← 返回 Quant Digests · 站点首页

别把这份 2026 live market-making repo 只读成“工程化 A-S 引擎”：对 short-cycle desk，更该先保留的是「microprice 偏移 × top-book imbalance 共振 → 几秒级 mid 漂移」这条 raw alpha，再把 Kalman fair value / adaptive quoting 包成完整策略壳

更新时间：2026-04-17 18:30 UTC 研究时间：2026-04-17 18:35 UTC 类型：2026 GitHub repo source audit（`README.md` + `main.py` + `src/mm_live/signals/imbalance.py` + `src/mm_live/signals/fair_value.py` + `src/mm_live/signals/microprice.py` + `src/mm_live/signals/composite.py` + `src/mm_live/strategy/quoting.py` + `src/mm_live/execution/simulator.py`）+ Binance 公共深度 live probe（BTCUSDT，240s，top20，1s sampling） 主题标签：raw-alpha / microstructure / microprice / order-book-imbalance / queue-pressure / fair-value / kalman / avellaneda-stoikov / maker / market-making / quote-skew / binance / repo / public-data / 1m / 3m / 5m 证据类型：GitHub repo 实现 + 本地 live public-data sanity probe

源文件：research/quant_digests/2026-04-17_1835_microprice-imbalance-consensus-mm-shell.md

1. 这次看了什么

主材料是一个 2026 新仓：

先把一句话讲清楚：

> 这份仓最值得 intake 的，不是“我们也做一个 A-S 做市框架”，而是 repo 把一条可直接解释的 ultra-short raw alpha 拆得很清楚：inside queue pressure + near-book imbalance 会先于几秒级价格微漂移，而 fair value / adaptive spread / inventory control 是把它包装成 live strategy 的外壳。

也就是说，这轮最值得保留到素材池里的第一层不是“做市引擎”本身，而是：

2. 核心结论

2.1 一句话结论

> 这是条可以独立成型、也能直接封装进完整 maker shell 的 microstructure raw alpha：microprice deviation × imbalance consensus -> short-horizon drift。repo 提供的 A-S quoting、vol regime、inventory limit，是把这条 alpha 变成交易系统的第二层。

2.2 一句话它是怎么证明的

> repo 代码把 fair value、microprice、OFI、adaptive quote 和 simulator 全部接在一起；我又用 Binance 公共深度做了 240 秒 live probe，结果显示 microprice deviation 和 top5 imbalance 对未来 1s/5s/10s 的 mid return 都有一致方向性，而“Kalman fair-value gap 单独拿出来”反而明显更弱。

2.3 为什么值得进素材池

3. repo 里最值钱的 4 层结构

3.1 第一层：microprice 不是花哨名词，它就是“队列压力版的公允价”

src/mm_live/signals/microprice.py 里写得很直白：

翻成人话：

> 如果最优买一后面排了更厚的队，市场短时间里更像“有人在下方托着价格”，所以真实短时公允价会更偏向 ask 那边。

这比只看 mid 更接近真实的 ultra-short directional edge。

3.2 第二层：OBI / OFI 是确认层，不只是同义反复

src/mm_live/signals/imbalance.py 用 top-N depth 算：

我的读法：

> microprice 更偏 inside queue；imbalance 更偏近端深度分布。两者不是一回事，但如果它们同向，那个方向更值得你去偏置报价。

也就是说，这不是“多算一个指标凑热闹”，而是 queue pressure 的双视角确认。

3.3 第三层：Kalman fair value 是定价中枢，不该被误读成 alpha 本体

src/mm_live/signals/fair_value.py 的定义是：

这一层很重要，但我的 desk 读法跟 README headline 稍有不同：

> Kalman 更像把 noisy mid 变成可交易的报价中心；真正决定你该把 quote 往哪边挪的，仍然主要是 queue pressure（microprice / imbalance）本身。

这轮 live probe 也支持这个读法：

3.4 第四层：Adaptive A-S 才是把 alpha 变成“系统”的那层壳

src/mm_live/strategy/quoting.py 和 README 给的是完整做市翻译：

翻成人话：

> raw alpha 回答的是“短时更可能往哪边漂”；A-S 壳回答的是“既然更可能往这边漂，我应该把哪边挂近一点、哪边挂远一点、仓位别做爆”。

4. 我补的 Binance 公共深度 live probe

4.1 数据源、公开性、更新频率、最小实验口径

  1. 每秒抓一次 top20 depth；
  2. 算 top5 imbalance、best-level microprice、Kalman fair value；
  3. 看当前指标分位极端值，对未来 1s / 5s / 10s mid return 的影响；
  4. 先做 signal-only sanity check，再考虑 quote simulator。

4.2 关键数字

先看 repo 最想表达的几层信号，哪层更像真 alpha：

#### （1）microprice deviation = microprice - mid

#### （2）top5 imbalance

#### （3）Kalman fair-value gap = fair_value - mid

4.3 我对这些数字的读法

这轮最值得记住的不是“所有东西都有效”，而是：

> repo 里最强、最能直接迁移到公开盘口实验上的，并不是平滑后的 fair-value gap，而是更原生的 queue-pressure 信号：microprice deviation 与 imbalance。

这对 desk 的意义很大，因为它直接告诉我们：

5. 对我们 desk 的正确读法

5.1 这轮为什么归到 raw alpha

因为它的 base alpha 可以直接说清：

> inside queue pressure 和近端深度失衡，会先于几秒级 mid 漂移。

这本身就是一个独立 raw alpha；quote skew / spread control 只是执行壳。

5.2 和 1m / 3m / 5m / 15m 的关系

5.3 它服务于哪些 raw alpha

这条东西不只服务 market making：

  1. ultra-short maker alpha： 直接决定 bid/ask 哪边更该 aggressive；
  2. shock continuation / lagger catch-up 的 execution admission： 盘口不顺风就别追；
  3. mean reversion / spread fade 的入场 refinement： 先等 microstructure 不再逆着你，再挂单。

6. 策略拆解（必填）

7. 下一步怎么测

别直接跳完整 live deployment，先做 4 个更决定性的最小实验：

  1. consensus signal test
  1. WebSocket L2 版本
  1. maker simulator 版本
  1. 跨资产 portability

最该先盯两个指标：

8. 风险与保留意见

9. 来源

  1. Aliipou. (2026). _mm-live_. GitHub Repository.
  1. Aliipou. (2026). _README.md / main.py / src/mm_live/signals/*.py / src/mm_live/strategy/quoting.py / src/mm_live/execution/simulator.py_.
  1. Binance Spot Market Data API.