← 返回 Quant Digests · 站点首页

Hyperliquid HIP-3（2026 新 repo）：把 mark-vs-oracle 极端偏离做成可直接落地的短周期 raw alpha

• 时间：2026-04-03 08:08 UTC
• 类型：GitHub repo
• 主题类型：raw alpha
• 基础 alpha：same-underlier mark-vs-oracle premium 的极端偏离会在短时间内向 oracle 收敛，可做成 percentile-gated mean reversion
• 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：relative-value / stat-arb / basis / mark-vs-oracle / premium / mean-reversion / hyperliquid / HIP-3 / percentile-threshold / time-stop / 1m / 3m / 5m / 15m
• 证据类型：repo 内回测结果 + 策略源码证据 + 公共数据口径

先回答 base alpha：这篇东西的 base alpha 很清楚，不是“市场故事”，而是“永续标记价格相对 oracle 的短时超涨/超跌会回归”，可直接写成入场、出场、仓位和止损规则。

1) 这次看了什么

看了 2026 新仓库 andreaambrosio/hype-backtesting，重点读了：

• README.md
• src/strategies/basis_reversion.py
• config/settings.yaml
• research/run_hip3_analysis.py

这套框架主打 Hyperliquid / HIP-3 相关策略，直接把 premium = (mark - oracle) / oracle 当成可交易对象，不只是做监控面板。

2) 核心结论（给 desk 的版本）

• 一句话核心结论：对带 oracle 锚的永续/合成资产，mark-vs-oracle premium 的尾部偏离本身就是一条独立 raw alpha，而不是只能当 risk overlay。
• repo 里最有价值的证据：在 90 天、小时级 Hyperliquid 数据上，Basis Dislocation Reversion 是仓库 9 个策略里表现最好的一个：+3.88% return，Sharpe 4.52，Sortino 6.16，299 trades。
• 最适合 desk 的细节：仓库明确写到 HIP-3 Silver 曾出现 463 bps 的 mark-vs-oracle gap，>400 bps 仅持续 95 秒，随后 19 分钟内回到 <50 bps。这说明真正该做的不是慢吞吞地看 funding，而是抓“极端 premium pocket 的快速收敛”。
• 源码不是空话：策略把入场、缩容、止损、time stop 都写死成规则，而不是只给一张漂亮图。

3) 为什么和当前项目有关

这条线补的是 same-underlier relative-value / stat-arb raw alpha 素材池，而且比“再写一篇泛 pairs”更值钱，原因有三个：

1. base alpha 很纯：只依赖同一资产的 mark 和 oracle，不需要复杂 pair-selection。
2. 公开数据可拿：Hyperliquid 公共 API 可直接拿 candles / funding / premium，无需付费数据。
3. 天然适配短周期：repo 虽然主跑 1h，但作者自己举的最强 pocket 是秒到分钟级收敛，这反而更适合我们先做 1m/3m/5m/15m 最小实验。

3.5) 策略拆解（必填）

• 方向属性：双向 mean reversion（premium 太高做空 perp，premium 太低做多 perp）
• 基础 alpha：premium = (mark - oracle) / oracle 的极端偏离向 0 回归
• regime：优先在 oracle 锚定还可信、盘口未失真、premium 处于尾部分位时交易
• filter / veto：
• 只做 |premium| > rolling q90/q95
• 若 premium 连续扩张且成交/盘口深度恶化，先 veto
• 宏观大事件、预言机异常、停牌/指数源异常时禁做
• risk / sizing / execution overlay：
• 仓位随偏离幅度放大，但设上限
• 必须带 time stop，因为这类 alpha 最怕“不回归还继续磨”
• 成本要显式扣 taker fee + 滑点，不能把 premium 收敛幅度全当净利润

4) repo 里最值得抄的参数骨架

4.1 策略源码默认版（basis_reversion.py）

• 入场：abs(premium_bps) 大于 max(50bps, rolling 95% 分位)
• 出场：收敛到 10bps 内
• 最长持有：60 bars
• 仓位：base_position_pct = 10%，随偏离幅度放大，最高 25%
• 止损：继续朝不利方向再走 200bps

4.2 repo 研究脚本的实盘化调参版（run_hip3_analysis.py）

作者在主分析脚本里把口径调得更接近真实 HL 小 premium 环境：

• 入场：3bps 或 rolling q90，取更高者
• 出场：1bps
• 最长持有：24 bars
• 基础仓位：12%
• 最大仓位：25%
• 止损：50bps
• 回测成本：2bps commission + 1bps slippage

