Colin

@yhaiyang 说的基本都对，我是Bybit的早期产品负责人，我可太清楚怎么回事了。当年所有永续都是抄袭Bitmex，资金费率当然也是照搬。 回到现在看，资金费用套利已经是长期压制BTC、ETH价格的关键因素。尤其是ETH，被Ethena 这样的协议长期抽血，相当于每年套取数亿美金的多头税

加密交易所永续合约的资金费率中,包含一个约万分之一的基础利率。该利率每天收取三次,折合年化约10%。这意味着,即使合约价格与现货价格之间不存在任何基差,市场依然会向多头收取一个年化10%的正向资金费率。 这一费率带来了两方面的影响。一方面,它为市场的资金费率套利者提供了年化5%到10%的基础收益率。之所以达不到满额的10%,是因为套利本质上伴随着杠杆行为——你需要一边买入现货,一边做空合约,导致资金利用率无法达到100%。根据交易者不同的杠杆率和风控偏好,最终的年化收益率通常落在5%到10%之间。另一方面,这笔费用对多头而言,实质上是一种持续性的”税收”。虽然单次收取比例看似不高,但对于频繁交易者来说,叠加杠杆后每年支付的利息成本其实非常高昂,甚至会超过本金本身。 那么,这个数值究竟是怎么来的?实际上很多人从未深究过背后的原因,甚至包括币安、OKX等现今大部分交易所的设计者们,也未必清楚设定这个费率的初衷。因为本质上,行业内的产品大多是互相照搬,产品经理们并不理解为什么存在这么一个机制。小交易所由于缺乏主导权,只能被动与大交易所对齐;而大交易所最初其实都是在模仿BitMEX。 至于BitMEX为何会设定这个数值,要回到当时的市场结构。如今普遍使用USDT作为保证金,而2017、2018年的BitMEX使用的是BTC作为保证金。在那种机制下,做多隐含着借入美元的需求,做空则隐含着借入BTC的需求。当时BitMEX主要参考的利率市场是Bitfinex。在Bitfinex上,借入美元的年化利率大约在10%左右,而借入BTC的利率接近于零,因为当时市场以做多为主,做空较少。因此,BitMEX引入了这个约10%的年化基础利率,并根据市场情况动态调整。尽管现在的市场结构和利率环境都已发生翻天覆地的变化,但这个基础资金费率却被照搬保留了下来。说白了,大家在互相抄袭中早已忘记了最初的逻辑,也根本没人敢去改动这个核心数值。 更关键的是,在当下的U本位机制下,按同样逻辑,“正确”的基础利率应该等于USDT借贷利率减去标的资产的借贷利率。USDT在主流借贷市场利率只有三四个点,而BTC、ETH这类标的本身有staking和链上原生收益,借贷利率并不为零。两者相减,理论基础利率应该远低于10%,某些标的甚至可能为负。错的不只是数值的来源,在新的保证金体系下连方向都不对。 而且这个错误参数,被它自己催生的套利资金反向锁死了。资金费率本应是一个动态的市场化收敛机制,一个人为预设的非零基础利率,等于在上面叠加了一个固定方向的偏置——这已经不是收敛机制,而是伪装成利率的转移支付。接收方是delta-neutral套利资金:现货多+合约空,赚的就是基础利率减借贷成本的差。这部分资金沉淀下来,在交易所盘口、staking收益、USDe等合成美元上层层堆叠,基础利率不再是一个参数,而是被无数资产负债表定价进去的常数。Ethena的sUSDE、各家U本位”理财”、做市商的carry策略,全都默认这个10%继续存在。谁先改谁就是破坏者:改低,套利资金撤出,合约深度塌陷,做市商点差扩大,用户直接迁移到不改的对手盘。所以理性策略就是没人改。 不过客观来讲,这个数值确实为整个加密市场奠定了一个基础的年化收益率。围绕着这一资金费率,不仅催生了庞大的套利资金以及相关的资管项目和业务,还延伸出了诸如USDe这样的代币项目。这些衍生创新,本质上也是建立在此基础利率之上的理财方式。它已经不再是一个交易所参数,而是被默认的”加密美元无风险利率”——一个由抄袭固化、由套利资金供奉、由所有参与者共谋维持的人为锚点。

