research: 影子交易器落在 Hummingbot 上，并修掉 Bitget 连接器的换根延迟

1m 腿的滑点余量只有几个 bp，所以要测的必须是生产路径的滑点——换个运行时
测出来的数就不作数。框架因此从「滑点已知后再定」提前到测量阶段就定为
Hummingbot（Spot/Perp 连接器均 v2.0，Bitget 是 Foundation Partner）。

新增 research/live/。前置测量：

- bench_compute.py 本机算力，1m 单币 0.318s、三币串行 1.38s
- venue_parity.py Binance 与 Bitget 同根信号重合仅 14.6~42.6%
- signal_sensitivity.py 0.25bp 扰动就换掉一半信号
- aggregate_robustness.py 但总体期望不降——脆的是信号身份，不是 alpha
- bitget_baseline.py 因此改用 Bitget 原生基线定预算：余量 BTC -0.13bp、
  ETH +4.02bp、SOL +2.92bp。BTC 本就为负，只作延迟测量的参照物

运行时选型：

- parity_env.py 容器与本机信号逐一相同（下标、中枢数、checksum 全等），
  容器内 0.26s/币反而更快。故 chanlun 直接挂载进容器，不必另起信号服务。
  装进现有 .venv 那条路走不通：Hummingbot 要 numba>=0.61.2 与
  aiohttp<3.14，与本机 Python 3.14 冲突
- latency_ccxt.py / latency_hummingbot.py / latency_compare.py 初测显示
  Hummingbot 比 ccxt.pro 慢约 1030ms，90 根逐根配对里 80~97% 更慢
- probe_ws_action.py 否掉「丢弃 snapshot」的猜测：换根首条就是 update
- probe_hb_vs_raw.py 与 latency_attribute.py 四路归因——容器网络 2~18ms、
  Hummingbot 处理 -10~-30ms，1350~1480ms 全落在解析方式上
- probe_ws_payload.py 定位根因：Bitget 换根会推一条带两根的消息
  [上一根, 新一根]，而上游取 data["data"][0] 拿到的是上一根，新一根要等
  下一条单元素消息

修复：

- patched_candles.py 处理消息里的全部元素。不能简单改成 [-1]——那样上一根
  的收盘价会永远停在换根前约 1 秒的那次推送上，而信号对 0.25bp 都敏感
- verify_patch.py 60 根配对验证：拿回 1060~1090ms，与原始 WS 只差 5~14ms
  已贴理论下限，19 根已收盘 K 线 OHLCV 逐根未变。折算 ETH 省 0.54bp、
  SOL 省 0.42bp。此 bug 值得向上游反馈

影子交易器：

- shadow_hb.py 不下单，读连接器真实盘口按仓位吃单深度算成交价，与次根开盘价
  （回测 entry_delay=1 的口径）相减，分解成延迟漂移、盘口价差、深度冲击。
  盘口 10Hz 滚动缓冲 30 秒，把延迟变成自变量：每个信号记 0.5/1/2/5s 与实际
  算完时刻各一个滑点值，本机算得慢也不影响能读出的曲线
- shadow_signal.py 信号计算隔离到子进程。0.26s 是纯 CPU 且 chanlun 受 GIL
  限制，放进 asyncio 循环会把行情处理一起卡住
- shadow_report.py 首日延迟门槛与滑点曲线报表

不用 paper trade 测滑点：它的成交由 Hummingbot 自己的撮合模型模拟，
测出来是模型行为而非市场行为。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/live/bitget_baseline.py

