← 返回 Quant Digests · 站点首页

别把这份 2026 repo 继续读成 breakout：代码里真正活下来的，是「200-bar Donchian overshoot fade × 10bps breach」BTC 15m raw alpha

• 时间：2026-04-01 01:13 UTC
• 类型：2026 GitHub repo README.md + notebooks/04_breakout_strategy.py + notebooks/05_breakout_extension.py + notebooks/06_pairs_strategy.py + notebooks/07_pairs_strategy_vol_filter.py + report/tables/*.csv source audit
• 主题标签：raw-alpha/single-asset/mean-reversion/donchian/overshoot-fade/high-vol-admission/threshold/btc/binance/15m/5m/3m/1m/repo/public-data/cost
• 证据类型：仓库源码 + 回测表格 + 失败对照（lead-lag / pairs）
• 主题类型：raw alpha
• 基础 alpha：当 BTC 15m 收盘价显著穿出过去 200 根 Donchian 区间后，做 过度延伸后的回归；赚的不是 breakout continuation，而是 极端偏离回到区间内部 的均值回复。高波动只是 admission layer，不是 alpha 本体。
• 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

1. 这次为什么选它

先回答一句：这篇东西的 base alpha 是什么？

答案很清楚：

> single-asset intraday overextension mean reversion。 > 具体说，就是 BTC 在 15m 上向上/向下显著穿出一个很长的历史区间后，下一段更容易先往区间里回，而不是立刻继续顺着突破方向跑。

它不是 filter，也不是纯执行优化，更不是“看 breakout 名字就默认 trend”。 这份 repo 里最值得 desk 抄的，反而是一条 可独立交易、带完整出入场与成本口径的单币均值回复 raw alpha。

更关键的是，它不是拍脑袋挑出来的。repo 自己先测了三条线：

1. BTC→ETH/DOGE lead-lag：基本没显著性；
2. BTC–ETH pairs：样本内还能看，样本外被成本打穿；
3. BTC 单币 Donchian 极端偏离回归：样本外反而还活着。

这很适合当前 desk：不是再补一个共享 filter，而是补一条 原生 15m、公开数据可复现、完整策略骨架清楚 的 raw alpha。

2. 先把 repo 真正在说什么讲明白

主来源：

1. Sidney Yin (2026)

*COMP0051 Algorithmic Trading Coursework*

• Venue: GitHub coursework repo
• DOI: N/A
• Readable URL: <https://github.com/SidneyyN/COMP0051-Algorithmic-Trading-CW>
• Repo URL: <https://github.com/SidneyyN/COMP0051-Algorithmic-Trading-CW>

repo 表面上把其中一条模块叫作 breakout_strategy，但代码实际上写的是：

• upper_band = rolling_max(200).shift(1)
• lower_band = rolling_min(200).shift(1)
• long_entry = close < lower_band
• short_entry = close > upper_band

也就是：

• 跌破过去 200 根低点 -> 做多
• 突破过去 200 根高点 -> 做空

这不是 trend-following breakout；这是 Donchian overshoot fade。

而且 baseline 版本已经带了一个很朴素但有用的 admission：

• rolling_vol = std(ret, 50)
• 只有当 rolling vol 高于样本内 60% 分位数时才允许入场。

翻成人话：

> 不是“安静区间的小假突破”去做回归，而是专抓高波动里真正甩出区间的那种 overextension。

3. 这条线为什么比 repo 里其他路线更值得进池

3.1 lead-lag 这条线，在这份 repo 里其实已经被否掉了

conditional_returns.csv 给的 BTC→ETH / BTC→DOGE 条件前瞻收益几乎都不显著：

• BTC 上涨后，ETH 1-bar 前瞻均值只有 -0.8934 bps，t-stat -0.9292；
• BTC 上涨后，DOGE 3-bar 前瞻均值 1.5082 bps，t-stat 1.3315；
• BTC 下跌后的 ETH/DOGE 各种 1~3 bar 前瞻收益，p-value 也都远不显著。

cross_correlations.csv 也很直白：

• lag 0 同步相关很高（BTC→ETH 0.865996；BTC→DOGE 0.770541）；
• lag ±1~4 基本都在零附近。

也就是说，这个 repo 自己给的证据更像在说： 别再把“BTC 先动、alts 跟随”默认当 15m 可收费 raw alpha。

3.2 pairs 也不是这份 repo 里真正的幸存者

pairs_summary.csv 里只有 BTC–ETH 真正通过 cointegration：

• Engle–Granger p = 0.0065
• spread ADF p = 0.0015
• half-life 392.37 bars，约 98.09 小时

