← 返回 Quant Digests · 站点首页

别把跨所价差只做成静态 spread fade：这篇 2024 *Digital Finance* 更该先测的是「arb gap 先放大、后收敛」的短周期 raw alpha

更新时间：2026-03-30 17:57 UTC 研究时间：2026-03-30 17:58 UTC 类型：2024 *Digital Finance* 开放获取全文 HTML + Springer table-level 抽取 主题标签：raw-alpha/relative-value/stat-arb/same-underlier/cross-exchange/arbitrage-gap/state-machine/continuation-then-closure/order-flow/market-impact/usdt-vs-usd/btc/eth/1m/3m/5m/15m/paper/public-data/prospective-collection/cost 证据类型：开放获取论文全文证据 + 表格级结果抽取 + desk 化策略迁移

源文件：research/quant_digests/2026-03-30_1758_arb-gap-amplify-then-close-alpha.md

1. 这次看了什么

主看这篇：

  1. Barucci, Emilio; Giuffra Moncayo, Giancarlo; Marazzina, Daniele (2024). _Market impact and efficiency in cryptoassets markets_. Digital Finance.

先把 base alpha 说清楚：

> 这次不是在讲 execution overlay，也不是再讲“static arb 很难做”。真正的 raw alpha 是：跨所/跨报价价差在 shock 当下会先沿着 gap 方向继续放大，随后才进入 closure；而这个 phase transition 的时钟，在 USDT 市场和 USD 市场并不一样。

这点和我们最近几篇 same-underlier multiquote mean reversion digest 不一样。之前那批更像：

这篇真正新增的是：

  1. gap birth / amplification
  2. delayed closure

所以这轮更值得 intake 的，不是“再多一个 arbitrage paper”，而是： same-underlier relative-value 家族里，一条可直接服务 1m/3m/5m/15m 的 event-path raw alpha。

2. 核心结论

先给结论，不绕：

论文最值钱的不是“crypto 市场存在 inefficiency”这种大而化之结论，而是它给了三条非常 desk 化的证据：

  1. gap 不是立刻被交易 activity 消掉。

    2. 论文 Table 8 显示：|OF| 和成交量上升时，arb spread 反而更大，不是更小。

  1. signed OF 在超短周期先推着 gap 继续走。

    2. Table 9 显示，OrderFlow_t 对 arbitrage spread 的系数在 1m 为正：

  1. 然后 gap 才开始收敛，而且 USDT 收敛更快。

    2. 到 5m：

翻成人话就是： 同样是价差 shock，USDT 侧更像“1m 先顺着冲一下，5m 就该开始想 closure”；USD 侧则更拖，至少 BTC-USD 在 5m 还没完全进入稳定 closure。

3. 为什么和当前项目直接相关

这轮不是在补综述，也不是在补纯解释型 microstructure 常识。它和当前 desk 直接相关，原因有三：

  1. 它本身就是 raw alpha。

    2. 做的是 same-underlier / cross-exchange / cross-quote 的相对价值，而不是给已有 alpha 再加一层修饰。

  1. 它补的是“路径形状”，不是又一个静态 spread 水平。

    2. 我们现在 pairs / relative-value 素材池里，很多逻辑默认 偏离 -> 回归。这篇提醒的是： 短周期最值钱的可能不是 spread level，而是 spread 的相位切换。

  1. 它对 1m / 3m / 5m / 15m 的映射非常自然。

如果要回答一句“它为什么比继续补一个普通 raw alpha 更值得”： 因为它不是替代现有 same-underlier alpha，而是在告诉我们这些 alpha 的正确时间结构：不是立即 fade，而是先 continuation 再 closure。

3.5 策略拆解（必填）

4. 论文里真正可直接复现的机制

4.1 数据与样本

论文用的是 Kaiko tick-by-tick 交易数据，样本期：

这个口径的一个重要启发是： 研究单位不是日线“有没有价差”，而是秒级同步交易后，分钟尺度的 gap path。

4.2 论文怎么定义 arbitrage opportunity

作者沿用 Makarov & Schoar 路线，把 arbitrage 定义成：

利润定义不是只看 spread，而是：

也就是： 这篇不是抽象价差论文，而是明确把“能不能成交”写进了机会定义。

4.3 最值钱的地方：不是静态 spread，而是 spread 的路径

论文在第 6 节不是只问“有没有 arb opportunity”，而是继续问：

> 当 arbitrage spread 已经出现后，订单流和成交量到底是在帮你把它关掉，还是先把它推得更大？

作者做了两组关键回归：

  1. arb_spread_t ~ arb_spread_{t-1} + |OF_t|
  2. arb_spread_t ~ arb_spread_{t-1} + OF_t

