Manifold 创始人谈量化交易起点
Manifold 创始人 Jae Chung 在一篇转载文章中回顾称，自己在 2021 年创办量化交易公司时，最初的想法很直接：希望找到一种「睡觉时也能赚钱」的方法，让机器人代替人工持续交易。
他写道，自己当时只有 21 岁，几乎没有量化交易经验，甚至连「Alpha」的概念都不熟悉。尽管顾问提醒他，这个方向要面对的对手包括 Jump、Tower 和 Jane Street 这类成熟机构，而且他本人并不了解这个行业的竞争格局，但他还是决定继续尝试。
在创办 Manifold 之前，Jae Chung 提到，自己在 2016 年至 2017 年以白帽黑客身份进入加密行业，运营过几年验证节点，也在 DeFi 之夏和 NFT 热潮期间做过一些交易和投资。不过，他强调，这些经历与量化交易本身并没有直接关系。
早期尝试并不顺利
Jae Chung 表示，很多人会把量化交易理解为「找到规律，然后赚钱」，他自己一开始也是这样想的。但实际情况远比这复杂。
Manifold 早期尝试过多种策略，包括套利、价差捕捉、基差交易、统计套利、收益耕作，甚至深度学习，但最初都没有跑通。他认为，交易本质上是零和游戏，如果同一张牌桌上有足够多更强的参与者，后来者很难分到利润。
这也让团队意识到，问题不只是寻找策略，而是先找到自己真正有机会建立优势的市场。
为何把重心转向 DeFi 和 DEX
Jae Chung 认为，顶级量化公司通常会在三类能力中占据优势：速度和延迟，也就是交易基础设施；专有数据或订单流；以及研究能力和 Alpha 生成能力。
在中心化交易所领域，他直言 Jump 和 Tower 等公司已经在 Binance、OKX、Bybit、Coinbase 等主要平台上建立了成熟的低延迟基础设施，也拥有更高的费率等级和更强的数据、订单流资源。相比之下，Manifold 当时的交易和研究基础设施只能算入门水平，也没有庞大的工程师和研究员团队。
在这种情况下，团队决定不在头部机构最擅长的场景里硬碰硬，而是寻找另一张牌桌。Jae Chung 最终把方向锁定在 DeFi，尤其是去中心化交易所。
他提到，当时不少区块链基金会正投入大量资本，激励用户向 DEX 提供被动流动性。多数 DEX 并不采用订单簿，而是使用 AMM（自动做市商）模型，交易沿着定价曲线执行。这意味着，DEX 交易系统既要处理价格、流动性区间和滑点等市场数据，也要处理链上订单提交、执行和确认。
在他看来，头部量化公司当时并未在这一领域大举投入，可能有几个原因：一是 DEX 交易偏离了它们原本成熟的中心化基础设施；二是相较传统 CEX，这一市场规模更小；三是围绕 DEX 的监管仍有不确定性；四是这些公司已经在其他市场获得了可观利润。
与此同时，Manifold 团队的人员结构更适合这个方向。Jae Chung 称，团队既有熟悉智能合约和链上执行的加密原生工程师，也有来自 Citadel、Tower 等传统背景的量化研究员。
他还举例称，团队后来一名表现最好的员工，原本是一家保险公司的数据工程师，私下则是 Polygon 链上的个人 MEV 搜索者，长期运行自己的原子套利策略。在对方正式加入前，他通过匿名邮箱 0xaddress@protonmail 与其交流，并查看其机器人地址在区块浏览器上的交易记录，由此判断对方具备潜力。
用原型验证 CEX-DEX 套利
在把团队重心全面转向 DEX 之前，Jae Chung 先做了验证。他用 TypeScript 独立写了一个简单的链上交易系统，在 Binance、FTX 与多个流动性排名前十的区块链之间运行套利策略，内部称之为 CEX-DEX 套利。
他解释称，这类机会存在的原因在于，区块链交易会在一个出块时间内被「阻塞」，有的链约为 200 毫秒，有的为 1 到 2 秒，甚至更久。相比中心化交易所几乎逐笔更新的报价，链上价格更新更慢，因此会形成领先与滞后的关系。
同时，DEX 上大量流动性属于被动或陈旧流动性，并没有被机器人持续主动管理，而价格发现主要发生在链下，这就使不同交易场所之间容易出现价格差。
Jae Chung 称，尽管这个原型非常粗糙，对延迟也不敏感，但它仍然捕捉到了真实的套利机会，而且在扣除费用后可以盈利。对经历了数月研究却没有明显进展的团队来说，这成为第一个真正看到潜力的时刻。
找到优势后，重点转向执行
Jae Chung 认为，套利策略在原型阶段就能跑通并不常见，因为套利本质上是摆在地上的无风险利润，通常会被更快的参与者迅速拿走。也正因为如此，一旦原型有效，就意味着还有明确的优化空间。
他列出了团队当时已经识别出的几条改进路径：
- 把 TypeScript 系统重写为更快的语言，提高速度；
- 为每条链接入更多 DEX，并扩展到更多链，增加套利机会；
- 改进仓位大小和滑点计算；
