：这条 raw alpha 有，但不是“直接 taker/taker 就能收钱”的那种厚边。 对短周期 desk，它更像：

1. 一个可独立复现的 spread-fade alpha 核；
2. 一个给已有 basis/carry 壳做 entry timing 的 admission；
3. 一个适合 funding window 前后做 execution 优化的 slow-to-fast bridge。

3. 为什么和当前项目有关

这条线跟当前 desk 的关系很直接，因为它补的是一类我们明确想持续积累的 raw alpha：carry / funding / basis / relative-value / delta-neutral。

而且它不是纯概念评论，而是已经给出了完整的策略骨架：

• 信号层：funding / spread / regime
• 交易层：short perp + long spot
• 回测层：cost / hold window / signal off / max hold
• 稳健性层：cost sensitivity / holding sensitivity / feature ablation

对当前 1m/3m/5m/15m 研发，最重要的启发不是“照抄 1h BTC 课程项目”，而是把它拆成更适合短周期的两层：

• base alpha：perp-rich spread fade
• secondary admission / carry booster：positive funding

这就比“只把 funding 当情绪温度计”更实，也比“先训练模型再说”更接近 first verdict。

3.5 策略拆解（必填）

• 方向属性：market-neutral / relative-value / carry-enhanced mean reversion
• 基础 alpha：perp rich spread fade（perp 相对 spot 偏贵时，短 perp、长 spot，等价差回归）
• regime：
• 优先高流动性大币（先从 BTC 起）
• funding 为正时更顺手，因为 short perp 一侧有 carry
• 更像围绕 funding anchor / basis anchor 的慢变量，不是裸方向信号
• filter / admission：
• spread_zscore_72h >= 1.5 或短周期可替代为 spread_z_96 >= 1.5
• funding_rate_bps >= 1.0 / funding > 0
• 可加 positive_funding_regime == 1
• entry / exit / sizing / risk / cost（repo 壳）：
• entry：信号出现在 t，默认 t+1 开仓
• exit：signal_off / holding_window / maximum_holding
• sizing：fixed notional per leg（默认 10,000 USD）
• risk：单策略单持仓、持有窗、可选止盈止损
• cost：显式扣 taker fee / slippage / gas / friction

4. 可复刻的最小实验

4.1 repo 原始定义（我们真正该先复刻的部分）

repo 里最值得先照搬的，不是 DL，而是 rule baseline：

• funding_threshold_2bps
• spread_zscore_1p5
• combined_funding_spread

其中第三条最像完整 raw alpha：

• funding_rate_bps >= 1.0
• spread_zscore_72h >= 1.5
• positive_funding_regime == 1
• 方向固定：short_perp_long_spot

4.2 我这轮做的短周期 portability probe

• 数据源： Binance 公共 API
• Spot: /api/v3/klines
• Perp: /fapi/v1/klines
• Funding: /fapi/v1/fundingRate
• 标的： BTCUSDT
• 窗口： 近 60d
• bar： 5m 与 15m
• 定义：
• spread_bps = (perp_close - spot_close) / spot_close * 1e4
• spread_z_96 = (spread_bps - rolling_mean_96) / rolling_std_96
• 信号：spread_z_96 > 1.5
• admission：funding > 0
• 评价：未来 30m/1h/2h/4h 的 spread convergence（-Δspread_bps，越大越好）

4.3 first verdict（当前）

• raw alpha 本体是成立的： 不管 5m 还是 15m，只要 perp 明显偏贵，后面大概率会有一点回归。
• positive funding 不是 alpha 本体，而是 booster / admission： 它能把 15m 的 4h mean convergence 从 +1.43 bps 提到 +1.55 bps。
• 但短周期 standalone 还不够厚： 1.2~1.6 bps 的 gross convergence，离 CEX 上双腿 taker round-trip 成本还差得很远。
• 所以更合理的 desk 读法是：

1. 把它先当 maker-assisted / low-cost shell；
2. 或者把它放进 8h funding-window carry 策略 里做 timing，而不是硬包装成纯 5m/15m standalone 机器。

