去年 Alpha Arena 那阵子，几个 AI 模型下场交易，赚了亏了都能引来一轮讨论。做量化的看得尤其起劲，毕竟平时研究半天的东西，现在有人直接让模型拿着钱去试了。今年又来了个 Jev，最近看到一位大神把它接到 Monad 上的 Kuru 订单簿，按大约 300 毫秒一个区块的节奏做买卖决策，代码和前端都开源了。传播的那张图也挺有意思，一边说技术惊艳，一边写着“跑了 14 个小时，亏了 300% 多”。不过截图标着 dry run，是模拟运行，这个百分比也得核对计算口径，不能直接当成真实账户亏掉了三倍本金。
热闹看完，确实也有点手痒。去年 AI 交易刷屏，今年又出了专门做判断的模型，咱们做量化的，高低得接到自己的策略里试一下。于是有了这套跑在发明者量化上的币安 U 本位永续策略，现在已经在 ONE_USDT 上实盘运行。最近主要放在大家常说的妖币行情里观察，盘口和短线走势的特征更明显，也更容易看出策略哪里没配合好。下面就结合代码和实盘，聊聊这次怎么接、为什么改，以及跑起来以后看到了什么。
让它看盘口，先把交易分工理顺
Jev 的用法可以用一句话讲明白：给它当前状态，再给几个明确的问题，它返回选项、概率或者分数，程序拿到以后继续处理。对这次尝试来说，这个接口形态就够了。做短线的人对这些画面都不陌生：买盘看着挺厚，价格却一直上不去；上面的卖单不断被吃掉，但又有人补单；刚才还安静，突然连续几笔主动买入，价格跟着抬起来。单看其中一项，往往都能写成指标，难的是几种情况碰到一起该怎么判断。我想试的，就是把这些线索整理好，让 Jev 做几项具体判断。官方快速上手
喂给它的数据主要是买卖盘、最近成交、短时间内的价格变化和波动情况，数据缺失也会标出来，不能把“没拿到数据”写成“买卖刚好平衡”。账户仓位、下单数量和交易限制则留在本地处理。这样一笔没做成，至少能查清是模型没给出足够强的信号，还是费用、仓位、行情过期这些条件挡住了。执行上选择挂单，也就是 Maker，希望拿到好一点的成交价。但挂单的人都知道，看对了未必能成交，真成交了，又可能是行情已经往不利方向走了。后面几次修改，基本都围着这个问题展开。
最有用的一次修改，是把“买不买”拆开问
最初很容易图省事，把行情、费用、持仓都塞进去，最后问一句“现在买、卖，还是等”。答案能拿到，可它一直回答“等”，人就犯嘀咕：到底是觉得要跌，还是觉得涨幅不够手续费？是怕追高，还是顾虑手里的仓位？后来参考《Jev 怎么用：三种提问原语与分层阈值》，再对照官方文档，才把分工理顺。那篇里对策略最有帮助的，是把大问题拆成几项小判断，在代码里把答案组合起来。下面几段摘自策略的核心逻辑，为了方便阅读，省略了部分字段说明、日志和外围检查。官方设计模式
先问方向和空间，用 Choice。比如过 30 秒，价格更可能落在大幅下跌、小幅下跌、窄幅变化、小幅上涨、大幅上涨中的哪一档。这里的区间提前由程序划好，模型给每一档分配概率。为什么还要问幅度？我们都遇到过方向看对了、扣完费用却没剩多少钱的单子，只知道涨跌还不够。代码会同时问几个周期，主要交易周期是 30 秒，其余周期留下来对照。
javascript
forecastHorizons().forEach(function (h) {
questions["market_" + h] = {
type: "choice",
instructions: {
question: "从 state.timestamp 起 " + h / 1000 +
" 秒后，R = 10000*(未来中间价/state.mid - 1) 落在哪个区间？"
},
criteria: criteria // 预先定义好的五个涨跌区间
};
});