- 优化费用结构，提高单笔利润率；
- 随着交易量提升，争取更低的 CEX 费率；
- 通过技术手段降低链上 Gas 费；
- 改进链上执行，提高成交率；
- 优化库存管理，提高回报率、资本效率和运行时间。
他表示，从这个阶段开始，关键已经不再是「有没有想法」，而是能否把想法快速落地。高频交易的一个特点是，市场会给出即时反馈：某项改动上线后，几乎立刻就能看到它是否提升了盈利能力。这让团队在工程实现和实际收益之间形成了很短的反馈回路。
Jae Chung 还回忆了 2021 年 12 月 24 日的一段经历。他说，自己和联合创始人 Sid 当晚一直在公寓办公室里写代码，没有周末，也没有假期，直到凌晨 1 点左右才意识到已经是圣诞节。他对 Sid 说「今天是圣诞节」，对方过了 30 秒才回了一句「哦。圣诞快乐」，随后两人继续工作。
他写道，回头看，那大概是自己最喜欢的办公室，一切都从那里开始。
CEX-DEX 套利开始日赚超过 1 万美元
Jae Chung 表示，在完成一系列通用改进后，CEX-DEX 套利开始每天赚取超过 1 万美元，而当时部署的资金只有几百万美元。
团队早期的重点，是把新系统升级到足够稳定和高效的状态。新系统使用 Go 和 Solidity 编写，目标是扩展到多条链，并在每条链上接入 10 到 20 个 DEX。与此同时，团队也开始整合采用 UniV3 tick 定价模型的新型 DEX。这类 DEX 由于采用集中流动性设计，价格效率更高，滑点更小。
随着规模扩大，团队在中心化交易所的交易量提升，费率档位也随之下降。随着资本增加，交易池中可覆盖的交易对数量也在增加。
竞争加剧后，套利游戏开始变化
随着早期容易获取的利润被逐步吃掉，Jae Chung 发现竞争迅速增加。在一些链上，团队已经无法再等到 10 个基点的价差才触发套利，因为其他机器人愿意在更低价差时出手。
他举了一个例子：如果 Binance 上 ETH 价格为 2,000 美元，而 Polygon 上 Quickswap 的 ETH 价格为 2,001 美元，那么价差就是 0.05%，也就是 5 个基点。若某个机器人设定为在 5 个基点价差出现时就执行套利，它会在 Polygon 上卖出 ETH，同时在 Binance 上买入 ETH，从而让价格重新接近平价。
在这种情况下，Manifold 的机器人就无法再等到 10 个基点的价差出现，因为在 Polygon 上 ETH 涨到 2,002 美元之前，其他机器人已经先一步把价差抹平。
Jae Chung 指出，不同参与者执行同一笔套利交易的成本并不相同，主要取决于几个因素：在中心化交易所的费率水平；在 CEX 端是吃单还是挂单，后者通常更便宜，有时甚至有返佣；以及链上 Gas 费用。
他提到，团队后来开始遇到 Wintermute 等其他公司，并不得不围绕一组机器人地址参与优先 Gas 拍卖，也就是 PGA。这种技术来自 MEV 领域，做法是不断提高优先 Gas 费，重复提交同一笔交易，以争取在某个区块内获得更高排序优先级。
Jae Chung 认为，要参与这类拍卖，至少需要具备三项能力：
- 几乎准确地知道某笔交易能赚多少钱，从而决定愿意支付的费用；
- 拥有可靠基础设施，能在看到机会后的一个区块内完成交易；
- 知道自己在与哪些地址竞价，并能快速判断拍卖结果。
他还提到，不同区块链在交易排序和提交架构上各不相同，也会不断调整规则和机制，试图让更多价值留在用户、协议或链本身。套利者必须持续适应这些变化。
Gas 优化如何扩大可见利润空间
Jae Chung 写道，链上交易的总 Gas 成本，大致可以理解为交易所需 Gas 量与 Gas 价格的乘积，而 Gas 价格又取决于网络拥堵程度。
在 PGA 式拍卖中，Gas 价格和优先费很重要，但如果已经能够在一个区块内完成交易，进一步优化空间并不大。相比之下，降低 Gas 用量本身，能更直接地减少链上交易成本。
他举例称，团队使用过一种有意思的技巧，即高效位打包。由于以太坊虚拟机会以 32 字节，也就是 256 位的槽位存储数据，如果把较小的数据类型相邻排列，Solidity 就可以把它们压进同一个槽位，从而显著降低读写操作，也就是 SSTORE 和 SLOAD 的执行成本。
Jae Chung 表示，这类优化减少了交易中的零填充，也降低了交易整体大小，最终压低了总费用。
这带来的直接结果是，团队可以捕捉到那些对高 Gas 成本参与者来说「看不见」的机会。比如一笔套利交易在扣除费用后只能净赚 1 美元，对未做优化的参与者来说可能等于 0 美元，但对 Manifold 来说仍然值得执行。这样一来，团队就能在其他机器人发现机会之前先完成交易。
Gas 优化还让团队在争夺套利机会时可以出更高价格，同时保持盈利。随着时间推移，赢得更多套利不仅意味着更多利润，也意味着更高交易量，而更高交易量又会带来更好的 CEX 费率档位，以及单笔交易中更大的套利捕获能力。
