← 返回 Quant Digests · 站点首页

别把跨链负 spillover 只读成宏观相关性：这篇 2026 新论文更该先测的是「leader-chain attention shock → long leader / short rival basket」raw alpha

• 时间：2026-03-26 01:38 UTC
• 类型：2026 arXiv 新论文（全文 PDF 可读）+ Binance Futures 公共 15m 最小快检
• 主题类型：raw alpha
• 基础 alpha：当某条链的代表币在短时间内出现“收益冲击 + 成交放大”的 attention shock，资金更像先集中追逐 leader，而不是全体链币同步等幅上涨；对 desk 最可交易的翻译是做 long leader / short rival basket 的 relative-value spread，而不是裸空 rivals
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是
• 主题标签：raw-alpha/relative-value/cross-chain/attention-spillover/leader-laggard/spread/momentum/market-neutral/eth/sol/bnb/avax/arb/binance/perpetual/15m/5m/paper/external-data
• 证据类型：论文全文证据 + 本地公共数据快检

> 先回答 base alpha：这是 raw alpha，不是 filter。 它的本体不是“提醒你最近哪条链热”，而是：当一条链出现 attention shock 时，做多 leader、做空 rival-chain basket，赚的是跨链资本再配置带来的相对收益差。

1. 这次看了什么

主线来源是：

1. Mengzhong Ma, Te Bao, Yonggang Wen (2026), _One Rising Ship Sinks Other Ships: Cross-Chain Negative Spillovers in Crypto Markets_, arXiv
2. 论文全文 PDF（关键在 Table 4 / 6 / 7 / 8 的线性与非线性结果）
3. Binance USDⓈ-M Futures 公共 15m K 线最小快检（把论文里的“跨链 attention-driven substitution”翻译成 desk 可跑的短周期 spread）

这轮值得 intake，不是因为“跨市场传染/联动”这件事新鲜，而是因为：

• 我们最近已经收了不少 pairs / stat-arb / cross-sectional / carry；
• 但 “跨链资本轮动” 这条 raw alpha 还没有以一个干净、可执行的骨架进入池；
• 更重要的是，这篇 2026 新论文给的不是泛泛的相关性故事，而是很明确的一句话：crypto 不只会共振，也会因为 attention reallocation 出现负 spillover。

对短周期 desk，最值钱的翻译不是复刻论文的 half-day on-chain factor model，而是把它压缩成一句交易话：

> 谁在短时间里变成“全市场最受关注的链”，谁就更可能继续相对强；被它抢走注意力和资金的 rival chains 更可能相对落后。

2. 核心结论

• 一句话核心结论： 这篇 2026 新论文最适合 desk 的不是“链间负相关”这个学术 headline，而是 attention shock 之后的跨链 relative-value spread：long leader / short rival basket。
• 一句话证明方式： 作者用 Ethereum / Solana / BSC / Arbitrum / Avalanche 五条链上 2022-04-28 ~ 2025-03-31 的 on-chain 资产组合，做 线性 + 非线性 factor models，发现某条链资产大涨、链活动/极端收益冲击上来时，其他链资产更容易承受负 spillover。

3 个关键数据点

1. 论文不是讲单一 token，而是讲链级别市场组合。 作者把五条链都构造成 market-cap weighted chain portfolios，频率是 half-day UTC，样本覆盖 2022-04-28 ~ 2025-03-31（含 Arbitrum 的规格多用 2023-03-17 ~ 2025-03-31）。
2. 负 spillover 在控制市场因子后依然存在，而且 attention shock 时更强。 论文写得很直白：

• Table 4：加入全球股市/利率控制后，negative return spillovers become even more pronounced；
• Table 6 / 7：当其他链更吸引注意力时，负 spillover 更强；例如 BSC 对 Arbitrum attention 的条件系数 β31 = -0.204；更严格规格下 Avalanche 在 Arbitrum 更受偏好时 β42 = -1.368；
• Table 8：极端上涨事件更像 trigger。比如 Ethereum 投资者会在 Solana / Arbitrum 极端上涨时卖出本链资产，对应 β13 = -0.464（Solana 极端上行）、β33 = -0.901（Arbitrum 极端上行）。

1. 本地 Binance 15m 代理快检给出的可交易结论不是“裸空 rivals”，而是“做 spread”。 我用 ETH / SOL / BNB / AVAX / ARB 五个链代表币做最小代理，定义过去 4×15m=1h 的 leader shock：

