← 返回 Quant Digests · 站点首页

单特征不够时，raw alpha 也可以长成“双排序”：liquidity × risk interaction 的横截面组合

更新时间：2026-04-02 12:52 UTC

源文件：research/quant_digests/2026-04-02_1250_liquidity-risk-interaction-xs-alpha.md

先回答一句：这篇东西的 base alpha 是什么？

这篇材料真正的 base alpha 不是“crypto 有很多 anomaly”这种综述句，而是：把两个横截面特征一起排序时，某些组合桶的未来收益显著强于各自单独排序；其中最值得 desk 先盯的是 liquidity × risk 这一支。

翻成人话：不是“高波动就买”或“低流动性就买”，而是在相对更难交易、同时风险更高的那一角，收益分布会系统性偏离别的角落。这是一条可以独立建成长短组合的 cross-sectional / relative-value raw alpha。

---

为什么这轮还值得写它

最近池子里已经有很多：

但 “双特征交互后再做横截面组合” 这条路，虽然在股票 literature 很常见，在当前 crypto digest 池里还不算拥挤。它值得 intake 的原因有三点：

  1. raw alpha 归因比“模型黑箱”更清楚：先有两个特征，再看交互桶，不需要 ML 黑箱；
  2. 和现有单特征池互补：它回答的是“两个弱信号能不能拼成一个更强的 raw alpha”；
  3. 可直接落地成完整策略：形成期、排序、持有期、组内等权、成本假设、长短腿都能明确定义。

我这轮选它，不是因为它一定马上胜过继续补 pairs / OFI，而是因为它补的是 raw alpha 素材池里一个目前相对稀缺的结构位：interaction alpha。

---

主要来源

1) 主论文

2) 最小 transfer 数据源

---

这篇论文真正给了什么

基于 2017–2023 数据，作者：

摘要里最值得 desk 留意的一句不是“交互很多”，而是：

> top Sharpe 的 equal-weighted interaction，核心驱动反复落在 liquidity measures（trading volume / bid-ask spread）与 volatility measures（idiosyncratic volatility / VaR）的组合上。

也就是说，这篇论文最像 desk raw alpha 的，不是泛泛地“多做双排序”，而是先从 liquidity × risk 这一支下手。

---

我这轮 intake 的主主题：liquidity × risk，不是把论文 9360 个桶全搬进来

因为 desk 要的是 可最小实验、可直接复现，不是大而全复刻。抽成最小策略后，这篇论文最值得先测的 base alpha 可以改写成：

> 在可交易 universe 内，定期按“相对更差的流动性 + 相对更高的风险”做交互排序，做多 top bucket、做空 bottom bucket。

这里的 risk 在原文里可落到：

这里的 liquidity 在原文里可落到：

对 short-cycle desk 来说，最自然的第一版不是复刻全部 40 因子，而是先做：

---

这条 alpha 为什么不是 filter，而是 raw alpha

因为它的下注逻辑本身是闭环的：

所以它不是“high vol 时才允许做别的策略”的 gate，而是它自己就是一条 cross-sectional raw alpha。

---

desk 化后的完整策略骨架（先做最小可行版）

1) Universe

先只做流动性足够的永续：

2) Bar / rebalance 口径

3) 特征定义（最小版）

#### 流动性

#### 风险 先测三版：

4) 交互打分

最小版直接线性拼：

后续再升级成：

5) 入场 / 出场

这类组合不是逐 bar 单笔交易，所以规则应写成组合版：

6) Sizing

7) 成本

---

我做的一个最小 transfer quick check（Binance 永续，15m）

为了避免只抄论文 headline，我做了一个 很克制的 desk proxy：

快检口径

我先扫了 6 个 interaction proxy

  1. risk × illiquidity
  2. risk × MAX
  3. risk × MIN(abs)
  4. MAX × MIN(abs)
  5. VaRtail × illiquidity
  6. VaRtail × MAX

结果（gross, 未扣费）

最接近论文主线的 risk × illiquidity：

其他几支也没更好：

这组快检告诉我什么

很简单：

> 论文里的 weekly interaction alpha，不能天真地直接压缩成 15m 的“24h proxy × hourly rebalance”组合。

也就是说，这篇论文 有 raw alpha 价值，但当前这版最小 intraday transfer 先判不通过。

---

这不代表论文没用，代表“直接压缩时间尺度”不够

我会把这篇东西的当前 verdict 写得很明确：

值得保留的部分

  1. raw alpha 结构值得保留：双特征 interaction 在 crypto 截面里确实有实证；
  2. 比单特征更像组合研究素材：适合未来做 alpha blending / interaction search；
  3. 论文给了具体优先方向：先看 liquidity × risk，不是盲扫 40×40。

目前不值得直接 fast-lane 复现的部分

  1. 论文主频率是 weekly；
  2. 顶级结果偏 equal-weighted，天然更吃小币 / 摩擦；
  3. 我这轮 15m naive proxy 快检 gross 都没站住；
  4. 对 short-cycle desk 来说，若没有更好的 liquidity / tail-risk intraday proxy，直接推进大概率是在卷负 alpha。

所以，这轮最诚实的判断不是“马上开做”，而是：

> 把它作为“interaction raw alpha 家族”的重要 source 留档，但当前不进 fast-lane 第一优先。

---

如果还想继续挖，下一步应该怎么测

不是再加更多因子乱扫，而是只做 3 个更像 desk 的升级：

方向 1：把 liquidity proxy 做对

当前用的是 24h quote volume，太粗。 优先升级成：

方向 2：别按“每小时全量换仓”做

interaction 策略未必适合高 turnover。 优先试：

方向 3：把 short leg 单独审判

论文摘要已经暗示：成本对 short leg 杀伤更大。 所以必须单独做：

如果这三步后仍然没有 gross edge，就可以很干脆地把它降级成 中频 cross-sectional interaction 理论储备，别继续烧时间。

---

给当前 desk 的最终判断

我的 verdict

而不应该立刻挤掉那些已经在 5m/15m 上更接近可交易的 pairs / OFI / carry / lead-lag 候选。

---

下一步怎么测（直接可执行）

  1. 用 Binance 永续公开数据，补三类更像实盘的 liquidity proxy：spread, Amihud, impact proxy
  2. 保留 risk × illiquidity 主线，不再盲扫更多 interaction family
  3. 把 rebalance 从 1h 降到 4h / 8h
  4. 先做 top-bucket long-only，再做 beta-hedged long-only
  5. 成本统一按 10 / 15 / 20 bps 三档压测
  6. 若 gross 仍不正，直接 park，不再把它当 fast-lane raw alpha

---

参考

  1. Mercik, A., Będowska-Sójka, B., Karim, S., & Zaremba, A. (2025). _Cross-sectional interactions in cryptocurrency returns_. International Review of Financial Analysis.

    2. DOI: <https://doi.org/10.1016/j.irfa.2024.103809> Readable URL: <https://www.sciencedirect.com/science/article/pii/S1057521924007415>

  1. Binance USDⓈ-M Futures REST API — Kline/Candlestick Data

    2. <https://developers.binance.com/docs/derivatives/usds-margined-futures/market-data/rest-api/Kline-Candlestick-Data>