← 返回 Quant Digests · 站点首页

别把 BTC→ALT lead-lag 继续写成泛泛“山寨会跟”:这篇 2026 开放获取论文更该先测的是「低成交 laggard 的 1~3 分钟 delayed catch-up」完整 raw alpha

更新时间:2026-03-27 03:18 UTC 研究时间:2026-03-27 03:16 UTC 类型:2026 Asia-Pacific Financial Markets 开放获取论文(全文 PDF 可读)+ Binance Spot 公共 `1m` 本地 quick check 主题标签:raw-alpha/cross-crypto/lead-lag/liquidity-delay/trade-count/isi/laggard-ranking/relative-value/stat-arb/btc/alt/1m/3m/5m/15m/binance/paper/external-data 证据类型:开放获取论文证据(全文 PDF 可读)+ 本地公共数据快检

源文件:research/quant_digests/2026-03-27_0316_btc-alt-liquidity-ranked-delay-alpha.md

1. 这次看了什么

先回答 base alpha:不是“BTC 带 alt”这句老话;真正能进研究池的是——当 BTC 先动时,哪些低成交 alt 在当分钟明显欠反应,并在接下来 1~3 分钟补动。这个“欠反应 → catch-up”本身就是可做的 raw alpha。

主材料是:

这篇东西值得写,不是因为我们缺第 N 篇 lead-lag,而是因为它给了一个比“谁先动谁后跟”更 desk 化的切口:

  1. 它把 delay 和 liquidity 直接绑在一起。 不是所有 alt 都慢,而是 低 trade count 的 alt 更容易慢。
  2. 它直接给了完整交易框架。 不是只做相关性分析,而是继续往下做了 entry / hold 的 LightGBM 决策、阈值搜索、手续费入账、样本外比较。
  3. 它天然贴近 1m / 3m 论文主口径就是 1m,并且明确写到大中市值币基本同步,真正留下 pocket 的是小币、低成交币、滞后几分钟的那一层。

这正好符合当前 desk 的 intake 偏好:继续补 可独立复现、能直接写成完整策略 的 raw alpha,而不是继续把 cross-market 题材只当 shared gate 或解释层。

2. 核心结论

这轮最关键的 8 个数据点:

  1. 数据频率: 全文主分析使用 Binance 公共 1m 数据
  2. 大样本 liquidity 假设检验: Bull regime 覆盖 369 个币,Bear regime 覆盖 381 个币。
  3. trade count 与即时响应 ISI 的相关性: Bull 为 0.561,Bear 为 0.483;两边 t 值分别 12.987 / 10.740,p 值都 < 1e-16。翻成人话:成交越活跃,越同步;成交越稀,越容易慢半拍。
  4. Granger 因果方向: 文中纳入的所有 ALT 对,BTC(t-1) -> ALT(t) 都在 5% 水平显著;例如 Bull regime 下 BTC→GNO 的 F 统计量 2109.444BTC→QKC 为 706.515
  5. 反向因果大多不成立: 大部分 ALT -> BTC 不显著,说明这条线不是“大家互相拖动”,而更像 BTC 单向向外扩散
  6. VAR 结果: 小币里 QKC / PIVXBTC(t-1) 的回归系数都在 0.1+;而大/中市值币大多只有 0.05 以下
  7. 交易成本假设: 论文把手续费设为 0.02% 单边,高于 Binance 文中给出的最低可行水平 0.0175%,算是偏保守。
  8. 阈值搜索结果: 最优 hold threshold 在不同 regime 下都落在 -0.0001entry threshold 在 Bull/Crash 为 0.0000、Sideways 为 0.0001。翻成人话:更优的是“容易进、谨慎出”,而不是每根一分钟都来回翻。

论文附录给出的样本外累积收益对比也挺直接:

2.5 这次最值钱的 desk 读法

如果只是照抄 headline,这篇会被读成“BTC 对 alt 有高频传导”。这没什么意义。

更值得 desk 拿走的 side branch 是:

把“是否值得交易”从资产类别判断,改成“当下这只 alt 的 trade count / immediate sensitivity 是否足够差”,只在最慢的 laggards 上出手。

