← 返回 Quant Digests · 站点首页

别把这篇 2024 Bitcoin minute 论文只读成“83.7% 准确率”：对 desk 更该先测的是「lagged tech bundle + 高阈值 abstain → 3m/5m continuation」raw alpha

• 时间：2026-03-27 23:22 UTC
• 类型：论文
• 主题类型：raw alpha
• 基础 alpha：1 分钟级 BTC 的价格、技术指标与短滞后组合里，存在可学习的超短方向信息；但更适合 desk 的落地方式不是死磕 next-minute sign，而是把它当作 3m/5m continuation 的高置信度触发器。
• 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/directional/single-asset/bitcoin/minute-data/technical-indicators/lagged-features/separation-index/abstain/continuation/3m/5m/15m/paper/external-data/cost
• 证据类型：论文全文 + 公共数据最小快检

1. 这次看了什么

Zeinab Shahsafdari、Ahmad Kalhor 在 2024 年 arXiv 的 Boosting Bitcoin Minute Trend Prediction Using the Separation Index。论文主张：先不要急着堆更复杂的模型，而是先用 Separation Index (SI) 从可得特征里筛出更有区分度的 observation set，再把这组特征喂给 BiLSTM + CNN + voting classifier 去做 Bitcoin 的 next-minute direction / magnitude prediction。

2. 核心结论

• base alpha 很明确：这不是“SI 很聪明”或者“深度学习很强”，而是 minute-level BTC direction 本身存在可学习 edge；SI 只是帮你更快找到更有信息量的特征子集。
• 论文数据来自 KuCoin 的 BTC 1m 数据（2018~2022），候选 observation set 依次包括：

1. BTC 自身 OHLCV；
2. 从 BB_RPB_TSL 策略里挑出的技术指标，并先做参数优化；
3. 所有特征的 1m/2m/3m lag；
4. 其他币（ETH / USDT / LTC）分钟数据。

• 论文最有价值的结论之一，不是 headline accuracy，而是 feature ranking 结果：
• BTC OHLCV
• 优化后的技术指标
• lagged features

这三块加在一起，已经给出最好的 separability；再加其他币并没有明显增益。这对 desk 很重要：先把单资产方向信号挖干净，再谈跨币补特征。

• 论文给出的 test-set headline 数字：
• BiLSTM next-minute direction accuracy：78.14%；
• CNN next-minute magnitude accuracy：79.72%；
• Voting classifier：15 次运行平均 80.23%，最好 83.70%。
• 我用 Binance Futures 公共 BTCUSDT perp 1m 做了一个更 desk 化的弱迁移：不复刻整套 BiLSTM/CNN，只拿论文里最可迁移的部分——paper-style lagged tech bundle——做 chronological 70/30 的 Logit proxy。结果很有意思：
• 直接打 next 1m sign 基本不够用：OOS accuracy 只有 50.21%；
• 但如果把它改读成 3m/5m continuation，效果反而更像可交易雏形：
• 3m horizon：整体 accuracy 51.22%；p>=0.55 时 coverage 21.4%、trade hit 52.6%、gross mean +0.11 bp/trade；p>=0.60 时 hit 56.5%、gross mean +0.21 bp/trade；
• 5m horizon：整体 accuracy 52.39%；p>=0.55 时 coverage 24.6%、trade hit 54.2%、gross mean +0.48 bp/trade；p>=0.60 时 coverage 2.9%、trade hit 58.7%、gross mean +1.20 bp/trade。
• 这说明对我们 desk 来说，最值得 intake 的不是“复刻 83.7%”本身，而是把 paper feature funnel 改写成 高置信度短延续触发器：先在 1m 上算分，只交易后续 3m/5m 的较大 continuation。

3. 为什么和当前项目有关

• 最近 intake 里 pairs / XS / relative value 已经很多，这篇正好补一条 single-asset directional raw alpha。
• 它和当前主线也对得上：MAINLINE1_STRATEGY_FACTOR_MAP 明确允许 1m/3m 做更快验证、再向 5m/15m 迁移；这篇 paper 刚好给了一个 minute-level alpha 素材池。
• 更关键的是，它符合最近学习进展里反复强化的一点：不要把 headline 方法整包吞下去，而要先拆清 base alpha、filter、execution。这篇 paper 真正适合我们 desk 的，不是完整黑箱 voting classifier，而是“哪些分钟特征 + 哪些滞后最有用”。
• 它也很好接到 backlog 的现有底座：先把这个方向分数做成独立 raw alpha，再决定是否和现有 trend/choppy gate、risk-on/off、multi-timeframe momentum 组合，而不是反过来继续围绕旧 baseline 微调。