@@ -0,0 +1,120 @@
+"""Bitget 原生回测基线：影子交易器要对照的那个数。
+
+aggregate_robustness 证明总体期望在数据扰动下稳定，但逐笔清单不可复现。
+所以滑点不能逐笔对照 Binance 回测，只能对照「同一 venue 上的总体毛均收益」。
+这一步就是把那个数算出来。
+
+跑法与 Binance 侧完全对齐：同一时间窗、同样 300k 根 1m、同一套 lib/ 代码、
+同样 SL/TP/MAX_BARS = 1.5/3.0/48 与 entry_delay=1，只换数据源。
+
+特别关注 SOL：Bitget 的 tick 是 0.001、Binance 是 0.01，粗 10 倍会让
+`close > high[j-1]` 大量平局不触发。Bitget 上信号多出 74%，多出来的是否
+同样赚钱，只有跑一遍才知道——这不是随机扰动，是系统性差异。
+
+输出 out/bitget_baseline.csv。
+"""
+from __future__ import annotations
+
+import argparse
+import os
+import sys
+import time
+import warnings
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+
+warnings.filterwarnings("ignore")
+for v in ("OMP_NUM_THREADS", "OPENBLAS_NUM_THREADS", "MKL_NUM_THREADS"):
+    os.environ.setdefault(v, "1")
+
+HERE = Path(__file__).resolve().parent
+RESEARCH = HERE.parent
+sys.path.insert(0, str(RESEARCH))
+sys.path.insert(0, str(RESEARCH.parent))
+sys.path.insert(0, str(HERE))
+pd.set_option("display.width", 260)
+
+from aggregate_robustness import run_once, stats  # noqa: E402
+from venue_parity import fetch_bitget  # noqa: E402
+
+# Binance 侧在同一窗口的实测值，来自 out/aggregate_robustness_*.csv 的 0bp 档
+BINANCE_REF = {"BTC": 6.11, "ETH": 12.31, "SOL": 10.01}
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL")
+    ap.add_argument("--days", type=int, default=210,
+                    help="与 Binance 侧的 300k 根（208 天）对齐")
+    ap.add_argument("--refresh", action="store_true")
+    ap.add_argument("--tag", default="", help="产物文件名后缀，避免多次调用互相覆盖")
+    args = ap.parse_args()
+
+    from lib.data import load_local
+
+    syms = [s.strip() for s in args.symbols.split(",")]
+    print(f"[Bitget 原生基线] {syms} · 近 {args.days} 天 1m\n", flush=True)
+
+    rows = []
+    for sym in syms:
+        t0 = time.perf_counter()
+        bg_l = fetch_bitget(sym, "1m", args.days, args.refresh)
+        bg_h = fetch_bitget(sym, "5m", args.days, args.refresh)
+        print(f"── {sym}  {len(bg_l)} 根 1m / {len(bg_h)} 根 5m  "
+              f"{bg_l['date'].iloc[0]:%Y-%m-%d} ~ {bg_l['date'].iloc[-1]:%Y-%m-%d}"
+              f"  [拉取 {time.perf_counter() - t0:.0f}s]", flush=True)
+
+        t1 = time.perf_counter()
+        tr = run_once(bg_l, bg_h)
+        s = stats(tr)
+        rows.append({"品种": sym, "venue": "Bitget", **s})
+        print(f"   Bitget : " + " · ".join(f"{k} {v}" for k, v in s.items())
+              + f"  [{time.perf_counter() - t1:.0f}s]", flush=True)
+
+        # 同窗口的 Binance 对照，直接重算一遍，避免口径漂移
+        lo, hi = int(bg_l.timestamp.min()), int(bg_l.timestamp.max())
+        bn_l = load_local(f"{sym}/USDT:USDT", "1m")
+        bn_h = load_local(f"{sym}/USDT:USDT", "5m")
+        if bn_l is None:
+            continue
+        bn_l = bn_l[(bn_l.timestamp >= lo) & (bn_l.timestamp <= hi)].reset_index(drop=True)
+        bn_h = bn_h[(bn_h.timestamp >= lo) & (bn_h.timestamp <= hi)].reset_index(drop=True)
+        t1 = time.perf_counter()
+        s2 = stats(run_once(bn_l, bn_h))
+        rows.append({"品种": sym, "venue": "Binance", **s2})
+        print(f"   Binance: " + " · ".join(f"{k} {v}" for k, v in s2.items())
+              + f"  [{time.perf_counter() - t1:.0f}s]", flush=True)
+
+    if not rows:
+        print("无结果")
+        return
+
+    tb = pd.DataFrame(rows)
+    tb["毛均bp"] = tb["毛均收益"].str.rstrip("%").astype(float) * 100
+    print("\n" + "=" * 120)
+    print("########## 同窗口 · 同代码 · 只换数据源 ##########")
+    print(tb.to_string(index=False))
+
+    print("\n########## 毛均收益对照（bp）##########")
+    piv = tb.pivot_table(index="品种", columns="venue", values="毛均bp")
+    piv["差额"] = (piv.get("Bitget", np.nan) - piv.get("Binance", np.nan)).round(2)
+    cnt = tb.pivot_table(index="品种", columns="venue", values="笔数")
+    piv["Bitget笔数"] = cnt.get("Bitget")
+    piv["Binance笔数"] = cnt.get("Binance")
+    piv["Bitget余量bp"] = (piv.get("Bitget", np.nan) - 6.0).round(2)
+    print(piv.round(2).to_string())
+
+    print("\n########## 结论 ##########")
+    print("  Bitget余量 = 该 venue 自己的毛均收益 − 6bp 双边费率（VIP1 taker + API 返50%）。")
+    print("  这就是影子交易器测出的滑点要去比的那条线，逐笔清单不参与比较。")
+    print("  两家毛均若接近 → 总体口径可迁移；若差很多 → 以 Bitget 的为准。")
+
+    out = RESEARCH / "out" / f"bitget_baseline{args.tag}.csv"
+    tb.to_csv(out, index=False)
+    print(f"\n产物写入 {out}")
+
+
+if __name__ == "__main__":
+    main()