大多數放貸機器人只會秀最後一個版本，不會把「中間走過什麼路」寫出來。但對我們自己——以及用 FuNi 的人來說——那些被淘汰的版本、反效果的嘗試、被長期回測推翻的漂亮短期結果，才是決定為什麼今天的 APEX III 長這樣的關鍵。
這篇文章把 FuNi APEX 引擎的三代演進攤開來：規則版、APEX II、APEX III，包含每代的核心邏輯、真實測試數據、中間那些「看起來很猛但最後沒上線」的版本。如果你在意的不只是「它現在多強」，而是「它為什麼這樣設計」，這篇就是你要的那一篇。
先把結論放最前面
給沒時間讀完的人：
- 第一代（規則版 APEX）：純規則，不用 ML。按百分位和固定利率門檻掛單，是今天 APEX III 內部 fallback 邏輯的原型。
- 第二代（APEX II）：導入機器學習，16 個市場特徵，雙幣通用同一套模型。回測上對規則版有提升，但在某些市場結構下（特別是 USDT）會失靈。
- 第三代（APEX III，2026-04 升版）：20 個特徵（新增 4 個流動性與跨幣種訊號）、移除無效特徵、雙幣採用 Walk-Forward Expanding Window 長期回測確認、決策函數維持保守路線（不是新奇的就是對的）。
回測數字（扣 Bitfinex 15% 平台費後，雙幣 USD+USDT 合併平均）：APEX III 近 365 天樣本約 11% 年化，長期歷史區間約 8%~16%。歷史績效不代表未來結果，極端行情（如 2021 年 USDT LUNA 崩盤期、2022 年熊市）並非常態。
下面進入細節。
第一代：規則版 APEX（無 ML）
最早的 FuNi，其實沒有 AI。只有一組寫死的規則：
- 高利率門檻（例如 ≥ 15%）→ 掛 120 天鎖
- 中利率門檻（例如 ≥ 10%）→ 掛 15 天鎖
- 低利率 → 掛 2 天（跟著 FRR 浮動）
- 超時 30 分鐘未成交 → 自動取消重掛
- 最後一筆拆單金額必須 ≥ 150 USD/USDT（對應 Bitfinex 最低掛單下限）
這版的好處是「不會意外」：邏輯透明、沒有黑盒、出錯了一眼看得出來在哪。缺點也明顯——它不會學。市場結構變了，門檻不會自己動。2020 年還能用的 15% 門檻，到了 2024 年利率中樞下移之後，幾乎整年不會觸發。
這一代在長期回測裡的表現：USD 年化約 13.7%、USDT 約 12.9%（稅前，2024-10 ~ 2026-03 的 walk-forward 測試期）。對比 Bitfinex 官方預設的「固定 2 天」基準線（約 6.6% 雙幣），規則版 APEX 已經是 2 倍左右。
但我們當時就清楚：這套邏輯走不遠。它解決不了「什麼時候該鎖長」這件事——而這件事，是放貸收益差距的主要來源。
為什麼規則版沒有消失？
即使今天 APEX III 上線了，這套規則邏輯並沒被刪掉——它變成了「備用門檻（APEX III fallback）」。當 AI 預測因為任何原因失效（資料異常、特徵缺失、模型重載中），系統會自動退回這組規則。有 AI 的時候 AI 決定，沒有 AI 的時候規則兜底，兩層保險。
第二代：APEX II（16 特徵機器學習）
規則版跑了一段時間後，我們決定導入機器學習。核心想法很簡單：與其我們去猜門檻，不如讓模型從歷史資料裡自己學。
APEX II 的 16 個特徵
這 16 個特徵分三類：
利率本身的統計特徵
rate：當前利率pct90：過去 90 天的 90 百分位利率（用來判斷「現在算不算高」）rate_mean_90、rate_std_90：近 90 天平均與標準差trend_4h、trend_24h、trend_7d：多時間尺度的利率趨勢vol_90：利率波動度frr、frr_diff：浮動參考利率本身與變化量
市場結構特徵
utilization：資金使用率（放出去的錢 / 市場總放貸量）ls_ratio：BTC 多空比（作為槓桿需求的代理）
跨市場特徵
btc_chg24、btc_chg7d、btc_range、btc_vol：BTC 24h/7d 漲跌、震幅、成交量
訓練與驗證方法