@CryptoPainter 另外如果回测系统没有用到盘口数据模拟真实队列和撮合。和实盘比应该还是有些差距的。还要让Ai评估一下回测和实盘之间的差距预估

兄弟们，又踩到新坑了... 起因是目前的策略迭代是先用SJM模型对历史数据进行趋势划分，然后再根据 Regime 进行分段训练得出有效因子的。 但今天突然发现在使用 SJM 模型进行 Regime 切换推演时，用的居然是 Predict 函数，而不是 Predict_Online 函数，这导致了回测是从现在倒推过去，而不是顺时回测 ... 所以之前迭代几十个小时的因子理论上全部都被样本污染了，现在必须回炉重造，把 Regime 模型推倒重来了... 虽然有点沮丧，但至少趁着周末把整个前端界面和服务器端的部署全部完善了，也不算白干。 接下来就是重新使用 SJM 模型给历史数据打标签，然后喂进来更多市场其他维度的数据，最后用监督模型LightGBM 进行实时判定。 总之，想要让AI介入完成一个复杂量化系统的开发，绝对不是单纯玩玩，这几周的重度开发，我学到的新知识远超过去一年，接下来我还会继续分享我的踩坑历程！ 而最气人的一点是，推特上这么多号称做量化的人，怎么就没人提醒我检查 Predict 函数的问题呢？ 整天看着很专业，结果到关键时刻了，在这里看我笑话，你们可真该死啊！🤣

@CryptoPainter 所以，每次回测数据看起来非常好都要问一下Ai有没有前视偏差。之前看你说夏普能到3.0我都蒙了。我最近一直以为是不是我自己太菜了，想弄一个2.0夏普值的都难的很

@CryptoPainter 组合策略是对的，不过你一个策略能打到2.0以上的夏普有点猛了，不知道样本数量如何？另外组合策略要低相关性才能成为其中的组合腿。我是3个策略也能拉出平滑的收益曲线。勉强也能达到2.0的夏普。但是年化收益降到15以下了。

舒服了~看看这稳定的曲线！ 我给遗传算法系统增加了30多个特征用来生成随机树，可最终自然选择下来的做多策略居然是一个基于MA20的单均线策略... 当然，这还仅仅是迭代30代的结果，同时我给每笔交易加了0.15%的手续费+滑点，直接困难度拉满！ 年化22%，最大回撤8.1%，夏普比率达到了2.13，最关键的 是，这还是在做空策略与震荡策略没有进化出明显盈利能力的情况下跑出来的... 之前的思路也有所改变，系统不再是基于不同市场结构单独跑一种策略的模式，而是3种策略同时在跑，但会根据市场模式的切换获得不同比例的资金调用权。 我知道这个数据看起来很垃圾，它甚至没有跑过现货涨幅，但关键是目前的收益完全是靠一个做多策略在拉动，剩下两个策略还在拖后腿，之后将另外2个策略迭代更多次，总会慢慢变好！ 哦对了，这个回测我让AI帮我审计了一下，因为交易逻辑简单到令人发指，所以不存在什么过拟合的可能性，同时收益率偏低的原因来自所有仓位都不足1倍，也就是说即使是现货也不会满仓... 我感觉这个方向还是有搞头的，接下来无非就是从遗传算法这个角度开始优化，目前喂进去的数据只有K线与成交量，之后陆陆续续喂进去全量数据以及新闻事件，理论上还会有所提升，尤其是短期做空吃暴跌的新闻交易策略... 最后，我把全部源码发给了 Claude 帮我分析，他说我的完成度才40%，属于地基搭好了，房子还没盖，甚至连水泥砖块（多维数据）都还没运来... 懂了懂了~

@fotie90 @CryptoPainter 看是什么样的黑天鹅，如果是指行情，策略按预设执行啊，该止损止损，该止盈止盈啊。

@Colin333333 @CryptoPainter 比较好奇 遇到突发黑天鹅会怎么样

两个通宵，自进化量化系统终于搞出来了... 说实话是真的费钱... GPT5.4花了500u，Claude花掉了500U，然后跑了一遍，迭代出来的首个动态策略年化23%，最大回撤17%，远远不及我的预期... 于是又找 Gemini3.1 去给我出主意，在此期间订阅了Ultra，还升级了Cursor的会员，又是300u... 结果就是... 花了1300u，搞出来一个表现和双均线策略差不多的玩意儿... 虽然我知道它理论上可以不断生成各种策略，但心态真的有点崩... 我就想问，给专门搞量化的程序员付上1万rmb，这东西能写出来吗？

@chn1347946 @CryptoPainter 不能，自用的啊。辛苦搞了快一个月了

@Colin333333 @CryptoPainter 兄弟，源码能开源吗

@netfyee_feng @CryptoPainter 回测系统，把资金费用，滑点，手续费都考虑的。 策略确实不是高频的，我这个都是基于4H和6H跑的。7年回测下来400笔成交吧，分布比较均匀。

@Colin333333 @CryptoPainter 不知道你一年能交易多少次？通常来说回测这个数据实盘那就是稳定亏损，盈利还不够实盘各种滑点延迟损失的