再问成交以后会不会吃亏，用 Score。挂买单经常遇到的情况是，刚才怎么也买不到，一买到就往下掉；挂卖单则反过来，刚卖出去，价格继续往上冲。所以我把买卖两侧分开评估，问挂单成交后，接下来几秒出现不利走势的风险有多强。档位也不能只写“低、中、高”，得把具体情形说清楚：主动成交和价格变化有没有一起指向不利方向，是只有一条线索，还是几条线索都在提醒我们小心。下面的 book 是该侧最优报价，adverse 在买侧表示下跌，在卖侧表示上涨。
javascript
questions["toxicity_" + side] = {
type: "score",
instructions: {
question: "在 " + book + " 并成交后，5 秒内价格" +
adverse + "超过 " + bounds.neutral + " bps 的严重程度？"
},
criteria: [
"微价格、主动成交与已实现价格路径都没有指向" + adverse,
"证据互相冲突，或成交笔数与深度不足以判断",
"微价格偏移指向" + adverse + "，且主动成交持续打向该侧",
"微价格、主动成交与已实现价格路径三者同时指向" + adverse
]
};
还得补上能不能成交这一问，用 Noul。它返回 0 到 1 之间的数，表示模型估计的成交可能性；接近 0.5，意味着对成交与否没有明显倾向。这个估计用来过滤那些看起来很难成交的开仓候选，也参与报价位置的选择。不过，模型并不知道我们的真实排队位置，盘口快照也还原不了完整的撤单和成交过程，所以这个数得和后面的挂单记录对照着看，不能拿到就当真。
javascript
questions["fill_" + side] = {
type: "noul",
instructions: {
question: "现在在 " + book + "，未来 " +
Math.round(CFG.signalTtlMs / 1000) + " 秒内是否会成交？"
},
criteria: { "true": "该挂单会被对手方吃掉", "false": "该挂单仍未成交" }
};
这三类问题放在同一次请求里，就比较像我们自己盯盘时会琢磨的事：方向和空间怎么样，挂上去能不能成交，成交以后会不会难受。回来以后，程序把这些答案用在不同地方：方向判断够不够开仓，成交机会是不是太低，风险偏高时能不能往更有利的位置挂。拆开之后，修改也有了抓手。觉得报价太激进，就查风险判断和挂单位置；一直没订单，就看哪一道条件没过。三种提问方式
妖币动起来，固定的那把尺子就不够用了
目前跑 ONE 这段行情，一个直观感受是短线特征更容易看见：买卖力量的变化、连续成交、拉升和回撤，能在比较短的时间里显出来。但行情动得大，也会把挂单和退出时的问题放大。最先需要调整的，就是判断幅度的那把尺子。同样一小段涨幅，在安静的行情里可能已经算明显上涨，放到正在猛拉猛砸的币上，可能只是普通抖动。所有品种都用固定边界，模型回答的虽然还是“大涨、小涨、横盘”，实际对应的行情却差得很远。
此前策略就出现过长时间观望的情况。检查以后发现，我们一边要求它预测很短时间里出现不小的涨幅，一边又要求它对此相当有把握。条件和当前波动不匹配，等半天没有交易也很正常。后来就把区间边界改成随近期波动调整，同时保留费用和缓冲的下限。下面这几行决定了“大幅变动”初始边界的来源，后面再做上下限约束。波动换算用的是近似，尤其在妖币跳涨跳跌的时候，不能把它理解成对未来幅度的精确预测。
javascript
VOL.sigmaHorizonBps = VOL.sigma1mBps *
Math.sqrt(CFG.signalHorizonMs / 60000);
var z = inverseNormal(1 - CFG.tailTargetRate);
var outer = Math.max(z * VOL.sigmaHorizonBps, minimumEdgeBps());
