上篇回顾（上篇全文）：昨天我用 200 格、800–2000 USDT 区间的 ZECUSDT 合约网格开张了。一笔 100 刀的做空亏了，但马丁格尔合约网格赚了 100 多刀，ZEC 现货赚了 20 刀，资产冲到 1080 刀。出金 200 刀后，剩 880 刀继续滚。目标：每天 800 做到 1000，出金 200。

下篇主题：我不打算靠运气。这一篇是我为自己做的深度研究——网格和马丁格尔的数学真相、我构想的"15 分钟区间策略"该怎么科学地造、技术栈怎么选、去哪里找真正的 Alpha，以及最后交付给 AI 的 LynxCrypto 系统开发提示词。

〇、先泼三盆冷水（预期管理）

在讲任何技术之前，先把研究中最硬的三组数字摆出来。它们决定了后面所有决策的基调：

1. 散户的基线是亏损。 巴西股指期货市场研究中，坚持交易超过 300 天的散户 97% 亏损，只有 1.1% 的人收入超过当地最低工资（每天 16 美元）。Chague et al. 2019，转引自 Day trading - Wikipedia

2. 回测漂亮 ≠ 未来有效。 2026 年最新的预注册实验（MinervaScore）发现：一个整合了 Deflated Sharpe Ratio、回测过拟合概率等五项稳健性检验的综合分数，对未来收益的预测力几乎为零（Spearman ρ=0.013, p=0.40）。Equity Strategy Backtesting: MinervaScore (arXiv:2608.23808)

3. 策略发表即衰减。 仅"发表年份"一个变量就解释了因子夏普衰减方差的 30%——你能在网上搜到的公开策略，大概率已经在失效的路上。Why and how systematic strategies decay (arXiv:2105.01380)

这三条合起来意味着：每天 800→1000（日化 25%）不是一个"目标"，而是一个会逼着你在亏损日加仓赌回来的行为陷阱。合理的目标函数是"活得久 + 期望值略正"，利润是活下来的副产品。下面所有的系统设计都服从这个前提。

一、我的 200 格网格：先把数学看明白

1.1 网格的本质结构

我的参数：800–2000 USDT、200 格、等差，步长 6 USDT。这里有个容易被忽略的细节：等差网格在区间底部的百分比步长（0.75%）是顶部（0.30%）的 2.5 倍；如果换成等比网格，每格约 0.459%，且天然"底部买单更重"，更适合高波动品种。Arithmetic and Geometric grid types — Gainium

每格的真实利润要过手续费这道关。Bybit 官方公式：每格利润 = 区间间距 × 每格数量 × 完成格数 − 手续费，其合约 taker 费率 0.055%（VIP0），双边约 0.11%——每格毛利润率低于 0.11% 就是在给交易所打工，Bybit 自己也会限制最大格数来保证"网格利润 > 手续费"。P&L Calculations (Futures Grid Bot) — Bybit Bybit Trading Fee Structure

还有一笔慢性失血：永续合约每 8 小时结算资金费（00:00/08:00/16:00 UTC），名义 50,000 U 的网格仓位在 +0.01%/8h 的温和费率下每月被抽走约 450 U；极端行情费率冲到 +0.10%/8h 时，每月抽走本金的 45%。Pionex Futures Grid 说明 What Are Funding Rates — Cube Exchange

1.2 马丁格尔加仓的爆仓数学（我自己算了一遍）

研究中最有价值的部分：我把"200 格 + 马丁格尔加仓"的强平价格自己建模算了出来。模型（标注：我的推断，非任何来源原文）：第 i 格保证金 M₀·m^i（m 为加仓倍数），杠杆 L，满网格后平均成本 P̄，全仓强平价近似为：

1

P_liq = (Q·P̄ − M_total) / (Q·(1 − mmr))

Q 为总持币量，mmr 取 0.5%（实际随仓位档位递增，所以估算偏乐观——真实爆仓更近）。

场景：从 2000 一路阴跌买满整个做多网格，结果如下：

结构性结论（由计算直接得出）：只要加仓倍数 m>1，几何级数求和会迫使几乎全部保证金压在靠近 2000 的末段格子上（m=1.1、一万刀预算下，首格保证金约 0.00005 U、末格约 909 U——相差 1.7 亿倍），平均成本被推到 1900+。于是哪怕 2x 杠杆，强平价也掉进网格区间内部。马丁格尔没有扩大你的生存区间，它只是把"覆盖 60% 跌幅"的名义安全感，换成了"跌 22% 全灭"的实际暴露。

