← 返回 Quant Digests · 站点首页

别把大币 lead-lag 继续读成“山寨跟涨”：这篇 2023 JEmpFin 更该先测的是「large-cap shock → alt basket 反向 seesaw」5m raw alpha

• 时间：2026-03-26 15:55 UTC
• 类型：2023 Journal of Empirical Finance 论文（IDEAS/RePEc 摘要 + 搜索结果摘要交叉）+ Binance Futures 公共 5m/15m 最小 transfer check
• 主题类型：raw alpha
• 基础 alpha：大币先动后，小币不一定“跟着同向补动”，反而更可能出现反向 seesaw。 对 desk 最可复现的第一版，不是做复杂 LASSO 黑箱，而是做 BTC+ETH 5m leader shock -> 反向交易高流动性 alt basket。
• 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/cross-sectional/relative-value/negative-leadlag/seesaw/large-vs-small/alt-basket/market-neutral/5m/15m/binance/perpetual/paper
• 证据类型：摘要级论文证据 + 本地公共数据快检

> 先回答 base alpha：这不是 filter，也不是“市场结构解释层”。base alpha 就是“大币上一根短周期冲击，对下一根/接下来几根小币收益有反向预测力”，可直接写成 cross-sectional / relative-value raw alpha。

1. 这次看了什么

主来源是：

• Yuecheng Jia, Yangru Wu, Shu Yan, Yuzheng Liu (2023), _A seesaw effect in the cryptocurrency market: Understanding the return cross predictability of cryptocurrencies_, Journal of Empirical Finance, DOI: 10.1016/j.jempfin.2023.101428

从目前能公开抓到的摘要信息看，这篇东西最值钱的不是“又一篇 lead-lag 文献”，而是它明确说：

• crypto 的 intraday cross-predictability 不是股票里常见的正向 lead-lag；
• 恰恰相反，它更像 negative lead-lag / seesaw；
• large coins negatively predict other coins，而 small coins 很少反过来预测 large coins；
• 作者用 LASSO 做可交易信号，且摘要明确写到：across major exchanges、在 realistic transaction costs 下仍有显著利润。

这对当前 desk 的价值非常直接：

• 我们最近 intake 里已经有不少 正向跟涨 / delayed follow-through 的 lead-lag；
• 这篇补的是另一面：leader 冲击后，follower 更适合反着做；
• 所以它不是重复讲“BTC 先动、alts 后动”，而是在 raw alpha 池里补上一条 negative propagation / relative-value 分支。

2. 核心结论

一句话核心结论

别默认 BTC/ETH 一冲，alts 下一拍就同向补涨补跌；在这篇 2023 JEmpFin 的读法里，更值得先测的是“大币冲击后的 alt 反向 seesaw”。

一句话它怎么证明

摘要级证据给出的论点很清楚：

1. 大币对小币存在负向 intraday cross-predictability；
2. small 对 large 的反向预测力弱得多；
3. 用稀疏模型（LASSO）把这种 cross-predictability 落成交易策略，在主要交易所、含现实交易成本后仍显著。

这轮最该记住的 4 个数字

1. 本地 5m follower-only 快检（近 90d，Binance USDⓈ-M，leaders=BTC+ETH，followers=SOL/XRP/DOGE/ADA/LINK）：如果每根都做 followers <- opposite(sign(leader_{t-1}))，平均只有 +0.33 bps / rebalance，不够惊艳，但方向是对的。
2. 只保留 leader shock top 20% 的 5m bars，下一根 follower basket 反向收益提高到 +0.53 bps；若持有 3 根 5m（=15m），升到 +1.64 bps，hit rate 53.9%。
3. top 10% 更极端 shock 没继续变强：1-bar +0.58 bps、3-bar +1.43 bps。说明这条线更像“高波动 pocket 里的扩散/回摆”，不是越极端越好。
4. 15m 迁移直接翻负：top 20% 的 15m leader shock 下，followers 反向做法反而是 -1.45 bps；top 10% 是 -1.80 bps。所以这条线当前应优先归档为 5m raw alpha，不是 15m 主策略。