5. 风险与保留意见

• repo 自带结果当前并不赚钱。 这是好事，不是坏事：它提醒我们别把“有完整工程壳”误判成“已验证 alpha”。
• LSTM 零交易本身就是结论。 对这种 post-cost 稀疏标签问题，复杂模型很可能先把自己交易掉没了，不一定比简单规则更可用。
• 短周期 portability probe 只证明“有回归”，不证明“扣成本后可交易”。 这两件事必须分开。
• 当前 probe 只做了 BTC。 若要升级为 desk candidate，下一步至少要看 ETH/SOL，以及 spot-perp 执行深度、maker fill 与 funding 结算窗附近的表现。
• 双腿策略的最大坑不是信号，而是成本和执行。 如果不重做 execution，你会在看起来“命中率很高”的 1bp 级 edge 上被手续费慢慢吃死。

6. 下一步怎么测

1. 先做 friction ladder，而不是先调模型。

• 直接把短周期 probe 扩成 2 / 4 / 6 / 8 / 10 bps round-trip 成本阶梯，先回答：这条 alpha 在什么成本档位才活得下来。

1. 把 positive funding 从“并列条件”改成分层 admission。

• 先比较：spread_z only、spread_z + funding>0、spread_z + funding percentile 三档。

1. 把 entry timing 拉到 funding window 附近。

• 例如只测 funding 前后 ±60m / ±120m 的 spread fade，看 carry 与 convergence 能否叠加得更厚。

1. 补 execution 现实。

• 至少做三档：taker/taker、maker/taker、maker/maker proxy；否则短周期测试意义有限。

1. 扩资产，但先只扩到 majors。

• 下一轮优先 ETHUSDT / SOLUSDT，不要一开始就铺满长尾。

1. 如果要保留 ML，只让它做排序，不让它定义 base alpha。

• 这类主题里，ML 更适合做 rank / veto / sizing，而不是替代 perp rich spread fade 本体。

7. 来源

1. MengerWen (2026), _Deep Learning-Based Delta-Neutral Statistical Arbitrage on Perpetual Funding Rates_

• Venue: GitHub repository / course-project prototype
• DOI: N/A
• Readable URL: https://github.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates
• Repo URL: https://github.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates

1. Repo docs / reports actually used in this round

• README: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/README.md
• Baselines doc: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/docs/baselines.md
• Backtest doc: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/docs/backtest.md
• Robustness report: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/reports/robustness/binance/btcusdt/1h/report.md
• Robustness summary JSON: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/reports/robustness/binance/btcusdt/1h/summary.json
• Data-quality summary JSON: https://raw.githubusercontent.com/MengerWen/Deep-Learning-Based-Delta-Neutral-Statistical-Arbitrage-on-Perpetual-Funding-Rates/main/reports/data_quality/binance/btcusdt/1h/summary.json

1. 本地 portability artifacts

• /root/clawd/jerry/momentum/reports/artifacts/literature/binance_btc_spread_funding_portability_probe_summary_2026-04-11.csv
• /root/clawd/jerry/momentum/reports/artifacts/literature/binance_btc_spread_funding_portability_probe_detail_2026-04-11.csv

8. 数据源 / 公开性 / 更新频率 / 最小复现实验口径

• repo 主数据口径： Binance BTCUSDT hourly spot + perpetual + funding history
• 本轮 portability 数据源： Binance 公共 spot/perp klines + fundingRate
• 公开性： 公开，无需 API key
• 更新频率：
• K 线可到 5m / 15m
• funding 每 8h 结算，但可作为慢变量 forward-fill 到更短 bar
• 最小可复现实验口径：
• asset：BTCUSDT
• bars：5m / 15m
• signal：spread_z_96 > 1.5
• booster：funding > 0
• evaluation：future spread convergence at 30m / 1h / 2h / 4h
• cost：先做 2~10 bps friction ladder
• verdict：先判断它是 standalone 还是更适合做 funding-window timing / maker-assisted shell