这解释了为什么昨天我的马丁格尔网格能"赚 100 多刀"：它的高胜率是设计出来的。可选停止定理早已严格证明：在有限本金下（现实恒成立），马丁格尔长期必输；它的收益分布是"高频小赚 + 低频全灭"。200 局中遭遇 6 连败的概率约 84%；10 连败（损失达初始注的 1023 倍）在 200 局中概率约 11%。Martingale (betting system) — Wikipedia 用机构的话说，马丁格尔网格"不是安全地挽回亏损，而是推迟并放大亏损，直到反转到来或账户先死"——很多 prop firm 明文禁止这类策略。Grid Trading: How It Works and Where It Breaks — Audacity Capital

我对自己网格的改造清单（来自调研 + 计算）：

• 加仓倍数固定 m=1（每格等手数），回撤变成线性、可计算；
• 加一条硬性断路器：整个网格浮亏达到保证金 X% 直接全平——Audacity Capital 称之为"最重要的单一控制"；
• 用 ATR 动态间距替代固定 6 U 步长：spacing = clamp(ATR% × 0.6, 1%, 4%)，实测中把 ETH 网格从 1.5% 固定间距改到 1.0%（≈0.6×ATR）后成交频率约翻倍；Dynamic grid spacing with ATR — dev.to
• 趋势过滤：ADX 判断 regime，趋势市停开区间网格（下一节展开）。

二、我的"15 分钟区间策略"：从直觉到可执行设计

我的原始构想是：用 15min K 线的 range 找出能覆盖绝大多数波动的区间，据此计算风险/盈利平衡点的进场位置，多空双向、多头结束立刻反手做空，用某些指标防止单边行情碾压。调研之后，这个构想被拆成了五个有文献支撑的具体决策。

2.1 区间怎么定：别用固定点数，用波动率自适应

业界成熟的"用历史波动定通道"方案有三套标准件：

• Keltner Channel：EMA20 ± 2.0×ATR(10)。用 ATR（比标准差平滑）和 EMA（比 SMA 灵敏），是最适合"波动率自适应区间"的现成结构。Keltner Channels — StockCharts ChartSchool
• Bollinger Bands：SMA20 ± 2σ。注意实证细节：价格序列厚尾 + 序列相关，实际只有约 88%（不是正态假设的 95%）的价格落在带内。Bollinger Bands — Wikipedia
• Donchian Channel：N=20 的最高/最低价（海龟用 20/55 双周期）。Donchian channel — Wikipedia

学术上最接近我构想的是 Opening Range Breakout（ORB）：Holmberg 等人基于收益分布设定突破阈值、只在价格越过阈值时进场，在原油期货上测得显著正收益。Assessing the profitability of intraday opening range breakout strategies — Umeå University

落地决策：进场阈值 = prev_close ± k × ATR(15min) 或 ±k × rolling range 分位数，k 用参数扫描校准，而不是拍脑袋。

2.2 突破跟随还是均值回归？——让 regime 替你选

这是调研中最反直觉的发现：业界默认的突破跟随规则在学术测试中并不稳定，反向（均值回归）用法反而有正收益记录。Lento et al. (2007) 未发现标准布林策略跑赢买入持有；但 Balsara et al. (2007) 发现 contrarian 通道突破规则在扣除 0.5% 成本后仍有显著正收益。Bollinger Bands — Wikipedia（注意：证据来自日线级股票/外汇，不能直接外推到加密 15min，但方向值得尊重。）

另一个警示：Donchian 默认参数在 360 年跨市场数据、4887 笔交易的回测中胜率仅 35%，“加上滑点后可能不盈利”。Donchian channel — Wikipedia