结果很关键：

这就给了 desk 一个直接可交易的解释： gap birth 时别急着做教科书 fade，先判断自己是不是正处在“市场还没开始修 gap”的那几分钟里。

5. 关键实证结果

5.1 频率与大小：USDT 机会更频繁，但 spread 更小

Table 6 的几组数字很适合直接拿来当 desk 判断基准：

翻成人话：

这也正好解释了为什么这篇更值得转成 timing alpha，而不是照抄成“看见 gap 就无脑跨所搬砖”。

5.2 1m 先 continuation，5m/10m 再 closure

Table 9 是整篇最值钱的表之一。

#### BTC-USD

#### BTC-USDT

#### ETH-USDT

#### ETH-USD

最重要的不是系数绝对值多大，而是符号翻转的时间位置：

这基本就等于在告诉我们： 同一个 gap alpha，hold time 不能所有市场写死一样。

5.3 market activity 不是在帮你立刻修价差

论文 Table 8 还给了一个很反直觉但很有用的结果：

这对短周期 desk 很重要，因为它直接否掉了一个常见直觉： > “看见成交活跃 + gap 出现，就应该马上赌回归。”

论文的答案更接近： > 先别急，活跃很可能是在帮 gap 完成最后一段放大。

6. desk 化后的完整策略骨架

6.1 先定义信号，不要急着定义价差

第一版不要从“z-score 多大”开始，而要从 event 开始：

  1. 对同一标的的多 venue / 多 quote 维护实时 mid 或可成交价格；
  2. 定义 arb_gap_t = rich_venue_px - cheap_venue_px - fees - transfer_buffer；
  3. 只有当 arb_gap_t > hurdle 时，才认为进入 gap-open 状态；
  4. 同时记录当分钟 OF_t 或买卖成交笔方向代理。

6.2 状态机而不是单一 fade 规则

更像下面这个 skeleton：

6.3 为什么这比“静态搬砖”更像当前 desk 该测的东西

因为 paper 自己已经告诉你：

换句话说： raw alpha 不在“最终一定会收敛”这件事本身，而在“它什么时候还在放大、什么时候才进入 closure”这个时间错配。

7. 对当前短周期（1m / 3m / 5m / 15m）的映射

7.1 1m

最适合做：

7.2 3m / 5m

最适合做：

7.3 15m

最适合做：

7.4 最自然的 desk 映射

如果用当前更容易拿到的市场去测，最先该上的不是现货跨所提款搬砖，而是：

因为这两类都更容易：

8. 最小可复现实验（现在就能做）

8.1 数据源、公开性、更新频率

第一版不需要商业数据，也不必等 Kaiko：

如果历史回放不足，可以先做：

8.2 最小实验口径

我会建议第一轮先别做 full transfer，而是做一个极简 state-machine MVP：

  1. Universe：BTC 与 ETH 的 2~3 个高流动 venue / quote 通道。
  2. Gap 定义：
  1. OF 代理：
  1. Entry：
  1. Exit A（continuation）：
  1. Exit B（closure）：
  1. Cost：

9. 下一步怎么测（必须）

  1. 先做 continuation-only 与 immediate-fade 的正面对照。
  1. 按市场类型拆 hold-time。
  1. 把 OF sign 纳入 event 标签。
  1. 先在可做空、低费用场景复刻。
  1. 记录 phase transition 的稳定性。

10. 风险与保留意见

11. 来源

  1. Barucci, E., Giuffra Moncayo, G., & Marazzina, D. (2024). _Market impact and efficiency in cryptoassets markets_. Digital Finance.
  1. Makarov, I., & Schoar, A. (2020). _Trading and arbitrage in cryptocurrency markets_. Journal of Financial Economics.
  1. Binance / OKX / Bybit 官方公开行情 API 文档

12. 本地相关产物