← 返回 Quant Digests · 站点首页

别把三角套利只读成“老掉牙搬砖”：对 short-cycle crypto desk，更该先测的是「同所同步报价里的 cross-rate inconsistency」这条 relative-value raw alpha

• 时间：2026-04-18 10:48 UTC
• 类型：GitHub repo source audit + Binance Spot bookTicker live public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：同一交易所、同一时点的多币对买一卖一若无法满足 cross-rate 一致性，存在可闭环执行的三腿汇率套利收益
• 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：raw-alpha / relative-value / stat-arb / triangular-arbitrage / cross-rate / law-of-one-price / spot / binance / usdt / usdc / fdusd / eth / 1m / 3m / 5m / repo / public-data / cost / risk
• 证据类型：repo audit + live top-of-book probe

1. 这次看了什么

这轮主看的是 GitHub 仓库 Drakkar-Software/Triangular-Arbitrage，核心文件包括：

• README.md
• triangular_arbitrage/detector.py
• tests/test_detector.py

它做的事情很直接：把交易对当成有向图上的边，遍历闭环路径，找出乘积大于 1 的 cycle。repo 默认用的是 last/close 价，不含买卖价差、不含手续费、不含执行顺序约束；所以它给的是一个 raw alpha 探测器，不是现成可上线的 execution engine。

但它的优点也正好在这里：base alpha 非常清楚，不是 overlay，不是 filter，就是最朴素的 Law-of-One-Price 偏离——同一撮同步报价之间，若 A -> B -> C -> A 的净兑换率大于 1，就有套利闭环。

2. 核心结论

• 一句话核心结论：这份 repo 真正值得 desk 收进研究池的，不是“图搜索很酷”，而是它把一条可独立复现的相对价值 raw alpha讲得非常干净：cross-rate inconsistency -> immediate mean reversion / closure。
• 一句话 first verdict：我把 repo 的“last-price 找环”改成了更严格的 Binance Spot bookTicker 版，用 bid/ask 和每腿费用去重算；结果很明确——裸 gross 确实经常有正值，但一上现实费用，公开顶档盘口下几乎全灭。

2.1 live probe 读出来的 3 个关键数

我对 Binance Spot USDT / USDC / FDUSD / BTC / ETH / BNB / SOL / XRP / DOGE / ADA / LINK 做了约 90 秒、每秒一次的 top-of-book 扫描，只保留从 USDT 出发的三腿闭环：

1. 零费用 gross 版：90/90 个样本都能找到正的闭环，median 约 +1.50 bps，最好约 +4.68 bps。
2. 每腿 4 bps（接近很优 taker / 普通 maker-taker 混合的乐观口径）后：0/90 个样本为正，best 也只有 -7.32 bps。
3. 每腿 10 bps（更接近普通 taker 口径）后：同样 0/90 个样本为正，median 约 -28.47 bps。

最常出现的最佳闭环是：

• USDT -> ETH -> USDC -> USDT

这说明什么？说明 edge 本体是存在的，而且公开数据一眼就能复现；但 它首先是 execution / fee / queue-priority 问题，不是信号是否存在的问题。

3. 为什么这题仍然值得进研究池

虽然公开 top-of-book + taker 口径下 first verdict 偏负，但这题仍值得保留，原因有三个：

3.1 它是很干净的 raw alpha，不是伪命题

很多“结构类”主题其实只有 filter 意义；但三角套利不是。它的 base alpha 可以直接写成：

净环收益 = Π(逐腿可成交汇率) - 1

只要 净环收益 > 全部费用 + 执行缓冲，就能做；做完就平，没有方向暴露。这个定义足够干净，能独立存在。

3.2 它天然适合 1m / 3m / 5m 甚至更快的最小实验

这类信号不是日频/小时级宏观条件，而是秒级到分钟级的闭环偏离。对我们 desk 来说，很适合拿来做：

• 高频 relative-value 基线监控
• “低费率/返佣/内部撮合条件下是否能活”的 execution feasibility study
• 作为 stablecoin / quote-fragmentation 结构健康度指标

3.3 它能反过来当别的 raw alpha 的 execution veto

即便最后不单独上线 tri-arb，本题也能沉淀出一个很值钱的组件：

• 当某个 quote asset（如 USDC / FDUSD）相对 USDT 出现短时错位时，很多同 underlier 的跨报价 spread、pair residual、stablecoin spread fade 都会被一起污染。
• 所以 tri-arb 偏离本身，也可以反过来做 execution veto / stale-quote veto / quote-health regime。

也就是说：这题既可以被当 raw alpha 主体，也可以降级复用成其它 relative-value 策略的风控层。

3.5 策略拆解（必填）

• 方向属性：market-neutral / closed-loop / immediate relative-value arbitrage
• 基础 alpha：同所同步报价中的三腿 cross-rate inconsistency 会被迅速修复
• regime：多报价资产、稳定币 quote 碎片化、高波动或局部流动性不均时更容易出现
• filter / veto：
• 必须用 bid/ask 而不是 last
• 必须扣手续费、滑点、撤单失败、部分成交风险
• 必须过滤 stale quote / 深度不足 / 最小成交额不足
• risk / sizing / execution overlay：
• entry：expected_net_bps > fee + slippage_buffer + latency_buffer
• exit：三腿闭环天然 exit；若某腿未成交，立即走 hedge/unwind 分支
• sizing：按三腿最浅一腿的顶档容量或前 k 档累计可成交量确定
• risk：挂单等待超时、残腿库存暴露、quote 突变、费率层级变化