落地决策：不做单一模式。用 regime 过滤器二选一——

• ADX < 20（无趋势）：走均值回归，触通道上下轨反向开仓。ADX 的 20/25 阈值是 Wilder 原始设定。ADX — StockCharts ChartSchool
• ADX > 25（强趋势）：只做突破跟随，且绝不做反向翻转——这正是我要的"防单边碾压"。
• 20–25 灰色带：降仓或不做。
• 高周期共振：15min 信号只在 1H/4H EMA 方向一致时进场（多时间框架自上而下的标准惯例）。How To Perform A Multi TimeFrame Analysis — Tradeciety

2.3 “多头结束立刻反手做空"是个坑

我原本设想的 stop-and-reverse（永远在场、多空秒切）有公认的结构性问题：震荡市 whipsaw 双倍磨损——“death by a thousand stops”；而且每次翻转 = 平仓费 + 开仓费 + 两次滑点，加密 taker 单边约 0.055%，震荡日翻转几次就能吞掉全部预期收益。How To Manage Whipsaws — Optimus Futures Whipsaw in Trading — 5paisa

落地决策：允许"空手"这个持仓状态。平仓 → 观察 → 新方向信号需 ADX/高周期确认后才入场。flat 是合法持仓。

2.4 出场：时间止损比价格止损更值得试

QuantifiedStrategies 的回测显示：时间止损是"最简单且最被低估的出场”，能减少回撤、降低暴露时间且不易过拟合；固定止损和移动止损在其测试中大多反而降低策略表现。When to Exit a Trade — QuantifiedStrategies

落地决策：突破后 N 根 15min K 线内未达目标则强制离场；价格止损仅作为灾难保险（挂在通道外 1×ATR），不作为常规出场。

2.5 永续合约的三个特殊项

• 资金费时点博弈：只有 00/08/16 UTC 结算时点持仓才收付。+0.05%/8h 对持仓方是约 54.75% 的年化成本。15min 策略多数持仓跨不过结算点，但要记录"信号方向 vs 费率符号"，避免在高正费率时持多头跨结算。Cube Exchange Bimal Institute
• 标记价格强平：强平由标记价格（含资金费基差）触发而非最新价；资金费支付会持续侵蚀保证金、把强平价拉近当前价。回测若不按标记价规则模拟，会同时低估"假插针强平"和高估"标记价保护"。Cube Exchange
• 极端费率是反向信号：2024 年 BTC 聚合资金费率全年仅 26 天为负——正费率长期存在 ≠ 即将反转，但 >0.1%/8h 级别的极端费率历史上持续先于 10–30% 回调（后者为来源方观点，标注立场）。Cube Exchange Bimal Institute

三、技术栈选型（2025–2026 实测版）

调研用 GitHub API 实测了各框架的维护状态（2026-09-04），结论很清晰。

3.1 语言：Python，没有悬念

Freqtrade、Hummingbot、Jesse、OctoBot、vectorbt、vn.py 全是 Python；pandas/NumPy 生态直接可用。TypeScript 是 CCXT 的源语言、更新最快，但量化回测生态远弱于 Python；Rust（NautilusTrader 内核）属于延迟敏感场景，880 刀的资金规模用不上。CCXT GitHub NautilusTrader GitHub

CCXT 是事实行业标准：以 TypeScript 转译到 7 种语言、覆盖 104 家交易所、统一 REST + WebSocket API，自带限速器和统一异常层级。自研执行层 = Python + ccxt（asyncio）。CCXT GitHub

3.2 框架：分阶段组合，而不是单选

3.3 交易所与账户安全

• 手续费一手数据：Bybit 合约 VIP0 taker 0.055% / maker 0.020%（本次唯一拿到官方来源的；Binance/OKX 费率页被反爬拦截，实操时以账户实际费率为准）。Bybit Trading Fee Structure
• OKX 官方确认有现货/合约网格机器人（Futures Grid）。OKX Trading Bots
• API key 最小权限：只开合约交易权限 + IP 白名单 + 禁提现；每个 bot 用独立子账户隔离。这是 Freqtrade 官方安全建议。Freqtrade Exchange Notes
• 模拟盘先行：Binance 合约 testnet（Hummingbot 支持）、Bybit demo mode（Freqtrade 支持），跑通了再碰真钱。