但落到真实交易规则和 5 bps 成本后，pairs_performance.csv 的样本外结果并不好：

• 样本外 net PnL = -2000.32 USD
• 样本外 Sharpe = -1.2971
• 28 笔交易，平均每笔 -71.7 USD

说明这份 repo 里，统计上 cointegrated 不等于 短周期交易后还能剩下净边。

3.3 真正活下来的，是单币极端偏离回归

repo 的 breakout_extension_comparison.csv 反而给出很清楚的答案：

#### Baseline：200-bar 区间外侧直接反手 + 高波动 admission

• OOS net PnL：9260.84 USD
• OOS Sharpe：1.5113
• OOS trades：36
• OOS win rate：61.11%

#### Test A：在 baseline 上再加 10 bps breach threshold

• OOS net PnL：9872.83 USD
• OOS Sharpe：1.6722
• OOS trades：35
• OOS win rate：62.86%

#### Test B：再进一步改成 20%~80% 中间波动带过滤

• OOS net PnL：-9406.37 USD
• OOS Sharpe：-2.2350
• OOS win rate：44.12%

这个对 desk 非常重要：

> 最值钱的不是“多加 filter”，而是“极端偏离本身 + 轻量 threshold”。 > 过度精致的 regime band 反而把 alpha 自己掐死了。

4. 我会把它怎么定性

这条线的正确分层应该是：

• raw alpha 本体：Donchian 区间外的短周期过度延伸回归
• 有效 confirmation：10 bps 额外穿透阈值
• admission / filter：只在较高波动时入场（rolling vol > 60th pct）
• 反例提醒：不要把“中等波动才做”当真理，repo 的 OOS 结果已经告诉你这层会伤害 alpha

所以它是 raw alpha 主体清楚、filter 只是辅助 的好题，而不是“一个需要挂靠别的主信号的共享 gate”。

5. 直接抄成 desk 语言：完整策略骨架长什么样

策略定义

• 标的：BTC（先用 Binance BTCUSDT spot 或 perp）
• 频率：原生 15m
• 家族：single-asset mean reversion
• 成本假设：先从 5 bps all-in 开始

Entry

取 05_breakout_extension.py 里样本外更优的 Test A：

• upper_band = max(close, 200).shift(1)
• lower_band = min(close, 200).shift(1)
• rolling_vol = std(ret, 50)
• vol_filter = rolling_vol > in-sample 60th percentile
• Long：close < lower_band * (1 - 0.001)
• Short：close > upper_band * (1 + 0.001)

也就是：

• 不只是刚碰到区间边界；
• 要 真正多走 10 bps 才承认是足够 extreme 的 overshoot。

Exit

source 规则很简单：

• 出现反向极端信号则平仓；
• 或者最多持有 40 根 15m bar（约 10 小时）。

第一版 desk 化时，我会保留这个骨架，不急着加太多复杂出场。

Sizing

source 用的是固定 100,000 USD gross notional。

真正落到 desk，建议第一版改成：

• 单笔风险按 rolling 50-bar vol 做 volatility targeting；
• 或者至少把 notional 设成 target_sigma / rolling_vol 的反比；
• 但别在第一轮就把 sizing 优化得比信号还复杂。

Risk / cost

source 的成本模型是：

• 每次仓位变化按 5 bps 计费；
• +1 -> -1 这种翻向按两次交易算；
• 没有假装自己能零摩擦成交。

这点很重要，因为 pairs 那条线正是被成本打穿的。

6. 为什么这条 alpha 对 5m / 3m / 1m 也有研究价值

虽然 repo 原生是 15m，但它对短周期 desk 仍然很实用，因为它回答的是一个更一般的问题：

> 当价格以“足够极端”的方式离开一个慢窗口区间时，下一段到底更像 continuation 还是 snap-back？

这个问题完全可以向下迁移。

迁移到 5m 的两种最小口径

#### A. 保持“时钟长度”不变 把 source 的 15m 配置平移到 5m：

• N=200 -> 600 bars（仍约 50 小时）
• VOL_WINDOW=50 -> 150 bars
• MAX_HOLD=40 -> 120 bars
• threshold = 10 bps 保持不变

这测的是：同样 2 天左右慢窗下，5m 更细粒度执行能不能把均值回复吃得更干净。

#### B. 保持“bar 数”不变 直接在 5m 继续用：

• N=200
• VOL_WINDOW=50
• MAX_HOLD=40

这测的是：更快的 micro-overshoot 有没有自己的独立 alpha。

我会优先先跑 A，再跑 B。因为 A 更像 source faithful transfer，B 更像新 alpha 分支。

7. 这条线最值得 desk 学的，不只是结果，还有“别乱加过滤器”

repo 给了一个很少见但很实用的结论：

• baseline 已经能活；
• 再加一个轻量 10 bps threshold，OOS 更好；
• 但继续加“只做中等波动、不做太低也不做太高”的双边 vol band，结果直接转负。

