← 返回 Quant Digests · 站点首页

别把 Binance 这份 sentiment backtester 只读成“AI 新闻 demo”：对 short-cycle crypto desk，更该先测的是「headline polarity × next-few-bar drift」这条 event-driven raw alpha

• 时间：2026-04-18 10:03 UTC
• 类型：GitHub repo source audit + Binance Spot 1m public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：crypto headline polarity（bullish / bearish）会在发布后的下几个 1m bar 里带来同向价格漂移
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：否
• 主题标签：event-driven / sentiment / news / BTC / 1m / 5m / 15m / external-data / public-data / repo / cost / risk
• 证据类型：工程经验 + repo audit + public-data probe

1. 这次看了什么

看的是 Binance 官方仓 binance/ai-trading-prototype-backtester。它不是在发明复杂模型，而是把一条很朴素的 raw alpha 假设写成了可复跑骨架：新闻标题被标成 bullish / bearish / unknown 后，按分钟对齐到 BTCUSDT K 线，在有新 headline 的 bar 里做一步交易。

2. 核心结论

• 一句话核心结论：这份 repo 真正可复用的，不是“AI 新闻一定能赚”，而是把外部新闻事件干净映射到 1m/5m/15m 交易实验的骨架。
• 一句话证明方式：我直接审了 repo 的 StrategyManager / successive_strategy / sample sentiment_data.csv，再把样本里的 48 个可用 bullish/bearish 事件对齐到 Binance Spot BTCUSDT 1m 公共数据做 event study。
• repo 默认逻辑很简单：上一根到这一根之间若出现新 headline，就取最后一条标签；bullish 买 order_quantity，bearish 卖同样数量，unknown 跳过；仓位只靠 total_quantity_limit 限制。
• 这说明它的 base alpha 很清楚：headline polarity -> short-horizon directional drift；不是 filter，也不是 overlay。
• 但我用 repo 自带样本（2023-07-30~2023-08-27，44 条 bullish、4 条 bearish）做 portability probe 后，signed mean 并不漂亮：next 1m/5m/15m 约 -0.44 / -1.67 / -4.23 bps；哪怕只看 bullish，也只有 next 3m 微正（约 +0.54 bps），其余主要是负的。
• 所以当前 first verdict 很直接：“新闻情绪一出来就追 BTC” 这条裸 directional 读法不够厚；更像应该往“headline class / source quality / surprise filter / cross-sectional routing”继续拆，而不是直接照抄 successive buy/sell。

3. 为什么和当前项目有关

它和 momentum 有关，不在于新闻一定比价格信号更强，而在于它补了我们研究池里相对缺的一块：公开可得的外部事件型 raw alpha 骨架。如果后面要接入 Twitter/NewsAPI/RSS/ETF headlines/监管事件，这份 repo 提供了最小可复现路径：事件时间戳、标签、分钟对齐、单事件持有窗、成本后判断。

3.5 策略拆解（必填）

• 方向属性：事件驱动 / 单资产方向
• 基础 alpha：headline polarity -> next-few-bar drift
• regime：高关注新闻、单一资产对新闻更敏感时可能更强
• filter / veto：新闻源质量、headline surprise、同分钟多条冲突新闻、事件后成交量/波动扩张
• risk / sizing / execution overlay：单事件固定持有窗、事件后 1~3 bar time stop、headline score 分层 sizing、只做高置信度来源

4. 可复刻的最小实验

• 研究假设：高置信度 bullish headline 后，BTC/ETH/SOL 在 next 1/3/5/15m 更容易同向漂移；bearish 同理。
• 可计算定义：按分钟聚合新闻，保留每分钟最后一条有效标签；计算 signed_return = sign(sentiment) * fwd_return。
• 最小回测切口：先用 repo 自带 sentiment_data.csv + Binance data.binance.vision BTCUSDT 1m；然后再换成更干净的实时 RSS / NewsAPI / ETF headline feed，扩到 ETH/SOL。
• 最该先看：signed mean bps 和 hit rate；第二步再看按 source / headline type 分层后的 tail。
• 下一步怎么测：不要继续测 repo 默认“连续加仓”。先把 headline 分成 exchange/product/listing/regulation/security 五类，只保留 source in {Reuters, Binance, ETF issuers, exchange official} 的高置信度事件，再比较 next 1/3/5m 的 signed drift 是否从当前负值翻正。

5. 风险与保留意见

• 这份 repo 自带样本很小，而且 bearish 只有 4 条，明显不够下强结论。
• 新闻标签是离线情绪分类结果，不等于 live 时点可无延迟拿到；真实可交易性会被抓取延迟和 headline 去重吃掉。
• 它默认只做 BTC 单资产，实际上这类新闻可能更适合做cross-sectional router（例如利好交易所生态币、利空相关主题币），不一定该压成 BTC 主信号。
• 因此这轮我仍把它记为 raw alpha 候选，但不是现成 production shell。

6. 数据源与公开性

• 新闻数据：repo 自带 sentiment_data/sentiment_data.csv，字段含 source / collected_timestamp / published_timestamp / headline / sentiment。
• 价格数据：Binance data.binance.vision Spot BTCUSDT 1m daily klines，公开可得。
• 更新频率：新闻为事件驱动；K 线为 1m。
• 最小可复现实验口径：保留 bullish/bearish 事件，按 published_timestamp floor 到分钟，对齐 BTCUSDT 1m，计算 next 1/3/5/15/30/60m signed return。

7. 来源

• Binance. *ai-trading-prototype-backtester*. GitHub.
• Repo URL: https://github.com/binance/ai-trading-prototype-backtester
• Readable files: README.md, aitradingprototypebacktester/strategy_manager.py, aitradingprototypebacktester/strategy/successive_strategy.py, sentiment_data/sentiment_data.csv
• Public market data: https://data.binance.vision/data/spot/daily/klines/BTCUSDT/1m/
• Local artifacts:
• reports/artifacts/quant_digests/2026-04-18_news_sentiment_events.csv
• reports/artifacts/quant_digests/2026-04-18_news_sentiment_summary.csv