源文件:research/quant_digests/2026-04-16_1615_fundingdesign-residual-premiumfade-alpha.md
15m)perp-spot premium(基差)回归;funding-design residual 只负责做 admission / veto10.48550/arXiv.2506.08573这篇论文最值钱的不是“BSDE 数学细节本身”,而是给了一个可工程化的框架: funding 应该是围绕目标价偏差(target - perp)去设计的反馈项,并且交易所实务上常见的是“过去 8 小时平均”的 path-dependent funding。
这篇东西在我们 desk 的 base alpha 是:
> perp-spot premium 的短周期回归(short rich perp / long cheap spot,或反向)。
论文里的 funding 设计思想(尤其是 funding vs premium 的偏差)更像 admission / veto 层,不是替代 base alpha 的新本体。
15m 公共数据(BTC/ETH/SOL,90 天)做的最小 probe 里,residual 极值区间确实能分层:|res_z|>=2 且 residual 与 premium 反号 桶:2 小时 gross 均值约 +1.18 bps,胜率 60.0%(n=375)|res_z|>=2 且 residual 与 premium 同号 桶:2 小时 gross 均值约 +0.22 bps,胜率 53.5%(n=1017)14 bps taker 粗口径,仍明显不过线,说明它更像可复用 admission 组件,不是可直接 taker 上线的成品策略。一句话核心结论: > funding 设计残差能帮助“挑交易”,但单独拿来做短周期 taker alpha 仍太薄。
一句话证明方式: > 先用论文给的 funding-feedback 思路定义 residual = funding - κ·premium,再在 Binance 15m 公共数据上做分桶事件检验,看不同残差桶对后续 2 小时基差回归收益的分层效果。
premium 回归funding-design residual 分桶(优先交易 residual 与 premium 反号、且 |res_z| 较高)premiumIndexKlines(15m)fundingRate(8h)1m/3m/5m/15m 都可premium_bps = premium index × 10,000κ = rolling OLS(funding ~ premium)residual = funding_bps_8h - κ·premium_bps|res_z| 改成分位阈值(如 top/bottom decile),并叠加 premium_z 双阈值,只做“高失真 + 高偏离”交集。[-30,+30] 分钟)测试 residual 的时变效应,验证是否有更高单笔 edge。implementation shortfall,看能否把薄 edge 从 gross 搬到 net。trade_count / gross_bps / net_bps / win_rate / holding_time,先过成本生存线再谈复杂建模。κ 的稳定性依赖样本与币种,跨资产迁移前必须先做 rolling 稳健性检查。reports/artifacts/quant_digests/funding_design_residual_probe_2026-04-16_summary.jsonreports/artifacts/quant_digests/funding_design_residual_probe_2026-04-16_trades.csvreports/artifacts/quant_digests/funding_design_residual_probe_2026-04-16_gatecheck.jsonDOI: <https://doi.org/10.48550/arXiv.2506.08573> Readable URL: <https://arxiv.org/abs/2506.08573>