资本效率成为下一阶段重点
随着策略不断优化，Manifold 开始把更多链、更多 DEX 和更多交易对纳入系统。Jae Chung 表示，覆盖范围越大，策略容量就越高，因此把大部分资金投入 CEX-DEX 套利是合理的。
他称，这套策略当时年化收益率超过 100%，而且没有下跌日。不过，即便资金规模随着利润快速增长，团队仍然意识到，这一策略还有更大容量，问题转向如何让现有资金赚得更多。
Jae Chung 解释称，CEX-DEX 套利要求资金分散在多个场所，也要求在多个交易对中预先准备库存。以 Binance 和 Arbitrum 之间的 ETH/USDT 套利为例，如果两个场所一开始各放置 50 万美元的 ETH 和 USDT，而 Binance 出现溢价，那么团队会在 Binance 卖出 ETH，同时在 Arbitrum 买入 ETH。若溢价持续，Binance 上的 ETH 很快可能被卖光，而 Arbitrum 上的 USDT 也会因为持续买入 ETH 耗尽。
中心化交易所可以通过保证金服务提供一定杠杆，让库存失衡时仍能继续交易，但在链上场所，一旦某种库存耗尽，机器人就会停止套利。为了让系统继续运行，团队必须不断再平衡，把 Binance 上多余的 USDT 转到 Arbitrum，再把 Arbitrum 上多余的 ETH 转回 Binance。
问题在于，即便能够 7x24 小时手动或自动再平衡，团队仍会错过大量利润。因为套利盈亏最集中在高波动时段，价差会在这些时刻迅速扩大，而 50 万美元库存可能几秒内就被用完。与此同时，交易所提现时间在高波动期间会比平时约 5 分钟更慢，导致机器人无法抓住最赚钱的窗口。
Hydra 系统的两次尝试
为了解决库存和资金调度问题，团队最初设计了一个名为 Hydra 的自动化系统，希望持续调动资金，利用不同区块链之间的桥以及 CEX 的提现 API，把某些场所的多余资产转移到其他场所的短缺位置。
但 Jae Chung 直言，这一方案并没有按预期运转。跨链桥并不可靠，资产会丢失或消失，团队不得不手动追踪是哪一座桥在什么时间出现故障。即便桥接成功，耗时也经常过长，仍然会错过波动行情。
随后，团队推出 Hydra 第二版。与其依赖桥接，不如通过接入 Aave，或者在 Aave 不可用时接入类似协议，建立自己的链上现货保证金系统。Jae Chung 介绍称，Aave 是一个原生部署在多数主要链上的借贷协议。
Hydra v2 的逻辑很直接。以前述例子为例，如果团队在 Arbitrum 上持续买入 ETH，最终会持有过多 ETH，而 USDT 变少。系统会识别这些多余 ETH，把其中一部分存入 Aave 放贷，再以其为抵押借入 USDT。
Jae Chung 表示，虽然这个方案实现起来并不复杂，但 Hydra v2 在当时对团队盈亏表现产生了最大影响之一。
从这段经历中得到的结论
Jae Chung 回顾称，这些技术改进单独看都不算特别复杂，但团队不可能在一开始就一次性想到全部方案。如果最初的原型彻底失败，他们也许不会继续投入太久。正因为最早的实盘策略证明了方向可行，团队才得以在后续不断迭代，持续监控成交率和盈利能力，并根据市场反馈寻找新的优化点。
他写道，自己从中学到的一点是：当一个市场里存在大量未知障碍时，破解这场游戏并不容易；但如果已经站到前沿位置，并且摸清了基本规律，就更容易保持领先。尤其在交易市场中，选择哪张牌桌，与执行能力同样重要。
CEX-DEX 套利的生命周期
Jae Chung 表示，CEX-DEX 套利在很长一段时间里都是 Manifold 的主要利润来源。在最好的阶段，遇到高波动行情时，这套策略单日收益可以达到六位数以上。
他还提到，团队把基础设施做得足够通用，能够在 1 小时内接入一条新链，因此经常成为一些新链上最早的套利者，在市场效率最低的时候获取较大价差。
不过，他也指出，和几乎所有 Alpha 一样，这类机会会随时间衰减，尤其是套利策略，竞争最终会把价差压缩到利润空间明显收窄的水平。他举例称，如果两家公司在 PGA 场景下拥有相同的 Gas 优化能力和相同的 CEX 费率等级，那么由于单笔交易成本一致，双方最终会把出价抬高到各自最低可盈利水平。
按他的说法，到 2025 年底，CEX-DEX 套利已经不再是过去那种「疯狂高收益率」的策略。
不过，Manifold 后台还有其他稳定高收益率策略在运行。随着时间推移，团队得以把时间和资本重新投入到利润更高的其他交易策略中。
Jae Chung 最后写道，自己还可以继续讲述后面几年里团队想出的其他做法，但那是另一个故事。对他而言，CEX-DEX 套利仍然有特殊意义，因为它给了 Manifold 一个真正的起点，也成为公司建立位置的锚点。