3.4 7×24 运维

门槛极低：Freqtrade 最低 2GB RAM / 2 vCPU；一台 2C2G 境外 VPS 即可（避开 Binance 受限地区）。Docker 部署 + systemd/tmux 守护 + NTP 时钟同步（硬性要求，时钟漂移会直接打乱交易所签名） + Telegram 告警（Freqtrade 内置 /status /profit /forceexit 全套命令）。Freqtrade Installation Freqtrade GitHub

四、去哪里找真正的 Alpha（以及现实的预期）

4.1 “遍历全网策略"的现实做法

不是逐一看 TradingView 脚本，而是结构化筛选：Quantpedia 收录 1000+ 策略、2000+ 论文、800+ 样本外回测，可按资产类别/调仓周期/样本内外表现分层筛选，再用统一引擎批量复现。Quantpedia Screener GitHub 上资金费率套利有现成开源实现（如 aoki-h-jp/funding-rate-arbitrage）。TradingView 社区脚本适合做信号灵感，不适合直接实盘。

4.2 加密市场已验证的 Alpha 类别（按散户可行性排序）

1. 资金费率/期现基差套利：机制上是确定性结构。学术研究确认加密市场期现偏离大于传统外汇市场，但随时间收敛——套利正在拥挤化。Fundamentals of Perpetual Futures (arXiv:2212.06888)
2. 链上数据信号：ETH 净流入对收益和波动有 1–6 小时的日内预测力，且模式与 BTC 显著不同。Return and Volatility Forecasting Using On-Chain Flows (arXiv:2411.06327)
3. 动量/横截面动量：学术记录的 150+ 异象几乎全部集中于流动性差的小盘股且未计成本，发表后大幅衰减——加密小币种同理，“论文回测 ≠ 扣费后可得”。Market anomaly — Wikipedia
4. 做市：散户受限于延迟与库存管理，只能做低频挂单做市，容量极小。Deep RL in Cryptocurrency Market Making (arXiv:1911.08647)

反例警示：曾被广泛信任的链上基本面指标 TVL，被发现与币价回报"出人意料地无关”——无独立 alpha。The Surprising Irrelevance of TVL (arXiv:2506.03287)

4.3 研究流水线（每一步的陷阱都标出来）

1
2

假设 → 数据（CCXT / Tardis tick 级） → 向量化回测 → walk-forward 样本外
     → dry-run 数周 → 小资金实盘 → 放大

• 过拟合防线：限定参数搜索次数、固定样本外区间、把"尝试次数"写进回测报告（MinervaScore 思路）；参数选热力图上的"高原"而非尖峰。
• 前视偏差：先跑 Freqtrade lookahead-analysis 抓未来函数，再谈其他。
• 组合层面：加密币种日收益两两相关性约 60%——多币种不是分散，多策略逻辑才是（费率套利 vs 趋势 vs 均值回归）。Correlation without Factors (arXiv:2412.04263)

合理的预期：多数策略会失效；少数低容量边缘策略有微利；超额主要来自结构性溢价（资金费、基差、流动性供给）而非预测能力。学术严格样本外协议的较优结果是 44.55% 年化、夏普 1.55——那是上限参照，不是散户基线。From Hypotheses to Factors (arXiv:2604.26747) 把目标从"预测涨跌"改成"收取结构性溢价"，存活概率高一个量级。

五、LynxCrypto：交给 AI 的开发提示词

下面这段提示词就是我下一步的施工图——把它丢给 AI 编码代理（Claude Code / Kimi Code），从零建起我的量化系统。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77

# LynxCrypto — 个人加密货币量化交易系统开发提示词

## 角色与目标

你是一名资深量化交易工程师。从零设计并实现名为 **LynxCrypto** 的个人加密货币量化交易系统。
核心目标不是"预测涨跌"，而是：**在严格风控约束下，收取加密市场的结构性溢价（网格波动收割 +
资金费率 + 区间均值回归），并在研究端持续孵化新策略**。

硬性约束（不可协商）：
- 本金规模约 880 USDT 起步；所有策略必须先通过回测 + walk-forward + dry-run 三道门才能实盘。
- 系统级断路器优先于一切策略逻辑：日内总亏损达账户 3% 或单策略回撤达 15%，立即平掉该策略
  全部仓位并暂停 24 小时，同时发 Telegram 告警。
- **永远禁止马丁格尔/任何形式的亏损加仓**（加仓倍数必须恒等于 1）；只允许固定手数或
  反马丁格尔（盈利确认后减仓/加仓需独立风控审批函数）。
- 杠杆上限 3x；网格策略杠杆上限 2x。