这很重要：真正可迁移的不是某个绝对 bps，而是“rolling percentile + time-boxed exit + capped scaling”这个骨架。

5) 给 1m / 3m / 5m / 15m desk 的最小实验

研究假设

Hyperliquid 上带 oracle 锚的 perp / HIP-3 资产，premium 的极端偏离在分钟级存在可交易回归；alpha 核心不在 funding，而在 短时 pricing dislocation。

最小可复现实验口径

数据源：Hyperliquid 公共 API

• candles / OHLCV
• funding history 或带 premium 字段的数据
• 若字段不齐，可直接自己算：premium = (mark_price - oracle_price) / oracle_price

更新频率：可下采样到 1m / 3m / 5m / 15m

先测资产：

• 先从 BTC / ETH 做低摩擦 sanity check
• 再上更容易出现错价的 HL 特色资产 / HIP-3 标的

信号定义（建议先做最小 honest 版）

1. 计算 premium_bps
2. 做 rolling 分位：

• q_hi = rolling_q90(abs(premium_bps), 96 bars)
• q_lo 不需要单独算，直接用负号对称处理

1. 入场：

• premium_bps > max(3, q_hi) → 做空 perp
• premium_bps < -max(3, q_hi) → 做多 perp

1. 出场：

• abs(premium_bps) < 1bps 平仓
• 或持有超过 N bars（1m 先测 15/30/60；5m 先测 3/6/12）

1. 止损：

• 入场后 premium 再恶化 1.5~2.0x entry_threshold
• 或价格 hit oracle-gap stop

先测 4 组组合

• 1m × 96-bar percentile
• 3m × 64-bar percentile
• 5m × 48-bar percentile
• 15m × 48-bar percentile

先看 3 个指标

• 成本后 net pnl / turnover
• entry premium → exit premium 的平均压缩幅度
• 按资产分组后的稳定性（不能只靠单一妖币）

6) 这条线最容易犯的错

• 把它误读成 funding carry：这条 alpha 的核心不是收 funding，而是 premium pocket 自身的回归。
• 把绝对阈值抄死：3bps 在 BTC/ETH 和在小币/HIP-3 资产上不是同一回事，必须做 rolling percentile。
• 忽略预言机/指数异常：如果 oracle 本身跳了，mark 回归 oracle 不代表有 alpha，只代表你在追坏锚。
• 忘记 time stop：这类策略最怕“判断对方向、死于慢收敛和成本”。

7) 我对 desk 的结论

如果今天只允许加 1 条新的 relative-value 原型进研究池，我会把这条记成：

> oracle-premium percentile fade × time-boxed exit

它的优先级高于再补一个泛泛 pairs 变体，因为：

• base alpha 更干净；
• 公共数据更容易拿；
• 可以很快下沉到 1m/3m/5m/15m 做 honest 最小实验；
• repo 已经给出完整策略骨架与成本壳，不用从 0 编 entry/exit/risk。

8) 下一步怎么测

1. 先拉 Hyperliquid 近 30~90 天 1m/5m premium 数据；
2. 对 BTC/ETH + 2~4 个 HL 特色资产 跑 rolling q90/q95 的 symmetric fade；
3. 固定成本为 2bps fee + 1bps slippage，先测 time stop 对收益的影响；
4. 再加一层 oracle integrity veto：oracle 跳变超过 rolling P99 时禁做；
5. 最后比较两种 sizing：fixed size vs premium-scaled size。

9) 来源

仓库

• Andrea Ambrosio. (2026). *hype-backtesting*.
• 类型：GitHub repo
• Repo URL: https://github.com/andreaambrosio/hype-backtesting
• GitHub API metadata: https://api.github.com/repos/andreaambrosio/hype-backtesting
• README: https://raw.githubusercontent.com/andreaambrosio/hype-backtesting/main/README.md
• 策略源码：https://raw.githubusercontent.com/andreaambrosio/hype-backtesting/main/src/strategies/basis_reversion.py
• 研究脚本：https://raw.githubusercontent.com/andreaambrosio/hype-backtesting/main/research/run_hip3_analysis.py
• 配置：https://raw.githubusercontent.com/andreaambrosio/hype-backtesting/main/config/settings.yaml

公共数据口径

• Hyperliquid public API base: https://api.hyperliquid.xyz
• Repo 说明的数据源：Hyperliquid API（candles, funding rates, premium, HIP-3 vault data），无需 key