← 返回 Quant Digests · 站点首页

别把这份 Hyperliquid TSMOM repo 只当传统 trend bot：更值得先测的是「多窗口 TSMOM × funding 惩罚 × edge gate」完整 raw alpha，但必须先修 universe/OI 口径

• 时间：2026-03-28 08:50 UTC
• 类型：2025 GitHub 仓库 + 源码审阅 + Hyperliquid 公共 API live snapshot
• 主题类型：raw alpha
• 基础 alpha：多窗口 time-series momentum（每个币看最近多段收益 z-score，正则做多、负则做空）
• 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：trend / momentum / time-series / perpetual / hyperliquid / funding / inverse-vol / vol-target / execution / cost
• 证据类型：工程经验 + 仓库代码证据 + 公共数据快照

1. 这次看了什么

看的是 Gajesh2007 的 GitHub 仓库 momentum-trading（创建 2025-10-03，最近 push 2025-10-14，9 stars），以及其 signals/engine.py、risk/engine.py、data/loader.py、config/*.yaml。这不是单纯“追涨 bot”，而是一个已经把 signal / funding / sizing / liquidity cap / cost gate / execution 串起来的 perp TSMOM 骨架。

Repo URL: https://github.com/Gajesh2007/momentum-trading

2. 核心结论

• 这篇东西的 base alpha 很清楚：s_raw = mean(zscore(多窗口收益))，然后按符号做多/做空，是标准但可落地的 raw alpha，不是纯 filter。
• 仓库最值钱的不是“再证明趋势有效”，而是把 short desk 真正关心的几层都接上了：方向性 funding 惩罚、w ~ s_adj / sigma、组合年化波动目标 15%、单币上限 5%、edge >= 2.5x~3x friction、ATR 止损、ALO/TWAP/Market 三套执行。
• repo 自带两个可直接迁移的快实验模板：1h 版用 [6,24,72] 小时 lookback；4h 版想做更慢的 swing。但对我们 desk，更应该先把它 desk 化成 15m 的多窗口 TSMOM，再测 funding penalty 是否真能在成本后留下净边。
• 代码里有两个必须先修的口径问题。第一，get_universe() 直接拿 openInterest >= 5,000,000 过滤，但 Hyperliquid 的 openInterest 是币本位数量，不是 USD；我用公共 API 现场快照看到：按 repo 原写法只剩 6 个币过阈值，而把 OI 先乘 midPx 转成 USD 后会变成 12 个，并把 BTC / ETH / SOL 拉回 universe。第二，4h_swing.yaml 里 lookbacks: [24,96,240] 的注释写成 24h/4d/10d，但代码按“bar 数”解释，实际对应的是 4d/16d/40d；不修这个，复现实验会以为自己在测 4h alpha，其实测得更慢。

3. 为什么和当前项目有关

它和 momentum 当前阶段非常贴：不是继续围绕 breakout 形态内循环，而是补一条能直接进素材池的完整 raw alpha。更重要的是，它把 raw alpha / funding overlay / risk sizing / execution cost 的边界拆得很清楚，适合作为后续把趋势、carry、执行层分开评估的母版。

3.5 策略拆解（必填）

• 方向属性：顺势
• 基础 alpha：多窗口收益 z-score 的 time-series momentum
• regime：高流动性 perp universe；优先在 funding 不极端、交易成本可控时启用
• filter / veto：方向性 funding penalty；edge >= 2.5x~3x friction；流动性/OI 过滤
• risk / sizing / execution overlay：inverse-vol sizing、组合 vol target、单币 cap、ATR stop、maker-first ALO、超大单 TWAP、kill switch

4. 可复刻的最小实验

• 研究假设：在 15m perp 上，多窗口 TSMOM + directional funding penalty + edge gate 会比裸 TSMOM 有更好的成本后收益/换手比。
• 数据：Hyperliquid 或 Binance 永续 15m K 线 + 小时 funding（公开 API 可拿）；universe 先用 dayNtlVlm >= 10M 且 OI_USD >= 5M，不要直接复用 repo 的原始 OI 过滤。
• 信号：先做 faithful transfer：把 repo 1h 的 [6,24,72] 小时 lookback 改成 15m 的 [24,96,288] bars；s_raw 为三段收益 rolling z-score 平均，s_adj 再扣同方向 funding。
• 交易：每 15 分钟收盘后再平衡；w_raw = s_adj / sigma，再做 vol target；若 edge < 2.5 x (fee + slippage) 则跳过；sign flip 或 ATR(14)*2 止损出场。
• 对照组至少做 4 个：裸 TSMOM / + funding penalty / + edge gate / + universe 修正。先看 post-cost return、turnover、positive-asset ratio、max drawdown，不要先卷参数。

5. 风险与提醒

• 这个 repo 目前更像“完整骨架”而不是已验证 alpha；没有公开、可信的长期实盘绩效。
• funding 用的是 predicted funding，实盘要区分“预测值”和“真正收付值”。
• Hyperliquid 当前按 repo 默认阈值 universe 太窄，若直接照搬，最后可能只是在几只 meme/perp 上做集中押注。
• 若落到 5m/15m，maker 占比和滑点模型会比 repo README 里写得更关键。

6. 来源

• Gajesh (2025), Momentum Trading Strategy w/ HyperLiquid on EigenCompute, GitHub repo: https://github.com/Gajesh2007/momentum-trading
• 仓库关键文件：momentum_trading/signals/engine.py、momentum_trading/risk/engine.py、momentum_trading/data/loader.py、config/test_fast.yaml、config/4h_swing.yaml
• Moskowitz, Ooi, Pedersen (2012), Time Series Momentum, Journal of Financial Economics, DOI: https://doi.org/10.1016/j.jfineco.2011.11.003 , Readable URL: https://docs.lhpedersen.com/TimeSeriesMomentum.pdf
• Park et al. (2025), Designing funding rates for perpetual futures in cryptocurrency markets, arXiv, DOI: https://doi.org/10.48550/arXiv.2506.08573 , Readable URL: https://arxiv.org/abs/2506.08573