我們用 Walk-Forward（滾動驗證）而不是固定的 train-test split——對時間序列來說，未來洩漏（look-ahead bias）是最容易騙自己的陷阱。每次訓練只能用窗口之前的全部歷史，測試窗口對模型永遠是未知的。
APEX II 的真實表現
回測到 2026-04 為止，APEX II 對比規則版的表現：
| 幣種 | 規則版 | APEX II | 差距 |
|---|---|---|---|
| USD | 約 13.7% | 約 14.3% | +0.6% |
| USDT | 約 12.9% | 約 11.1% | -1.8% |
（稅前年化，2024-10-25 ~ 2026-03-18 測試期；USD 改善不明顯、USDT 甚至倒退）
看到 USDT 倒退的時候，我們沒有掩飾這個結果——它代表 16 個特徵對 USDT 這個市場不夠用。USD 和 USDT 的放貸結構不一樣：USD 的利率主要被槓桿多頭需求推動，USDT 除了需求面還會被 Tether 信用事件、跨幣種套利資金流影響。同一組特徵，對兩個市場的「解釋力」天差地遠。
這個發現直接引導出 APEX III 的方向：補上跨幣種與流動性訊號。
APEX II 留下的幾個坑
回頭看，APEX II 還有幾個不太好的決定：
- 雙幣共用同一套決策函數：我們最早假設 USD / USDT 結構類似，共用一組掛單邏輯就好。後來證明這個假設在特定年份會嚴重失準。
ls_ratio（多空比）特徵 importance 幾乎為 0：留著它不會錯，但它等於空轉運算量。trend_24h擾動：在低利率區間（< 6%），模型會因為 24h 趨勢訊號暫時反轉，改選鎖 2 天而不是鎖 5 天，導致拿不到中等利率的鎖倉機會。
這三個坑，APEX III 都處理了。
第三代：APEX III（20 特徵 + 雙幣分家決策）
APEX III 不是「換一個更大的模型」。它做的事情是更聰明地選訊號，以及承認雙幣不同。
新增的 4 個特徵（Batch1）
avg_period（市場平均放貸天數）：市場預期的直接反映。如果大家都在鎖長天期，代表市場預期利率會持續高。在 16 特徵模型裡排名第 8，是這一批最有貢獻的特徵。avg_period_delta（平均天數變化率）：趨勢比絕對值更有意義——從鎖短換到鎖長、或反過來，都是領先訊號。funding_amt_delta（放貸總量變化率）：分辨資金在流入還是流出。utilization只反映當前比例，這個反映方向。usd_ust_spread（USD/USDT 利差）：跨市場資金流動的先行信號，對 USDT 效果特別明顯（importance 0.0133）。
同時移除 ls_ratio（importance 為 0）。最終 20 個特徵。
實際效果
| 幣種 | 規則版 | APEX II | APEX III（Batch1 20 特徵） |
|---|---|---|---|
| USD | 13.7% | 14.3% | 約 14.3% |
| USDT | 12.9% | 11.1% | 約 14.3% |
（同一個 walk-forward 測試期，稅前）
USD 已經到了這組測試設定的上限，APEX III 沒有退步也沒有顯著進步。真正的突破在 USDT +3.17%——補上 usd_ust_spread 和 avg_period 後，USDT 的表現追上了 USD。
走過但沒上線的「批次 2」和「全合併」
我們不是一次就定下 Batch1。過程中還測過：
- 批次 2（5 個時間/跨資產特徵）：
hour_of_day、day_of_week、btc_vol_delta、eth_chg24、eth_vol。結果 USD 完全沒改善（+0.00%），USDT 改善 +1.02%，明顯輸 Batch1 的 +3.17%。 - 批次 3（全合併 25 特徵）：把 Batch1 + Batch2 全部加進去。結果反而退步——USDT 從 14.27% 掉回 11.27%。特徵過多造成雜訊，稀釋了 Batch1 的訊號。
這個教訓很值得寫出來：在放貸利率預測這種訊噪比本來就不高的任務上，「多加特徵」幾乎永遠是錯的選項。我們最後接受了一個反直覺的答案——加 4 個就好。