也就是:

这比最近若干篇“leader 先动,basket 后动”的主题更具体,因为它多了一个 谁更慢 的可量化排序轴。

3. 为什么和当前项目直接相关

3.5 策略拆解(必填)

  1. 计算 BTC 过去 1m return
  2. 只在 |ret_BTC| 处于滚动高分位时开信号(比如过去 3~7 天的 top 5%~10%)
  3. 对每只 alt 计算 underreaction_score = beta_i * ret_BTC - ret_ALT_current
  4. 再乘一层 laggard_score(如 trade count 低分位 / 低 ISI / 历史 lag 稳定度)
  5. long 同向欠反应最明显的 laggards;若做 market-neutral,则 short β·BTC 或做最弱 vs 最快的 long-short pair

4. 本地 quick check:Binance Spot 最近 3 天 1m transfer

为了避免完全停在 paper 里,我补了一个最小快检:

3 个最关键结果:

  1. log(trade_count_total)ISI_proxy 的相关系数是 0.881 这和论文 H2 的方向完全一致:越活跃越同步,越冷门越慢。
  2. 高流动性币几乎同步: ETHUSDTcorr0 = 0.894,而 corr_lag1 = -0.021XRPUSDTcorr0 = 0.797corr_lag1 = 0.018
  3. 低流动性币更像 delayed pocket: QKCUSDTcorr0 = 0.024corr_lag1 = 0.100CITYUSDTcorr0 = 0.020corr_lag1 = 0.070BIFIUSDTcorr0 = 0.052corr_lag1 = 0.100。这说明 有些币不是“不跟”,而是“当分钟不跟、下一分钟才补”。

这轮 quick check 的意义不在于直接证明可交易净值,而在于先回答一个 admission 级问题:论文说的“低 trade count → 更慢”在最近 Binance 公开数据上是不是还活着?目前看,方向是活的。

本地产物:

5. 可复刻的最小实验

公开性 / 数据源 / 更新频率:

第一版最小实验建议:

  1. BTC 1m return 超过滚动分位阈值
  2. alt current-minute return 同向但反应不足,或完全未反应
  3. trade_count 位于该币自身滚动低分位,或该币历史 lag score 较差
  1. avg gross bps / trade
  2. break-even round-trip cost
  3. hit rate
  4. delay persistence by liquidity bucket
  5. capacity proxy = signal count × median trade_count

6. 下一步怎么测(必须)

  1. 先把 universe 分桶,不要上来全市场。 这篇 paper 最大价值就在 liquidity layering;下一步应先按 trade_count 分五档,看 edge 是否只活在最慢一两档。
  2. 把“低 liquidity”从静态标签改成动态标签。 同一只币在不同时间段 trade count 差别很大;实盘更该用 rolling trade_count percentile,而不是永远写死“小币名单”。
  3. 优先验证 1m -> 2m/3m,不要先跑 15m 如果 3m 内都没钱,说明这条线已经降级成 paper edge;若 1m 太快、5m 还残留,再考虑 bar 化。
  4. 把方向版和对冲版分开测。 很多“看起来赚钱”的结果,最后只是 BTC beta 跟涨,不是独立 alpha;所以必须比较 裸做 alt vs long alt / short β·BTC
  5. 把成本分成两层。 一层是统一交易费,另一层是小币冲击 / 点差;如果只有在忽略 impact 时才盈利,这条线只能留在素材池。
  6. 做 ETH 作为替代 leader 的对照。 论文结尾也点了这一点:有些小币可能受 ETH 影响不小。若 ETH -> altBTC -> alt 更稳,desk 应该直接换 leader,不要对 BTC 叙事恋战。

7. 风险与保留意见

8. 来源

  1. Kurihara, T., & Matsumoto, T. (2026). _Price Transmission from Bitcoin to Altcoins: High-Frequency Evidence and Implications for Trading Strategy_. Asia-Pacific Financial Markets.
  1. Binance Spot API – Kline/Candlestick Data / Exchange Info.

9. 本地产物