3. 为什么和当前 desk 直接相关

• 它是 raw alpha，不是解释文。
• 它补的是当前更缺、也更值得持续扩充的 relative-value / cross-sectional / stat-arb 素材池。
• 它和最近已有的正向 leader-follower intake 最大区别在于：
• 不是 leader up -> follower 也 up；
• 而是 leader shock -> follower 更容易 opposite move。
• 这点对实盘拆解很重要：
• 你不必再把所有 leader shock 都接成 trend / continuation；
• 同一个事件 pocket，可以分成 follow-through pocket 和 seesaw pocket 两条互斥 raw alpha 线。

更具体地说，这条线最适合服务于：

1. alt basket 相对值：long/short followers；
2. leader-vs-follower spread：leader 只做 hedge，不必当 alpha 本体；
3. 现有正向 lead-lag 家族的 veto/branch selector：同样是 BTC/ETH 冲击，哪些场景该追、哪些场景该反，不能永远只押一边。

3.5. 策略拆解（必填）

• 方向属性：cross-sectional / relative-value / negative lead-lag
• 基础 alpha：large-cap leader shock 对 follower basket 的未来短周期收益有反向预测力
• regime：优先只在 |leader 5m return| 处于滚动高分位时开机
• filter / veto：
• 只做高流动性、可稳定双边交易的 perp
• 避开上新币、异常 funding、极端事件分钟
• follower 篮子里剔除过度同质化或单币成交深度不足标的
• risk / sizing / execution overlay：
• 第一版 followers 等权；第二版再测 inverse-vol
• 单币权重上限、单侧 notional cap、单次事件最大风险预算
• 优先 maker/TWAP，避免把本来就偏薄的 edge 全部交给 taker
• entry：

1. 每根 5m 计算 leader composite：ret_{BTC, t-1} 与 ret_{ETH, t-1} 的等权平均
2. 若 |leader_ret| 落在过去 30d 滚动样本 top 20%（首轮建议），生成信号
3. 对 follower basket 做 signal = -sign(leader_ret)
4. 第一版可直接等权做 basket；第二版再按历史 seesaw 系数排序，挑最强反应者

• exit：
• 第一优先先测 持有 3 根 5m（15 分钟）
• 对照组：1 bar / 2 bars / 6 bars

4. 可复刻的最小实验

数据源与公开性

• 数据源：Binance USDⓈ-M Futures Klines
• 公开性：公开可得，无需 API key
• 更新频率：5m / 15m
• 本轮 transfer-check universe：
• leaders：BTCUSDT, ETHUSDT
• followers：SOLUSDT, XRPUSDT, DOGEUSDT, ADAUSDT, LINKUSDT

第一版最小实验口径

• signal bar：5m
• predictor：leader_prev = mean(ret_BTC, ret_ETH)_{t-1}
• pocket：只保留 abs(leader_prev) 位于滚动样本 top 20% 的 bars
• portfolio A：followers 等权、方向为 -sign(leader_prev)
• portfolio B：follower basket - leader basket 的对冲 spread（用来验证 alpha 是否真的在 follower 腿）
• hold：1 / 2 / 3 / 6 根 5m
• 先看 4 个指标：

1. avg gross bps per rebalance
2. hit rate
3. best holding window
4. follower-only vs spread hedge 哪个更厚

这轮本地快检结果

#### 4.1 follower-only（近 90d, 5m）

• all bars：+0.33 bps / 1 bar，hit rate 51.4%
• top 20% leader shock：+0.53 bps / 1 bar，hit rate 52.9%
• top 20% leader shock + hold 3 bars：+1.64 bps / trade，hit rate 53.9%
• top 10% leader shock + hold 3 bars：+1.43 bps / trade，hit rate 53.5%