然後是決策函數
有了特徵還不夠，同一組預測值怎麼轉成「鎖幾天」，也會決定實際收益。
我們測了幾個新版本：
- v2e（USD 專用）：限制利率區間 + 純預測優勢選鎖倉，拿掉
trend_24h擾動。測試期回測 15.07%，對 v1 提升 +0.75%。 - v2（USDT 專用）：無利率區間限制，全連續優勢驅動，鎖 2 天混入 1h 預測。測試期回測 14.57%，對 v1 提升 +0.30%。
看起來都不錯。但我們在上線前跑了一次8 年長期回測（2018-2025），結果把這兩個版本都推翻：
- v2e 八年勝率 1/9：只有 2021 年因為極端行情把平均拉高，其餘 8 年全輸。
- v2 八年勝率 1/9：2022 年直接爆虧 -19.93%。
短期漂亮，長期不泛化——這是最典型的 overfitting 訊號。我們的決定：v2e / v2 保留在程式碼裡備查，但生產環境不用，雙幣種都回到 v1 決策。
這個選擇看起來很保守。但我們寧願少那 0.3%~0.75% 的短期 alpha，也不想在下一次極端行情裡把用戶的錢丟進沒泛化性的決策函數。
APEX III 的最終配置（2026-04-19 定案）
- 特徵：Batch1 20 個特徵（APEX II 16 特徵 + 4 個新增 -
ls_ratio） - 模型：機器學習模型，Walk-Forward Expanding Window 訓練
- 決策函數：v1（雙幣種統一，保守版）
- 備用門檻：原規則版邏輯保留為 fallback，AI 失效時自動接手
- 部署：VPS 定期用完整歷史重新訓練
跨年度表現（稅前，Expanding-Window Walk-Forward）
| 幣種 | Baseline（固定 2 天） | APEX 規則版 | APEX II | APEX III |
|---|---|---|---|---|
| USD 全窗口平均 | 7.85% | 16.50% | 15.94% | 17.98% |
| USDT 全窗口平均 | 7.92% | 11.88% | 15.13% | 17.90% |
（2020-2025 年度滾動回測，APEX III 對 APEX II 雙幣平均提升約 +2.4%）
扣 15% 平台費後的實收估算
雙幣 USD+USDT 合併、近 365 天樣本：約 11% 年化。
這是對外的統一數字。如果你看到某個宣稱「年化 20%+」的 Bitfinex 放貸產品，請務必追問：扣費前還是扣費後？USD 還是 USDT？樣本期多長？有沒有 walk-forward？
寫完這篇，幾個我們希望你帶走的東西
1. 放貸機器人不是越新越好。 APEX III 的確定版裡，新決策函數 v2e / v2 沒被採用，就是因為它們在 8 年長期回測裡撐不住。願意砍掉自己花時間做的東西，比做出來重要。
2. 特徵不是越多越好。 從 16 → 20 是對的（+2.4% 平均），但從 20 → 25 反而退步（-3%）。訊噪比決定上限。
3. 雙幣結構不一樣。 USD 和 USDT 的市場微結構差很多，用同一組特徵、同一個決策函數，遲早會在某個幣種上失靈。APEX III 補上 usd_ust_spread 和 avg_period 後，USDT 才真正追上 USD。
4. 規則版不該被丟掉。 最簡單的 if-else 邏輯，今天還是 APEX III 的最後一道保險。AI 出問題的時候，有規則兜底總比什麼都沒有好。
風險提示
上述 8%~16% 為歷史回測區間（USD + USDT 雙幣，2023-2025 樣本），回測 APR 為稅前，扣除 Bitfinex 15% 平台費後雙幣合併平均約 11%。由公開放貸利率資料驅動 APEX III 策略模擬得出。歷史績效不代表未來結果。極端行情（如 2021 年 USDT LUNA 崩盤期曾達 57%、2022 年熊市 USDT 僅 6.6%）並非常態。FuNi Bot 提供策略工具，不承諾任何收益，使用者須自行評估風險。
APEX III 還會再迭代——市場結構一直在變，特徵的 importance 也會變。下一次的演進，我們一樣會把過程寫出來。
— FuNi Team