撤单重挂也是这个道理。价格动一点就撤，看起来反应很快，实际可能一直在重新排队。因此重报价距离也要结合波动和最小价格单位来算。参数就不逐个展开了，价格和数量精度、最小下单要求，尽量从交易所读取；能从行情估计的距离，让程序随行情调整。人主要决定交易什么、每次下多少、最多持有多少仓位。这样换品种时能少犯些手工设置的错，实际效果仍然要逐个品种看。
模型偏空，也不等于现在就该开空
参考文章里还有一点很适合交易：动作不同，门槛也应该不同。比如手里已经有多单，模型开始偏空，这点把握也许还不值得直接开空，却可能值得先减掉一部分多单。所以代码把开仓和减仓的方向概率门槛分开了，开新仓要求更强的判断，还要检查分布是否太分散、挂单成交机会是否太低；减仓使用较低的方向门槛。下面是挑选门槛的核心几行，行情有效性、信号时效和其他检查仍在外围执行。官方置信度文档
javascript
var required = plan.reducing ? CFG.reduceThreshold : CFG.openThreshold;
decision.requiredProbability = required;
if (tail < required) {
decision.reasonCode = "probability";
return decision; // 保留默认的观望动作
}
面板也按这个分工来排。“信号与决策”把方向概率、开仓和减仓门槛、两侧成交估计、逆向风险分数放到一起，最后一列写明本轮决策的原因。看这张表，就能沿着模型的答案查到本地执行条件，不用再猜它为什么一直等。下面的“各周期预测概率”则把几个时间尺度展开，方便比较模型在短周期和稍长周期上的判断。这里要分清，方向概率对应具体行情事件，confidence 反映答案分布有多集中，不能直接当成交易胜率；预测偏多或偏空，也要经过本地条件检查才能变成订单。
图 1：从实盘页面截取的信号板块。上半部分用于检查交易条件，下半部分用于比较不同周期的行情判断；数值会随运行更新。
跑起来以后，得能看清它在做什么
策略已经在实盘运行，面板主要用来帮我找问题。比如模型给出一个判断，等预测的时间到了，实际价格落在哪一档，这件事会记到“预测验证”里。它按周期列出样本数、五分类正确率，还摆了一条“始终猜窄幅”的简单基线作为对照。旁边的 Brier 分数用来检查整组概率预测的误差，非重叠样本则减少连续预测覆盖同一段行情的问题。这些指标各看一部分，不能只挑一个数字评价整个策略；把它们放在一起，才方便继续查哪个周期、哪类行情值得深入看。
图 2：预测验证板块，用同一套区间定义核对模型判断和实际走势，同时保留简单基线与非重叠样本，方便后续复盘。
挂单还得单独看成交质量，所以另外留了“成交后价格表现”。它记录发现成交后几个时间点的价格变化，买入后上涨、卖出后下跌算有利移动，反过来就是不利移动。如果经常刚成交就往反方向走，可以回头检查报价是不是太靠前，风险判断有没有起作用。这个板块从本地发现成交时开始计时，未扣费用，主要帮助观察挂单是否容易吃亏，不能直接当成每笔交易的净收益。
图 3：成交后价格表现板块，把成交后的短时走势单独留下来，便于对照前面的风险评分和报价选择。
查问题时，还会把“盘口与订单流”“数据与请求健康”以及订单记录对起来看。前者说明模型当时看到了什么，健康检查说明数据是否新鲜、请求有没有异常，持仓和委托记录则说明最后执行到了哪一步。有信号却没下单，先看决策原因和数据状态；订单挂上去一直没成交，再看报价和成交估计。这样读面板，每一块都能对应到前面的一段策略逻辑。
目前这套实现还有需要继续补的地方。持仓超时后会尝试挂只减仓单，但挂出去不代表能立即平掉，完整的硬止损、日亏损熔断和强平距离检查也还没补齐。继续跑这套策略，我更想弄清楚的是 Jev 在哪些盘口状态下能提供有用的判断，以及这些判断到了真实挂单环节还剩多少作用。把输入、判断、执行和验证都留下来，后面才有东西可复盘，也才知道下一次该改哪里。
- 1