• 若 leader past-1h return z-score ≥ 2.0、1h quote-volume / 自身 4 日中位数 ≥ 1.5、且 相对第二名领先 ≥ 1.5%，样本里有 423 次事件；
• 此时 未来 4 根 15m 的 long leader / short rival basket 平均 spread = +0.8701%（87.0 bps），胜率 69.98%；
• 但 裸空 rival basket 本身平均是 -0.2677% 的收益（也就是 short rivals 会亏），说明 desk 应该交易 relative-value continuation，而不是硬赌“其他链绝对下跌”。

3. 为什么和当前项目有关

3.1 它补的是一条目前素材池里还不够干净的 raw alpha

我们已经有：

• BTC → alt delayed follow-through
• ETF → BTC lead-lag
• theme basket leader→follower spread
• 多条 pairs / stat-arb / carry / basis

但这条的独特性在于：

• 它不是同一链内的 leader-follower；
• 也不是同币跨所价差；
• 它是 跨链生态之间的 attention substitution。

也就是说，它更像一个 ecosystem-level relative-value lane。

3.2 它还能把“外部链活动数据”降级成可选增强，而不是主依赖

论文里真正的 attention proxy 包括：

• 链活动变量
• native token return
• extreme return dummies

但对 desk 来说，第一轮不需要先把所有 on-chain activity 管道都搭完。只用 链代表币的价格冲击 + 成交放大，就能做出最小实验。这样它不是“数据工程大项目”，而是一条今天就能压进复现队列的 raw alpha baseline。

3.3 它帮我们修正一个常见误读

如果只读论文 abstract，很容易把它写成：

• “某条链暴涨，其他链会跌”

但本地 tradable proxy 告诉我们更诚实的版本是：

• leader 更强；rivals 更弱；但 rivals 不一定绝对下跌。

所以最值得进池的不是 naked short，而是 market-neutral spread。

4. 策略拆解（必填）

• 方向属性：relative-value / cross-chain / short-horizon momentum-spread
• 基础 alpha：leader-chain attention shock 之后，leader 在接下来 1h 内继续相对跑赢 rival-chain basket
• 更像：cross-chain leader continuation spread，不是单腿 directional 追涨，也不是经典均值回归 pairs
• regime：
• 更可能在 attention dispersion 高、单链 narrative 很强、成交集中迁移 的窗口里成立；
• 若全市场是统一 risk-on / risk-off，大概率会被 beta 共振淹没。
• filter / veto：
• 只在 past-1h leader shock z-score 足够高时交易；
• leader 必须伴随 volume expansion，否则只是普通相对强弱；
• 若 BTC 在同窗出现极端趋势 bar，可加一层 btc_event_veto，防止把“全市场 beta 推升”误判成跨链 substitution。
• risk / sizing / execution overlay：
• 组合默认 dollar-neutral；
• long 1 leg + short 2~4 rival legs，short 侧可按流动性或 inverse-vol 分配；
• gross exposure 建议先从 1.0x long / 1.0x short 开始；
• per-leg participation cap、资金费率检查、单腿异常滑点 veto 必须写进执行层。

5. 可复刻的最小实验

研究假设

当一条链代表币在过去 1h 里成为显著 leader，且同时伴随放量，这更像 attention shock，而不是普通随机波动；此时最该测的不是“其他链会不会马上大跌”，而是 leader vs rival basket 的未来 1h spread。

一个可计算定义（本轮已快检）

Universe：ETHUSDT / SOLUSDT / BNBUSDT / AVAXUSDT / ARBUSDT

每个 15m bar 收盘时：

1. 计算每个代表币过去 4 根 15m 的累计收益 ret_4；
2. 找出当前 leader = argmax(ret_4)；
3. 计算 leader 自身的 shock 强度：

• lead_z = (ret_4 - rolling_mean_384) / rolling_std_384
• vol_ratio = past-1h quote volume / rolling_median_384

1. 只在以下条件开仓：

• lead_z >= 1.5 或更严格 >= 2.0
• vol_ratio >= 1.5
• leader ret_4 - second ret_4 >= 1.0%~1.5%

1. 持有未来 4 根 15m：

• 主版本：long leader / short equal-weight rivals
• 对照版本：short rivals only

本轮 public-data 快检结果

样本：2025-01-01 ~ 2026-03-25，Binance USDⓈ-M Futures 公共 15m K 线

1. 全样本无门槛（42,716 个 15m 观察点）：

• long leader / short rivals 平均未来 1h spread = +14.40 bps
• 胜率 = 61.04%

1. attention-shock 版本：lead_z >= 1.5、vol_ratio >= 1.5、lead_gap >= 1.0%

• 事件数 = 954
• 平均未来 1h spread = +63.30 bps
• 胜率 = 68.24%

1. 更强 shock 版本：lead_z >= 2.0、vol_ratio >= 1.5、lead_gap >= 1.5%

• 事件数 = 423
• 平均未来 1h spread = +87.01 bps
• 胜率 = 69.98%
• 但 rival basket 自身未来 1h 平均仍是 +26.77 bps，所以 short rivals only 不诚实，spread 才是对的

