什么是网格交易，为什么适合用来“分散单次择时风险”
网格交易是在一个预设价格区间里按固定间隔同时挂出买卖单：跌到下格买入、涨回上格卖出，把震荡中的价差转化为多次小额收益。交易所把它做成了可视化机器人，适合震荡或箱体市场而非单边趋势。
网格的“分散效应”来自两个维度：把一次性买卖拆成多个价格层（价格分层），以及借由规则化执行降低“踩点失败”的影响，从而弱化单次择时误差。平台也明确提示网格并不保证盈利，需理解策略与风险再行使用。
组合式网格：用“多品种×多区间×多时间框架”降低集中度
- 多品种
把资金分散到相关性较低或行业驱动不同的币对，降低单一资产的波动暴露。金融学上的“分散化”即通过不同资产与类型的组合来降低整体波动风险。 - 多区间
为高波动与低波动阶段分别设“宽区间/稀网格”和“窄区间/密网格”，避免把同一参数硬套到不同市场结构。 - 多时间框架
把短周期网格（高频捕差）与长周期网格（宽区间配置）并行运行，完成时间维度的分散；定期按目标权重再平衡，防止权重漂移。
AI量化能做什么：从“挑标的与参数”到“权重与再平衡”
- 波动/区间识别
用历史K线提取波动率、回撤、成交量等特征，训练简单的分类/回归模型，给每个币对打“适合开网格的概率分数”，在“强趋势”阶段自动减小网格密度或暂停。 - 相关性聚类与权重分配（HRP 思路）
机器学习的层次聚类可把高度相关的资产归为一簇，再在簇内外按“风险均衡”分配权重（Hierarchical Risk Parity, HRP），目标是降低权重集中与协方差估计误差带来的不稳。该方法由 López de Prado 提出，近年已有教材与复现材料讨论其分散与稳健性。 - 再平衡与风控自动化
AI不一定替代规则，但可做“阈值建议”：当某币对超配或相关性上升，触发组合层再平衡；若进入高波动/高相关共振阶段，系统自动收缩单格资金与提高止损阈值。再平衡的核心是把权重拉回风险承受度与目标配置。 - 回测评估与避免过拟合
时间序列应采用滚动/步进验证（TimeSeriesSplit/Walk-forward），而非随机切分，确保“用过去训练、用未来验证”。
成本与执行：把“名义优势”变成“净收益”
- 手续费与做市/吃单成本
中心化交易所常用分层的 maker/taker 费率，网格频繁成交更要关注费率档位与下单方式。官方教育页与费率页均强调理解费率结构的重要性。 - 合约资金费率（若用永续网格）
永续为贴近现货价，会在多空之间定期结算资金费；持仓越久，资金费对净收益影响越大，方向可能随市场切换。 - 去中心化执行的滑点与价格影响
在AMM/聚合器路径上，滑点是“从提交到成交期间的价格偏差”，价格影响是“你的交易规模对池子价格的即时冲击”。设定合理滑点容忍与交易保护至关重要。 - 以太坊费机制（若链上执行）
EIP-1559 将 Gas 拆成基础费与优先费：基础费由协议按拥堵调整并被销毁，优先费用于激励打包；总费用≈用气量×(基础费+优先费)。
三套“组合分散+AI”入门模板（教学示例，先小额/模拟验证）
模板 A：现货多币种“宽+窄”双层网格
目标：以USDT本位，挑选3–5个主流币；宽区间捕捉大波动，窄区间吃日内波动。
AI要点：用简单波动分层模型把日内ATR、成交量骤变作为特征，给出“密/稀网格”建议；每周按目标权重再平衡。
依据与风险点：网格适用震荡市且不保证盈利；分散与再平衡用于控制集中度与漂移。
模板 B：永续“中性网格”小仓试跑
目标：在合约端做中性方向网格以赚取波动差，同时监控资金费；方向中性可降低单边风险。
AI要点：模型只做“开/停”判别：当资金费持续单边且波动加剧时暂停。
依据与风险点：资金费可能吞噬利润，需把结算频率与方向纳入阈值。
模板 C：HRP 权重的“网格组合”
目标：把候选币对的历史相关矩阵做层次聚类，用HRP给出初始权重后再部署各自网格；每月/每季度滚动。
AI要点：HRP用于分散“相关性集群”的风险集中，降低“单行业/单主题”重仓。
依据与风险点：HRP是机器学习/图论思路的风险均衡分配，但并非总能优于传统方法，尤其在低维或估计噪声较大时。
7天上手清单
第1天 读完交易所网格教程，了解适用市场与风险提示；小额或模拟模式开通。
第2天 选3–6个流动性较好的币对，做相关性热力图；初步划分“高相关簇/低相关簇”。
第3天 用HRP或简化的“簇内均分、簇间按波动倒数分配”做权重草案。
第4天 依据波动环境设两套参数：宽区间/稀网格与窄区间/密网格；写明切换规则。
第5天 建立成本面板：maker/taker费、滑点、Gas（如链上）与资金费；设“名义收益>总成本×安全倍数”的放单阈值。
第6天 做一轮Walk-forward/TimeSeriesSplit回测，记录净值、最大回撤、命中率与费用占比。
第7天 实盘小额联调：观察成交密度、滑点与资金费，设定“异常暂停”条件（波动超阈、相关性飙升、资金费单边）。
常见误区与纠偏
只靠单一币对或单一区间
应通过多品种、多区间与再平衡降低集中度。分散化的本质是用不同资产/类型来降低整体波动。
把机器人当“稳赚”
官方明确网格不保证盈利，需自担风险并理解教程与免责声明。
忽视成本
频繁成交会被手续费、滑点与（永续）资金费吞噬，尤其在拥堵与高波动时段。
随机切分回测
时间序列必须滚动验证，避免“用未来训练过去”的评估偏差。
FAQ
网格能否在去中心化交易上运行
可以，但要额外考虑滑点、价格影响与Gas；Uniswap 文档区分了滑点的定义，并给出管理建议。
为什么合约网格的实际收益时好时坏
资金费方向与频率会改变净收益，请把它纳入阈值与风控，必要时在结算前平仓回避支出。
AI一定比人工挑参数更好吗
AI更适合做“降噪与分层”（波动分层、相关性聚类、HRP权重），再配合清晰的规则与滚动回测验证稳定性；它并不消除市场风险。