#### 4.2 spread-hedged（follower basket - leader basket）

• top 20% leader shock + hold 3 bars：+0.88 bps
• 比 follower-only 明显更薄，说明这条 edge 当前更像 followers 自身的反向 pocket，而不是简单 leader-follower 配对就能放大。

#### 4.3 单币 follower（top 20% leader shock, hold 3 bars）

• LINKUSDT: +2.13 bps, hit 53.7%
• ADAUSDT: +2.04 bps, hit 52.3%
• DOGEUSDT: +2.02 bps, hit 54.2%
• XRPUSDT: +1.78 bps, hit 54.6%
• SOLUSDT: +1.59 bps, hit 53.0%

#### 4.4 15m 为什么先不做

• all bars：-0.33 bps / 1 bar
• top 20% leader shock：-1.45 bps / 1 bar
• top 10% leader shock：-1.80 bps / 1 bar

这说明同一主题别硬泛化：当前最诚实的 desk 读法是“5m 上有 pocket；15m 上先别装它活着”。

5. 下一步怎么测

1. 把 equal-weight basket 升级成 ranking 版：先用过去 30d/45d 的滚动回归或 LASSO，估每个 follower 对 leader shock 的 seesaw 系数，只做最强的 2~3 个币。
2. 把 pocket 从纯 |leader_ret| 升级成 leader shock × market breadth / funding / OI：这条线很可能只在“leader 抽血、小币承压”的 crowding 状态才最强。
3. 分开测正 shock 与负 shock：BTC/ETH 大涨后 alt 回落 与 BTC/ETH 大跌后 alt 反抽 很可能不对称，别继续混在一起。
4. 测 execution honesty：当前 +1.64 bps gross 仍偏薄，必须直接测 maker 参与率、盘口厚度、实际可成交滑点；否则只能先当 research alpha，不该急着升成 taker 策略。
5. 和已有正向 lead-lag 家族做冲突测试：同一 leader shock pocket，到底什么时候该做 follow-through，什么时候该做 seesaw，这是这条线真正的 desk 价值。

6. 风险与保留意见

• 论文侧我目前拿到的是 摘要级证据，足够确认“negative lead-lag + LASSO 策略 + cost 后仍显著”这三个主结论，但不够支撑更细的样本/参数细节；所以这篇 digest 必须诚实地写成 摘要级论文 + 本地 transfer check。
• 本地快检说明这条线 不是 taker 圣杯：5m top20 pocket + hold 3 bars 只有 +1.64 bps gross，如果执行粗糙，很容易被吃掉。
• 目前更像 follower-only edge，hedged spread 版并没有更强，所以别急着把它过度工程化。
• 15m 已经明显翻负，说明这条线不能被偷换成“适用于所有短周期”。当前应先锁定 5m / 15m持有窗口 的版本，而不是 15m signal bar 版本。

7. 来源

1. Jia, Y., Wu, Y., Yan, S., & Liu, Y. (2023). _A seesaw effect in the cryptocurrency market: Understanding the return cross predictability of cryptocurrencies_. Journal of Empirical Finance, 74, 101428.

• DOI: 10.1016/j.jempfin.2023.101428
• Readable URL: https://www.sciencedirect.com/science/article/pii/S0927539823000956
• IDEAS/RePEc 摘要页: https://ideas.repec.org/a/eee/empfin/v74y2023ics0927539823000956.html
• Repo URL: 未见作者官方开源代码

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

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

8. 本地产物

• reports/artifacts/quant_digests/crypto_seesaw_20260326_1548/transfer_summary.csv
• reports/artifacts/quant_digests/crypto_seesaw_20260326_1548/per_follower_h3.csv
• reports/artifacts/quant_digests/crypto_seesaw_20260326_1548/meta.json

9. 当前 verdict

值得进研究池，而且应按 raw alpha 记账；但当前最诚实的版本不是“15m 大币带 alt 同向”，而是“5m large-cap shock 之后，优先去找 alt basket 的反向 seesaw pocket”。