leader 分解（z>=1.5 & vol>=1.5 & gap>=1.0%）

• SOL 作为 leader：平均 spread +83.27 bps，胜率 71.67%
• ETH 作为 leader：平均 spread +89.47 bps，但仅 34 次事件，样本少
• ARB 作为 leader：平均 spread +64.53 bps
• AVAX 作为 leader：平均 spread +51.99 bps
• BNB 作为 leader：平均 spread +49.18 bps

6. 风险与保留意见

• 论文本身是 half-day on-chain chain-portfolio 研究，不是直接为我们验证过 15m perp spread；所以本轮只是 transfer candidate，不是“论文已直接帮我们实盘背书”。
• 本地最小快检用的是 5 个大链代表币，而不是论文里的全链上资产组合，实际上是一个 proxy of proxy。好处是易交易，坏处是生态代表性有限。
• 快检说明了一个很重要的坑：不要把“negative spillover”误读成“rivals 一定绝对下跌”。 在 Binance perp 上，更靠谱的是 leader relative outperformance。
• 这条线天然会和 市场 beta / narrative event / listing news / airdrop 混在一起；若不加 BTC 或 total-market beta 过滤，可能只是在做单腿追强。
• 多腿 spread 虽然毛边厚，但也更吃执行：腿数越多，滑点、资金费率、仓位同步、借币/合约可交易性就越重要。

7. 下一步怎么测

1. 先把 5-leg 代理压缩成 3-leg 交易版。 只保留流动性最好的 ETH / SOL / BNB / AVAX，做 1 long + 2 shorts，看看 net of realistic cost 还能剩多少。
2. 补 beta-hedged honesty test。 对主 spread 回归 BTCUSDT 与 crypto market proxy，确认赚的不是简单 beta continuation。
3. 把 15m→15m 扩成 5m signal / 15m execution。 5m 负责更早发现 leader shock，15m 负责降频执行，测试能否保留边同时减少换手。
4. 显式接入公开链活动数据。 第二轮再加 DefiLlama / Artemis / Dune / Coingecko on-chain activity proxies，测试 price-shock only vs price + activity 谁更好。
5. 检查事件拥挤窗口。 按 token launch / airdrop / upgrade / meme narrative 爆发日分层，看这条线到底是常态 alpha，还是只在高 attention dispersion 日特别厚。

8. 来源

1. Ma, M., Bao, T., & Wen, Y. (2026). _One Rising Ship Sinks Other Ships: Cross-Chain Negative Spillovers in Crypto Markets_. arXiv.

• Authors: Mengzhong Ma, Te Bao, Yonggang Wen
• Year: 2026（paper 内部日期 Sep 17, 2025；arXiv v1 发布于 2026-02-27）
• Venue: arXiv / q-fin.PR
• DOI: 10.48550/arXiv.2602.23762
• Readable URL: https://arxiv.org/abs/2602.23762
• PDF URL: https://arxiv.org/pdf/2602.23762v1.pdf
• Repo URL: N/A

1. Binance Developers – USDⓈ-M Futures Kline/Candlestick Data

• Readable URL: https://developers.binance.com/docs/derivatives/usds-margined-futures/market-data/rest-api/Kline-Candlestick-Data

9. 外部数据说明（若后续做增强版）

• 论文主要依赖的外部数据：链级 on-chain 资产价格、native token returns、staking reward rates、极端收益 dummy
• 公开性：公开可得（论文使用 Coingecko API、链上数据、全节点/QuickNode 重建等路径）
• 更新频率：论文主回归是 half-day UTC；对 desk 的最小实验可先降级成 代表币价格 + 成交量的 15m/5m proxy
• 最小可复现实验口径：
• 不依赖私有数据
• 先用 Binance perp 的链代表币代理 attention shock
• 第二轮再把链活动变量作为 filter / state enhancement 接回去

10. 本地产物

• research/quant_digests/2026-03-26_0138_cross-chain-attention-spread-alpha.md
• reports/artifacts/quant_digests/cross_chain_negative_spillover_20260326/summary.csv
• reports/artifacts/quant_digests/cross_chain_negative_spillover_20260326/leader_breakdown.csv
• reports/artifacts/quant_digests/cross_chain_negative_spillover_20260326/event_panel.csv
• tmp_cross_chain_negative_spillovers_2026.pdf
• tmp_cross_chain_negative_spillovers_2026.txt