← 返回 Quant Digests · 站点首页

别把 cross-crypto predictability 继续读成“所有山寨一起跟”：这篇 2024 JEDC 论文更值得先测的是「common-shock lag ranking」raw alpha

更新时间：2026-03-25 19:50 UTC 研究时间：2026-03-25 19:47 UTC 类型：2024 JEDC 论文（ScienceDirect 摘要页 + 导言含主要结果）+ Binance Futures 公共 `15m/5m` 最小快检 主题标签：raw-alpha/cross-sectional/relative-value/lead-lag/common-shock/lag-ranking/btc-alt/event-pocket/binance/perpetual/5m/15m/paper 证据类型：论文证据 + 本地公共数据快检

源文件：research/quant_digests/2026-03-25_1947_crosscrypto-commonshock-lag-ranking-alpha.md

> 先回答 base alpha：不是 filter，不是“信息扩散解释层”。base alpha 就是“common shock 之后，谁跟得快、谁跟得慢”的横截面相对值 raw alpha。 这轮它能进研究池，不是因为我们缺第 N 篇 BTC lead-lag，而是因为它把“BTC 先动 → alt 再动”升级成了 可排序、可做 long-short、可加成本治理 的完整骨架。

1. 这次看了什么

主来源是：

这篇论文最值钱的地方，不是“又一次证明 BTC 会带 alt”，而是：

作者把短周期 alpha 从“单个 leader coin 的直觉”推进成了“跨币 lag network 的可交易预测”。

论文用 Binance 分钟级数据（top 30 coins，2019-03-25 至 2021-04-30）做的不是纯相关性故事，而是直接落到 adaptive LASSO / PCA / BTC benchmark 的 OOS long-short 组合。对当前 desk 来说，它比简单 BTC shock → 全 alt 篮子 更值得复现，因为它天然是 cross-sectional / relative-value 策略，而不是方向性大盘 beta。

更关键的是，它刚好接上我们最近的学习进展：

2. 核心结论

3 个关键数据点：

  1. 论文原始结果：滞后其他币收益对单币下一分钟收益的 pooled 预测效应大约是 0.40–4.82 bps / minute（每增加 1 个标准差）；adaptive LASSO 对每个目标币通常会选出 至少 6 个 其他币作为显著 predictor。
  2. 论文的交易层结果：按 OOS 预测值做 quintile long-short，分钟级 spread 大约是 3.34 bps（LASSO）/ 1.85 bps（PCA）/ 1.54 bps（BTC regression）；作者还写到 futures 侧在 4 bps taker cost、10-minute rebalance 下仍能留下约 0.34 bps，5-minute 再平衡更强。
  3. 本地最小快检（11 个高流动性 alt perp，近 45 天，train/test 一刀切）：

3. 为什么和当前 desk 直接相关

3.5. 策略拆解（必填）

  1. 每根 15m bar 计算 abs(ret_BTC_{t-1}) 或 cross-market avg abs lag return
  2. 只有当其落在高分位（如 top 30%）时才生成信号
  3. 用 rolling regression / LASSO / PCA 对每个 alt 预测 ret_{t}
  4. long 预测值最高的一组，short 最低的一组

4. 可复刻的最小实验

数据源与公开性：

第一版最小回测口径：

  1. avg gross bps per rebalance
  2. break-even round-trip cost
  3. hit rate
  4. coefficient / rank stability

5. 下一步怎么测

  1. 把 train/test 改成 rolling walk-forward：这轮只是 admission 级一刀切；下一步应做 30d/45d train + 7d/14d test 的滚动更新。
  2. 把 hold 从 15m 扩到 30m/45m：当前 +2.17 bps 的 shock-pocket 毛边还不够 taker；需要确认更长持有是否能把 diffusion 留出来。
  3. 把 shock 分成正/负两侧：BTC 大涨后 与 BTC 大跌后 的 alt 传导很可能不对称，别用同一套系数硬混。
  4. 把 gate 从纯价格 shock 升级成“价格 shock × crowding / funding / OI”：论文里 event/common-shock days 更强，desk 化时应把“只是大波动”与“带 crowding 的大波动”分开。
  5. 做 sector-neutral 与 liquidity-neutral 版本：防止策略其实只是在吃 meme/高 beta 板块暴露，而不是纯 lag ranking edge。

6. 风险与保留意见

7. 来源

  1. Guo, L., Sang, B., Tu, J., & Wang, Y. (2024). _Cross-cryptocurrency return predictability_. Journal of Economic Dynamics and Control, 163, 104863.
  1. Binance Developers. USDⓈ-M Futures API – Kline/Candlestick Data.

8. 本地产物