FollowSM Engineering

Analisis komoditas dan saham dengan alat mikrostruktur pasar yang sama seperti yang digunakan untuk kripto.
Komoditas: XAU, XAG, CL, COPPER
Saham: TSLA, AMZN, META, GOOGL, AAPL, MSFT, NVDA, MU, TSM, AVGO, INTC, PLTR, BABA
Yang Anda dapatkan:
VPIN dan toksisitas order book
Ketidakseimbangan kedalaman pasar dan aliran beli taker
Deteksi sapuan besar oleh taker
Anomali volume dan metrik volatilitas
Konfluensi Polymarket jika tersedia peristiwa yang cocok
Tersedia melalui REST API yang ada dan WebSocket enterprise, dengan SDK Python dan TypeScript.

Sebelum menjalankan order otomatis pada $BTC, $ETH, atau $SOL, bot trading Anda perlu mengevaluasi toksisitas order book. Gerbang risiko Python ringan sepanjang 120 baris memungkinkan Anda menolak secara aman dan memblokir eksekusi yang toksik sebelum mengirim order.
Inti Penting Rekayasa: 1️⃣ Gunakan Kembali Koneksi HTTPS: Beralih ke requests.Session dengan koneksi persisten menurunkan median latensi pengambilan data dari 160 ms menjadi 59 ms. 2️⃣ Cache Snapshot 1 Detik: Menggabungkan lonjakan order menjadi satu permintaan snapshot, sehingga batas laju API tetap terjaga. 3️⃣ 4 Pemicu Mikrostruktur: • Sapuan Taker (Peristiwa): Mendeteksi sapuan pasar besar (misalnya, ≥ $100k). • Lonjakan EWMA Kedalaman (Peristiwa): Merespons perubahan mendadak pada porsi bid ±1% relatif terhadap EWMA bergulirnya. • Persentil VPIN (Rezim): Menghentikan sementara eksekusi saat toksisitas aliran masuk ke desil teratas (≥ 0.90). • Persentil Ketidakseimbangan Order Book (Rezim): Menandai asimetri struktural menggunakan riwayat khusus simbol. 4️⃣ Histeresis & Penolakan Aman: Picu pada VPIN 0.90, tetapi VPIN harus turun di bawah 0.80 untuk membuka kembali, guna mencegah kondisi yang terus berubah-ubah. Langsung menolak secara aman jika terjadi kesalahan jaringan atau snapshot kedaluwarsa (> 3s).

Pernah penasaran apa yang terjadi di berbagai pasar prediksi dalam sepersekian detik setelah whale melepas aset atau menyapu order book Binance? 🐋⚡
Dalam studi kuantitatif terbaru selama 343 jam yang dilakukan FollowSM, data tick langsung dengan interval subdetik dari pasar spot Binance dan lebih dari 22.000 order book kripto Polymarket "Naik atau Turun" (mencakup BTC, ETH, SOL, dan XRP) dikumpulkan dan dianalisis.
Berikut poin-poin penting tentang mikrostruktur pasar yang perlu diketahui setiap trader kripto, quant, dan market maker 👇
1. Aksi sapu order di Binance mendahului pasar prediksi dalam hitungan milidetik

Perp ekuitas Binance yang tersedia 24/7 memperhitungkan celah harga saat pasar AS dibuka jauh sebelum bel bursa saham berbunyi. Namun, bisakah market maker lintas bursa menggunakan nilai wajar perp ekuitas Binance untuk memasang kuotasi pada pasar prediksi saham harian Polymarket dan meraih keuntungan?
Kami menganalisis 1.537 malam pasar dan menjalankan backtest per eksekusi pada 1.313 buku pesanan historis (Jan–Okt 2026) untuk menguji latensi, perlindungan risiko, dan penurunan kinerja strategi.
📊 Temuan Kuantitatif Utama
🎯 Probabilitas Perp Lebih Unggul: Ketika probabilitas tersirat dari perp Binance dan Polymarket berbeda >5¢, hasil pasar mengikuti prediksi Binance sebanyak 62,5% selama jam perdagangan reguler.

📊 Lindung Nilai Ekuitas Tertokenisasi: Perp 24/7 vs Gap Pasar AS
Bisakah kontrak perpetual ekuitas 24/7 (seperti kontrak perpetual Binance USDⓈ-M untuk TSLA, NVDA, AAPL) melindungi pasar prediksi berbasis saham dari risiko gap semalam?
Kami menganalisis 1.663 pembukaan pasar AS untuk 12 kontrak perpetual ekuitas dan 1.276 pasar Polymarket nyata guna menguji penetapan harga gap, volatilitas sesi, dan sinyal mikrostruktur di luar jam perdagangan.
🔑 Poin-Poin Utama
Harga Perp Memperhitungkan Gap Lebih Dulu:
Regresi gap pembukaan AS terhadap pergerakan perp Binance menghasilkan kemiringan 1,00 ($R^2 = 0.998$). Dari median gap pembukaan sebesar 74 bps, residu yang belum tercermin dalam harga pada pukul 09.29 ET hanya 4,3 bps.