3.5 策略拆解（必填）

• 方向属性：顺势 / 方向型 raw alpha
• 基础 alpha：paper-style lagged technical bundle 对后续 3m/5m 的方向 continuation 有弱但可提纯的预测力
• regime：优先 BTC 主合约、欧美活跃时段、单边波动刚启动但未大幅扩散的窗口
• filter / veto：只在 p(up) >= 0.55 做多、p(up) <= 0.45 做空；若 p 贴近 0.5 一律空仓
• risk / sizing / execution overlay：仓位按 |p-0.5| 分层；默认持有 3m 或 5m；若预计 round-trip cost 高于 0.5~1.0 bp 级别 gross edge，则必须 veto 或转 maker-only

4. 可复刻的最小实验

• 研究假设：论文里的分钟方向信息并非只能服务 next 1m sign，改成 1m score → 3m/5m continuation 以后更接近真实可交易口径。
• 数据源：Binance Futures 公共 BTCUSDT perpetual 1m klines；完全公开可得，更新频率 1 分钟。
• 最小口径：最近约 15,000 根 1m bar（约 10.4 天）；特征只用 paper 容易迁移的那一层：EMA(8/50/100/200)、ROC(5/15)、RSI14、Williams %R(96/480)、CMF20、VWAP gap、volume/trades，并附加 lag 0/1/3。
• 交易规则：chronological 70/30 train/test；用 Logit 输出 p(up)；
• p>=0.55 做多；
• p<=0.45 做空；
• 否则空仓；
• 持有 3m 或 5m 后平仓。
• 我这轮快检结果（gross、未扣成本）：
• 1m 直接打下一分钟方向：accuracy 50.21%，几乎不可用；
• 3m continuation：accuracy 51.22%；0.55 阈值时 trade hit 52.6%、gross +0.11 bp/trade；0.60 阈值时 trade hit 56.5%、gross +0.21 bp/trade；
• 5m continuation：accuracy 52.39%；0.55 阈值时 trade hit 54.2%、gross +0.48 bp/trade；0.60 阈值时 trade hit 58.7%、gross +1.20 bp/trade。
• 一句话翻译：这篇 paper 在我们 desk 这里，更像 “分钟级特征选择 + 高阈值 abstain” 的短延续 alpha 原胚，不是现成可 taker 重锤的 1m sign 策略。

相关快检产物：

• reports/artifacts/quant_digests/bitcoin_si_minute_trend_transfer_20260327_2322/signal_summary.csv
• reports/artifacts/quant_digests/bitcoin_si_minute_trend_transfer_20260327_2322/summary.json
• reports/artifacts/quant_digests/bitcoin_si_minute_trend_transfer_20260327_2322/probe_notes.txt

5. 风险与边界

• 论文 headline accuracy 非常高，但样本是 KuCoin BTC 1m（2018~2022）；直接外推到今天的 Binance perp，不能默认成立。
• 论文没有公开完整官方复现代码；文中引用的 BB_RPB_TSL GitHub 链接目前已不可直接访问，说明可重复性要打折扣。
• 我的迁移只做了 简单 Logit proxy，并没有复刻 BiLSTM/CNN/voting classifier，也没有拿到 KuCoin 原始分钟样本；所以这里的意义是 判别“feature idea 值不值得继续做”，不是对论文结论做终局判决。
• 当前 gross edge 量级仍偏薄：5m 版只有在 很低成本 / maker / 只做高置信度 的口袋里才可能活。

6. 下一步怎么测

1. 先做 exact-feature replication：把论文列出的指标完整复刻，特别是 CTI / CRSI / T3 / EWO / safe_dump_50 这些本轮 proxy 没带上的特征，看 5m 口径能否把 gross edge 从 0.5~1.2 bp 再往上推。
2. 把 target 改成“超过成本阈值的 move”：不要只预测涨跌，直接预测 future 5m return > fee_floor，更贴近实盘。
3. 做成本梯度 + 执行分层：0 / 1 / 2 / 4 bps 全跑；同时区分 taker 与 maker-midpoint 模拟，确认这是 maker alpha 还是其实并不够厚。
4. 做 session / volatility split：分亚洲、欧洲、美股时段，再按 realised vol 分层，看高置信度信号是否只在少数 regime 有效。
5. 接到 15m 上的组合框架：若 1m score → 5m trade 成立，再把它上推成 15m 里的 intrabar trigger，而不是单独长期持有。

7. 来源

• Shahsafdari, Z.; Kalhor, A. (2024). *Boosting Bitcoin Minute Trend Prediction Using the Separation Index*. arXiv preprint.
• Readable URL: https://arxiv.org/abs/2406.17083
• PDF URL: https://arxiv.org/pdf/2406.17083
• Venue note：当前检索到的是 arXiv 版本，未见正式期刊 DOI
• Freqtrade URL: https://www.freqtrade.io/en/stable/
• Repo URL cited in paper: https://github.com/jilv220/BB_RPB_TSL （当前访问已失效/不可直接抓取）