## 技术栈（已调研定案，不要另选）

- 语言：Python 3.11+（策略、回测、执行全链路）
- 交易所连接：CCXT（asyncio），先只接一家（币安 U 本位永续 + 现货），接口层抽象以便后续扩展 OKX/Bybit
- 回测：vectorbt（参数扫描 + walk-forward + range_split 多样本外）
- 实盘引擎：两选一实现并可切换——(a) Freqtrade 策略插件形态（趋势/信号类）；
  (b) 自研轻量执行器（网格类，需要 hedge mode 双向持仓时）
- 持久化：SQLite（订单、成交、权益曲线、信号日志），schema 随代码版本化
- 配置：YAML + Pydantic 校验；API key 走环境变量，绝不入库入仓
- 告警：Telegram Bot（开仓/平仓/断路器/每日权益报告）
- 部署：Docker Compose，systemd 重启策略，容器内 NTP 同步检查（启动自检项）

## 系统架构（模块边界必须清晰，可独立测试）

1. `data/` — 行情数据层：CCXT 拉取 1m/15m/1h/4h K 线 + 资金费率 + 标记价格，
   落盘为 Parquet；增量更新；数据质量检查（缺口、重复、异常跳变）。
2. `features/` — 指标与特征：ATR、ADX、EMA 斜率、Keltner 通道（EMA20±2×ATR10）、
   rolling range 分位数、资金费率符号与时点距离。全部向量化实现，禁止未来函数，
   每个指标带单元测试（已知输入手算输出对拍）。
3. `regime/` — 市场状态分类器：ADX<20=震荡 / ADX>25=趋势 / 中间=灰色带；
   叠加 1H/4H EMA 方向过滤。输出统一的 Regime 枚举供策略消费。
4. `strategies/` — 策略插件（统一接口：on_bar → Signal/None；每个策略自带
   参数 schema、默认参数、失效条件）：
   - `grid_neutral.py`：等手数合约网格，ATR 动态间距 spacing=clamp(ATR%×0.6, 1%, 4%)，
     漂移超 7% 重定中心，破网（价格出区间）按断路器处理而非追单。
   - `range_reversion_15m.py`：15min 区间策略——仅当 regime=震荡时启用；
     进场=价格触及 Keltner 上下轨反向；出场=中轨 或 时间止损（N 根 K 线未达目标）；
     灾难止损挂在通道外 1×ATR。
   - `breakout_15m.py`：仅当 regime=趋势时启用；进场=prev_close±k×ATR 突破且
     高周期方向一致；**禁止 stop-and-reverse**——平仓后必须重新走完整信号确认才允许再入场。
   - `funding_carry.py`（二期）：资金费率高企时的对冲套利骨架，先纸面实现。
5. `risk/` — 风控中枢（策略无权绕过）：仓位上限、杠杆上限、断路器（日亏损/回撤两级）、
   资金费时点检查（持仓跨 00/08/16 UTC 结算点时计入预期成本）、连续亏损计数
   （单策略 3 连亏自动降仓 50%）。
6. `backtest/` — 回测流水线：手续费按 maker 0.02%/taker 0.055% 双向计入，
   滑点默认 0.02%；资金费按 8h 结算模拟；强平按标记价格规则模拟；
   输出报告必须包含：尝试次数、参数热力图、walk-forward 分段表现、
   样本内外对比、最大回撤、破产概率（蒙特卡洛 bootstrap 重采样）。
7. `live/` — 实盘执行器：WebSocket 行情 + REST 下单，断线重连、订单状态对账
   （本地订单 vs 交易所 openOrders 每分钟对账一次）、API 异常分类重试
   （NetworkError 可重试 / AuthenticationError 立即停机告警）。
8. `ops/` — 每日权益快照、周报生成、策略表现归因（按策略/regime/时段分解盈亏）。