这说明当前这条 alpha 更像：

• 需要 真正 extreme 的位移；
• 允许 高波动里的 overreaction；
• 不需要一个看起来更“精致”的 volatility regime theory。

翻成人话就是：

> 别把 entry 做得比 alpha 还聪明。 > 如果市场已经给了你“跑出 200-bar 区间还多走 10 bps”的极端信息，就别再用漂亮但过拟合的 vol band 去替市场做第二层否决。

8. 我对这条线的判断

我会把它放进当前研究池，而且优先级不低，原因有四个：

1. raw alpha 很清楚：不是 filter、不是解释卡；
2. 原生就是 15m：和当前 desk 默认频段一致；
3. 完整策略组件齐全：entry / exit / cost 都可直接抄；
4. repo 内部已经做了失败对照：lead-lag、pairs 都没它诚实。

如果这轮还要继续补 raw alpha 素材池，我宁愿先补这种： 简单、极端、成本后仍有机会活的单币回归， 而不是再写一个听起来更 fancy 的 shared gate。

9. 下一步怎么测

我建议直接按三阶段跑，别再停在“看起来挺合理”。

Phase A：source-faithful reproduction（先 15m）

• 市场：Binance BTCUSDT spot + perp 各跑一遍
• 周期：15m
• 规则：
• N=200
• VOL_WINDOW=50
• vol > 60th pct
• threshold=10 bps
• MAX_HOLD=40
• 成本：3 / 5 / 8 / 10 bps
• 输出：
• OOS Sharpe / net PnL / trade count / win rate
• per-trade expectancy
• 持有期分布

第一问只看一件事：5 bps 以上它还活不活。

Phase B：transfer to 5m

跑两组转译：

• Clock-preserving：600 / 150 / 120
• Bar-preserving：200 / 50 / 40

然后比较：

• threshold 还要不要固定 10 bps
• 是否应该改成 k × ATR 或 k × rolling sigma
• OOS 是否从“单币回归”滑成“纯噪声反手”

Phase C：做成可实盘 admission 模块

若 15m/5m 都还能活，再加三层现实化：

1. funding veto：perp 逆势仓是否被 funding 吃掉；
2. session split：亚洲/欧洲/美盘哪个时段 snap-back 更强；
3. maker/taker split：边界外 10 bps 的 alpha，实际还能留多少给执行。

10. 我最想优先验证的 3 个假设

假设 1：真正关键的不是 Donchian 本身，而是“极端穿透”

也就是：

• touch band 可能不够；
• breach by 10 bps 才比较像可收费 alpha；
• 这层可能比你额外叠 3 个 filter 都更值钱。

假设 2：这条线在高波动里反而更好，不该过早做双边 vol 剔除

repo 的 Test B 已经给了负面证据。

desk 要验证的，是不是：

• 高波动 = alpha 的燃料；
• 而不是“越规整的 regime 越安全”。

假设 3：这条线更适合 BTC 单币，不要急着横向扩到一篮子 alts

因为这份 repo 里：

• lead-lag 没显著；
• pairs 被成本打穿；
• 真正 surviving 的反而是 BTC 自己。

所以第一轮别贪多，先把 BTC 单币打透。

11. 公开数据与最小复现口径

数据源

1. Binance public klines

• 标的：BTCUSDT spot / perpetual
• 公开性：公开可得
• 更新频率：分钟级 / 历史批量可拉

1. Binance public taker flow / aggTrades（可选）

• 用途：后续判断 overshoot 后的反手执行是否值得 maker 化
• 公开性：公开可得

最小可复现实验口径

• bar：15m 先跑，5m 次之
• 信号：按 repo 原始 Donchian + vol + threshold
• 成本：固定 bps all-in
• 输出：
• total net PnL
• OOS Sharpe
• trade count
• holding bars
• cost / gross 比例

12. 来源

1. Sidney Yin (2026). _COMP0051 Algorithmic Trading Coursework_. GitHub repository.

• Venue: GitHub / coursework repo
• DOI: N/A
• Readable URL: <https://github.com/SidneyyN/COMP0051-Algorithmic-Trading-CW>
• Repo URL: <https://github.com/SidneyyN/COMP0051-Algorithmic-Trading-CW>

1. Source files used in this digest

• notebooks/04_breakout_strategy.py
• notebooks/05_breakout_extension.py
• notebooks/06_pairs_strategy.py
• notebooks/07_pairs_strategy_vol_filter.py
• report/tables/breakout_extension_comparison.csv
• report/tables/pairs_performance.csv
• report/tables/pairs_summary.csv
• report/tables/conditional_returns.csv
• report/tables/cross_correlations.csv

1. Binance public market data

• 用途：BTC 15m/5m 最小复现
• 公开性：公开可得
• 更新频率：分钟级 / 历史批量可拉