← 返回 Quant Digests · 站点首页

别把跨币传染继续只写成“谁先拉谁后跟”：更该先测的是「same-community 均值信号」横截面 raw alpha

• 时间：2026-03-26 22:18 UTC
• 类型：论文（arXiv，全量正文可读）
• 主题类型：raw alpha
• 基础 alpha：同一社区内“其他币”的滞后平均收益，对该币下一期收益有横截面预测力（within-community lagged-return spillover）
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：否
• 主题标签：raw-alpha/cross-sectional/relative-value/network/community/lead-lag/inter-crypto-momentum/mean-signal/ranking/crypto/15m/5m/paper
• 证据类型：论文证据（全文源码可读）

1. 这次看了什么

这次看的是 Li Guo, Wolfgang Karl Härdle, Yubo Tao (2021) 的 arXiv 论文 *A Time-Varying Network for Cryptocurrencies*。

它最值得 desk 拿来试的，不是整套复杂 network science 叙事，而是里面那条能单独站住的 raw alpha：

> 先把币按“同社区”分组，再看某个币同社区其他币的刚发生收益；这个组内均值越强，该币下一期越容易继续跟。

这比继续把跨币 alpha 只写成“BTC 一冲，alts 跟一下”更有价值，因为它给的是横截面可排名、可做 long-short、可直接变成篮子交易的信号，不依赖单一 leader coin。

2. 核心结论

• 一句话核心结论： 真正可交易的不是“网络图长得漂亮”，而是same-community 的滞后收益扩散本身能做横截面排名 alpha。
• 一句话它怎么证明： 作者先用回报交叉预测 + 技术相似性估计动态社区，再做“社区内其他币平均收益 → 下一期收益”的分组排序组合，检验是否有单调收益与持续漂移。
• 样本来自 2016-01-01 ~ 2018-12-31，起点是市值前 400 币，筛完后保留 182 个币。
• 论文的 one-day-ahead 结果很硬：Winner 组下一日平均收益 1.14%，Loser 组 0.06%，Winner-Loser long-short 为 1.08%/day，t=12.24。
• 排名是单调的：四分位从 Loser 到 Winner 依次是 0.06% / 0.38% / 0.75% / 1.14%，说明这不是只靠极端样本撑起来。
• 2~7 天后没有立刻强反转，后续组合收益大致在 0.05% ~ 0.16% 间徘徊，说明它更像信息扩散延续，不是隔日噪声回补。

3. 为什么和当前项目有关

• 当前 digest 池里已经有不少 single leader / common shock / pairs z-score，但还缺一个“社区内横截面排名”的裸骨架。
• 这条思路天然属于 cross-sectional / relative value，能补足近期偏 trend / pairs / funding 的素材池结构。
• 它还能把 network 这层从“解释学”压回“可下单规则”：社区只是分桶器，真正下单的是组内 lagged-return score。

3.5 策略拆解（必填）

• 方向属性：横截面 / 相对价值 / long-short
• 基础 alpha：同社区其他资产的滞后收益均值，对本资产下一期收益的扩散预测
• regime：无强单独 regime 设定；社区结构本身随时间滚动更新
• filter / veto：只在 liquid universe 内做；可加最小成交额 / funding 异常 veto
• risk / sizing / execution overlay：原文只给等权 long-short 排名组合；成本、仓位和持有期治理需我们自己补

4. 可复刻的最小实验

• 研究假设： 在 15m/5m crypto perpetual 上，若把币先分成 rolling same-community，小币对“组内其他币刚发生的收益”会有 1~3 bar 的滞后跟随。
• 数据源 / 公开性： Binance Futures 公共 OHLCV 可拿；社区标签可用公开价格数据滚动估计，不依赖私有数据。
• 最小口径：

1. universe 先用 top 20~40 liquid USDT perps；
2. 用过去 10~30 天 15m 收益构建简化 lead-lag/相关图，月内或周内更新一次 community；
3. 对每个币算 score_i(t) = mean(r_j(t-1), j∈same-community, j≠i)，做横截面分位排序；
4. 下一根 15m 开盘 long top quantile、short bottom quantile，持有 1 / 2 / 3 根，做等权与 vol-scaled 两版；
5. 成本先上 4/8/12 bps 梯度，并记录 turnover、post-cost return、positive-day ratio。

• 下一步怎么测： 第一轮不要复刻论文的 adaptive Lasso + 技术协变量全套；先做 same-community mean score vs 全市场均值 score vs 无 community 的 leader-lag score 三组 honest A/B，回答“community 分桶到底有没有给 short-cycle alpha 带来增益”。

5. 风险与保留意见

• 论文证据是日频现货大样本，不是直接在 5m/15m perpetual 上验证过；short-cycle 映射后可能被成本打穿。
• 原文的社区识别较重（adaptive Lasso + 技术相似性 + 动态谱聚类），desk 第一轮必须先用轻量代理验证，不然研究成本过高。
• 若结果只在大波动共同冲击时成立，那它更像 event-pocket cross-sectional alpha，不是 all-day 常开主信号。
• 原文没有给公开 repo，完整复刻的工程摩擦会高于“有代码仓”的候选。

6. 来源

1. Guo, L., Härdle, W. K., & Tao, Y. (2021). _A Time-Varying Network for Cryptocurrencies_. arXiv preprint.

• Venue: arXiv / working paper
• DOI: <https://doi.org/10.48550/arXiv.2108.11921>
• Readable URL: <https://arxiv.org/abs/2108.11921>
• PDF: <https://arxiv.org/pdf/2108.11921.pdf>
• Source archive: <https://arxiv.org/e-print/2108.11921>
• Repo URL: N/A（未见作者公开代码仓）

1. Menzly, L., Ozbas, O., & Ozdagli, A. (2010). _Market Segmentation and Cross-predictability of Returns_. Journal of Finance.

• DOI: <https://doi.org/10.1111/j.1540-6261.2010.01580.x>
• Readable URL: <https://onlinelibrary.wiley.com/doi/10.1111/j.1540-6261.2010.01580.x>