Bisakah sinyal mikrostruktur frekuensi tinggi meningkatkan manajemen risiko dan efisiensi hedging di pasar prediksi? Kami menguji hipotesis ini di Polymarket.
Berikut hal-hal yang kami rancang dan temukan melalui lebih dari 250 backtest di pasar nyata:
💡 Konsep Inti
Alih-alih melakukan hedging delta kontinu yang sederhana, strategi kami mengatur eksekusi hedging dinamis menggunakan metrik mikrostruktur buku order secara real-time (toksisitas aliran order, dinamika likuiditas spread bid-ask, dan ketidakseimbangan kedalaman).
🔑 Poin-Poin Penting
Slippage & Biaya Eksekusi Lebih Rendah: Pengaturan berbasis mikrostruktur mencegah hedging agresif pada buku order yang tidak likuid, sehingga secara signifikan memangkas biaya seleksi merugikan.

Pembuat pasar frekuensi tinggi dan trader kuant di Binance menghadapi tantangan konstan: adverse selection saat terjadi pergeseran pasar mendadak dan liquidity sweep.
Indikator harga standar sering kali terlalu lambat. Dengan melacak Volume-Synchronized Probability of Informed Trading (VPIN) dan ketidakseimbangan kedalaman $L1/L2$ langsung pada pasangan spot Binance, trader dapat mengidentifikasi arus beracun sebelum kontraksi spread terjadi.
Inti dari pembaruan rekayasa terbaru kami: 🔹 Symbol-Calibrated VPIN: Secara dinamis menskalakan ukuran bucket ($ADV / 1,200$) menghilangkan false positives pada pasangan ber-volume tinggi seperti $BTC dan$ETH. 🔹 Konvergensi Lintas-Venue: Menggabungkan mikrostruktur Binance dengan peluang dari pasar prediksi (mis., pergeseran probabilitas Polymarket) menciptakan circuit breaker risiko yang kuat. 🔹 Latensi <10ms: Dievaluasi dalam Python dengan waktu eksekusi dalam proses rata-rata ~4,7 µs.

Senang membagikan infrastruktur open-source kami yang dirancang untuk intelijen pasar real-time di Binance!
Ikuti pergerakan Smart Money dengan FollowSM, nilai toksisitas orderbook $VPIN$, dan divergensi lintas pasar untuk membantu trader tetap selangkah lebih maju dari volatilitas pasar.
Apa yang telah kami bangun untuk ekosistem Binance: ✅ Live Microstructure Stream: metrik toksisitas secara real-time dan pemantauan ketidakseimbangan kedalaman L1/L2. ✅ SDK Python & TypeScript resmi: penyiapan instan melalui pip install followsm-sdk atau npm install @followsm/sdk. ✅ Starter Kits Open-Source: siap pakai risk circuit breakers untuk tim kuant dan pengembang.

Skor Z Standar bergantung pada rata-rata dan simpangan baku. Dalam kripto, satu rangkaian likuidasi dapat menciptakan outlier ekstrem yang menggeser rata-rata dan meningkatkan simpangan baku. Akibatnya, Skor Z Standar gagal mendeteksi lonjakan volume beracun berikutnya.
Skor Z Robust mengganti rata-rata dan simpangan baku dengan Median dan MAD (Median Absolute Deviation), sehingga kebal terhadap outlier:
$$\text{Robust Z} = 0.6745 \times \frac{x - \text{Median}}{\text{MAD}}$$
1. Masalah Matematis: Skor Z Standar vs. Outlier
Asumsikan jendela bergulir untuk volume transaksi orderbook: [10, 12, 11, 15, 100, 14] (di mana 100 adalah lonjakan likuidasi mendadak).

🛡️ Di Balik Candle Chart: Bagaimana Market Maker Mendeteksi Toksisitas Orderbook (VPIN) Sebelum Flash Crash
Pernah bertanya-tanya mengapa order book tiba-tiba menipis beberapa detik sebelum dump kripto besar? Ini bukan sihir — ini adalah toksisitas aliran order.
Jika Anda sedang membangun trading bot, strategi market-making, atau algoritma eksekusi, mengandalkan time-based candle standar saja (RSI, MACD) membuat Anda buta terhadap informasi asimetris pada level milidetik.
Berikut cara market maker institusional mendeteksi aliran order yang beracun menggunakan VPIN — dan bagaimana Anda bisa menerapkannya.