4. repo 里真正有价值的部分

triangular_arbitrage/detector.py 的关键价值不是“能找到 cycle”本身，而是它把问题抽象成了：

1. 每个交易对是一条可兑换边；
2. 反向兑换边用倒数价格表示；
3. 找乘积最大的闭环；
4. 乘积大于 1 就是候选机会。

这让它天然可迁移到：

• 只扫 3 条腿，而不是所有闭环；
• 用 bid/ask 替代 close；
• 把边权从“价格”改成“价格 × (1-fee) × fill_prob × depth_penalty”；
• 把“最优环”改成“最优可执行环”。

所以 repo 本身虽然只是探测器，但它提供了一个很干净的 alpha skeleton。

5. 可复刻的最小实验

5.1 最小研究假设

同一所 spot 报价中，若某三腿循环在真实 bid/ask 与手续费后仍存在稳定正净值，则可形成可交易的短周期 stat-arb pocket。

5.2 最小可复现实验口径

• 交易所：Binance Spot
• 数据：公开 GET /api/v3/ticker/bookTicker
• 频率：1s 轮询先做 feasibility；若要更严谨，再上 websocket best bid/ask
• 资产池：先做 USDT / USDC / FDUSD / BTC / ETH / BNB / SOL
• 闭环：只看 3 条腿，从 USDT 出发回到 USDT
• 价格：
• base -> quote 用 bid
• quote -> base 用 1/ask
• 净收益：
• gross = Π(rate_i)
• net = gross × Π(1-fee_i) - 1
• 容量：取三腿中最紧那一腿对应的可成交起始名义

5.3 这轮已完成的 public-data probe

本地已生成：

• reports/artifacts/quant_digests/2026-04-18_triangular_arb_bookticker_probe.csv
• reports/artifacts/quant_digests/2026-04-18_triangular_arb_bookticker_summary.json

结果摘要：

• fee=0 bps/leg：positive_rate = 100%，median +1.50 bps
• fee=4 bps/leg：positive_rate = 0%
• fee=10 bps/leg：positive_rate = 0%
• best cycle：USDT>ETH>USDC>USDT
• 正 gross 样本对应的顶档起始容量约在 9.5 ~ 37054 USDT 之间，但这只是顶档理论容量，不代表三腿都能无冲击完成

6. 对 short-cycle desk 的实际读法

6.1 不要把它理解成“普通账户直接 taker 三下就能赚”

公开盘口已经说明：如果你只是普通 taker，edge 很大概率会被费用直接吃掉。

6.2 真正更值钱的，是这三种 desk 级用法

1. 低费/返佣/做市权限账户：重新评估是否能把 gross pocket 留住。
2. 内部路由 / 多账户 / 自建撮合优先级研究：验证 execution 是否比“公开顶档 + taker”更有优势。
3. 作为 quote-health / stale-leg veto：给 stablecoin spread、same-underlier multi-quote、跨 quote pair 策略做 admission filter。

7. 风险与保留意见

• repo 原始实现用 close/last，会系统性高估机会；不能直接拿来下单。
• 三腿任何一腿失败，都会把 market-neutral 策略瞬间变成单腿库存风险。
• top-of-book 看上去有利润，不代表深度吃进去后仍有利润。
• 交易所内部撮合、延迟、费率等级、最小下单额、限价排队位置，都会决定这题是否能从“研究题”变成“生产题”。

8. 下一步怎么测

别再继续做 last-price 图搜索了，下一步应该是这 4 件事：

1. 把 bookTicker 升级成 websocket BBO 流：看正净值机会的持续时间，而不是只看轮询快照。
2. 把费用从常数改成真实账户费率场景：普通 taker / VIP taker / maker-first / maker+taker 混合分开测。
3. 把容量从顶档扩成前 3~5 档累计深度：算真实可成交名义和冲击后净值。
4. 只盯 USDT/USDC/FDUSD + BTC/ETH/SOL 的稳定币相关闭环：因为这轮 live probe 里最佳环长期集中在 quote fragmentation 最强的位置。

如果这 4 步下来仍为负，就把 tri-arb 从“主策略候选”降级成：

• stablecoin quote stress monitor
• same-underlier multi-quote 策略的 veto / health metric

9. 数据源与公开性

• Repo：公开 GitHub 仓库，公开代码，可直接 clone
• 行情数据：Binance Spot bookTicker 公共 REST / websocket，公开可得
• 更新频率：近实时
• 最小可复现实验口径：用 BBO 数据重建三腿净环收益，扣费后统计 positive_rate / best_bps / median_bps / capacity

10. 来源

Repo source

• Drakkar-Software. *Triangular-Arbitrage*. GitHub repository.
• Repo URL: https://github.com/Drakkar-Software/Triangular-Arbitrage
• Readable URL: https://github.com/Drakkar-Software/Triangular-Arbitrage/blob/master/README.md
• Key files:
• triangular_arbitrage/detector.py
• tests/test_detector.py

Public market data

• Binance Spot bookTicker REST: https://api.binance.com/api/v3/ticker/bookTicker

Local artifacts

• reports/artifacts/quant_digests/2026-04-18_triangular_arb_bookticker_probe.csv
• reports/artifacts/quant_digests/2026-04-18_triangular_arb_bookticker_summary.json

11. 最后一句话

这题的答案不是“有没有 alpha”——有，而且公开数据很容易看到；真正的问题是：你的费用、延迟、排队权和执行兜底，够不够把这点 alpha 留在自己账上。