## 开发顺序（每个里程碑交付可运行代码 + 测试）

- M1：data + features + 单元测试，能拉取并落盘 ZECUSDT 历史数据。
- M2：backtest 流水线 + range_reversion_15m 首个回测报告（含全部防过拟合输出）。
- M3：regime 分类器 + breakout_15m，两个策略的 walk-forward 对比报告。
- M4：risk 中枢 + grid_neutral 改造版（等手数 + ATR 间距 + 断路器）。
- M5：live 执行器 dry-run 模式，跑满 2 周无对账错误才允许接实盘开关。
- M6：实盘开关（带 --i-know-what-im-doing 确认 flag）、Telegram 告警、日报。

## 验收标准

- 所有策略回测必须包含手续费、滑点、资金费、标记价强平模拟，缺一即不合格。
- 任何策略参数取参数热力图上"高原"区域而非尖峰；报告中必须展示热力图。
- 断路器逻辑必须有专门的故障注入测试（模拟价格闪崩、API 断连、订单部分成交）。
- 代码含类型注解，ruff + pytest 全绿；每个模块 < 400 行。

先输出：项目目录结构 + 数据层与特征层的详细设计（接口签名级别），
等我确认后再开始写代码。

六、下一步行动清单

1. 把现在的马丁格尔网格加仓倍数改回 1，加断路器——这是本文所有研究对现有仓位唯一的紧急改动。
2. 装 Python 环境 + CCXT + vectorbt，跑通 ZECUSDT 数据拉取。
3. 用 LynxCrypto 提示词起项目，先交 M1。
4. 放弃"每日 800→1000"的目标函数，改成"每周净值最大回撤 < 10% 前提下的期望收益最大化"。出金纪律保留（盈利就出），但锚从"日赚 200"换成"月度为正"。
5. 每天记录：尝试了什么参数、跑了几次回测——把"尝试次数"写进每份回测报告，防自欺。

附：本文方法与核心来源

方法：4 路并行深度调研，分别覆盖【网格/马丁格尔数学】【15min 区间策略】【技术栈选型】【Alpha 方法论】，精读 40+ 个一手来源（arXiv 论文、交易所官方文档、框架官方文档、GitHub API 实测数据），关键数字均标注"事实/推断/观点"。第 1.2 节的爆仓表格为本文自建模型计算（推断，mmr 取 0.5% 偏乐观，真实爆仓更近）。

核心来源（完整 40+ 条见各节内联链接）：

1. Martingale (betting system) — Wikipedia — 可选停止定理与连败概率
2. P&L Calculations (Futures Grid Bot) — Bybit — 每格利润官方公式
3. Introduction to Futures Martingale Bot — Bybit — 官方马丁格尔机制与风险自述
4. Grid Trading: How It Works and Where It Breaks — Audacity Capital — 网格失效机制与风控清单
5. Keltner Channels / ADX — StockCharts ChartSchool — 区间系统标准参数与 regime 阈值
6. Bollinger Bands — Wikipedia — 布林带的学术有效性证据（含 contrarian 用法）
7. Freqtrade 官方文档 / Exchange Notes — 币安 One-way 硬约束、API 权限最小化
8. Hummingbot Binance connector — Hedge mode + testnet 支持
9. vectorbt / CCXT — 回测与交易所中间件
10. Why and how systematic strategies decay (arXiv:2105.01380) — 策略衰减量化
11. MinervaScore (arXiv:2608.23808) — “回测漂亮≠未来有效"的 2026 年强证据
12. Day trading — Wikipedia — 散户 97% 亏损的基线事实
13. Fundamentals of Perpetual Futures (arXiv:2212.06888) — 资金费套利的收敛性
14. What Are Funding Rates — Cube Exchange — 资金费机制与标记价强平耦合

信息缺口（诚实声明）：Binance/OKX 官方费率数字本次未能抓取（反爬）；“15min range 分位数进场"无直接文献（ORB 为最接近的学术对应物）；加密 15min 级别 stop-and-reverse 成本分解无公开实证；文中所有标注"推断"的内容请以此为据。

下篇完。如果 LynxCrypto 跑起来了，会有第三篇：实盘战报。

相关阅读：上篇 · LynxCrypto 启程：从 200 格马丁网格到寻找真正的 Alpha