← 返回 Quant Digests · 站点首页

别把这份 2026 新论文仓只读成 drawdown overlay：对 short-cycle desk，更该先测的是「XSM winner-minus-loser × BTC-vol Goldilocks / corr / dispersion scaling」这条完整 raw alpha

• 时间：2026-04-04 05:27 UTC
• 类型：quant_digest
• 主题标签：raw-alpha/cross-sectional/momentum/relative-value/winner-minus-loser/regime-aware/btc-vol/goldilocks/correlation/dispersion/exposure-scaling/crypto/15m/5m/3m/1m/repo/paper/public-data/cost/risk
• 证据类型：2026 GitHub 新 repo source audit（README.md + macro_state_test.py + coordination_overlay_test.py + main1.tex）+ Crossref metadata grounding

• 主题类型：raw alpha
• 基础 alpha：在可交易 crypto 横截面里，做多近期相对强者、做空近期相对弱者的 standardized long-short relative momentum；再用 BTC 波动、横截面相关性与 dispersion 状态去做 gross exposure scaling
• 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. 这次看了什么

这份今天新出现的 2026 repo，真正值得 desk 先测的，不是“把回撤压低一点”的 overlay 叙事，而是：先承认 base alpha 就是 cross-sectional winner-minus-loser 动量篮子，再把 BTC-vol / corr / dispersion scaler 当作可部署的 sizing shell。这比继续补一个单币 breakout 旁支，更能扩充当前 desk 的 relative-value/raw-alpha 素材池。

2. 先回答一句：这篇东西的 base alpha 是什么？

先把话说死：

• base alpha 不是 BTC 波动过滤器；
• base alpha 不是 drawdown 管理；
• base alpha 也不是 “市场结构会变” 这种解释层。

它的 alpha 本体很直接：

1. 在 crypto 横截面里，先看每个币最近一段时间的累计收益；
2. 做 cross-sectional 去均值、标准化；
3. 多相对强者、空相对弱者，形成 standardized long-short basket；
4. 再把 gross exposure 按 BTC realized vol、平均相关性、dispersion 状态缩放。

翻成人话：这是一条“横截面 relative momentum raw alpha + regime-aware sizing shell”。如果把 sizing 拿掉，alpha 依然存在；所以它不是纯 filter / overlay 主题。

3. 为什么这轮值得写，而不是继续补一个单币形态分支

结合当前项目的 intake 取向，这轮有三个理由值得优先：

1. 它补的是 relative-value / cross-sectional 家族。

现在库里单币 trend / mean-reversion / microstructure 已经很厚；继续堆当然没问题，但边际增量在下降。相反，横截面 raw alpha 还值得持续补货。

1. 它给的是完整策略，不只是概念。

这个 repo 里不止有题目和结论，还有 macro_state_test.py、friction 参数、overlay 公式、paper draft，足够拆成 signal / sizing / risk / cost 四层。

1. 它把“为什么 crypto 横截面动量会突然失灵”说得比很多 plain XSM baseline 更清楚。

这点很关键：不是只告诉你“有一条 winner-minus-loser 线”，而是进一步把失效条件落到了可观测的状态变量上。

4. 这次看了什么

4.1 主来源：repo + paper draft

• Authors：Olorato MacDonald Makgolo, Cong Zhang
• Year：2026
• Title：*Regime-Aware Exposure Scaling in Cross-Sectional Relative Momentum Cryptocurrency Strategies*
• Venue：未发表 working paper（repo 内 main1.tex）
• DOI：N/A
• Readable URL：<https://github.com/mmakgolo/Regime-Aware-Exposure-Scaling-in-Cross-Sectional-Relative-Momentum-Cryptocurrency-Strategies>
• Repo URL：<https://github.com/mmakgolo/Regime-Aware-Exposure-Scaling-in-Cross-Sectional-Relative-Momentum-Cryptocurrency-Strategies>
• 关键文件：README.md、macro_state_test.py、coordination_overlay_test.py、main1.tex

4.2 文献地基（metadata grounding）

• Han, Chulwoo; Kang, Byeongguk; Ryu, Jehyeon (2024)
• Title：*Time-Series and Cross-Sectional Momentum in the Cryptocurrency Market: A Comprehensive Analysis under Realistic Assumptions*
• Venue：SSRN Electronic Journal
• DOI：10.2139/ssrn.4675565
• Readable URL：<https://doi.org/10.2139/ssrn.4675565>
• Repo URL：N/A

这篇 2024 SSRN 不是本轮主 digest 的 alpha 本体，但它给这份 2026 repo 的横截面 / 时序动量地基做了文献坐标。

5. repo 里到底怎么定义这条策略

5.1 Base signal：标准化横截面 relative momentum

macro_state_test.py 的 base 权重不是花哨版本，而是很清楚的 standardized XSM：

1. 先算每个资产过去 k_lookback=20 天累计 log return；
2. 对当日横截面去均值；
3. 再除以横截面标准差；
4. 最后用绝对值和归一化，形成 long-short 组合权重。

代码核心是：

• S_raw = R.rolling(cfg.k_lookback).sum().shift(1)
• S_dm = S_raw.sub(S_raw.mean(axis=1), axis=0)
• S_std = S_dm.div(S_dm.std(axis=1).replace(0, np.nan), axis=0)
• W0 = S_std.div(abs_sum, axis=0).fillna(0.0)

也就是说，它不是只买 top decile，也不是只做 loser basket，而是整条横截面 standardized WML/relative-momentum 书。

5.2 状态变量：不是改信号，而是缩 gross exposure

repo 的主创新点不在“重新发明 XSM”，而在给 XSM 配一个 regime-aware gross scaler：

1. BTC vol scaler

• sigma_target = 0.80
• g_btc = clip(0.80 / sigma_btc, 0.10, 1.0)
• BTC realized vol 越高，gross 越缩。

1. 平均相关性 scaler

• rho_ref = 0.40
• g_rho = clip((1 - rho_bar) / (1 - 0.40), 0.10, 1.0)
• 横截面越一起动，relative-value 空间越差，gross 越该缩。

1. dispersion / hybrid scaler

• 用横截面 return dispersion 的历史分位来决定何时进一步去风险；
• 不是直接改 rank signal，而是决定“什么时候少做”。

1. Goldilocks BTC-vol scaler

• repo 还显式写了一个 Goldilocks 版本：BTC vol 处在历史分位的中间区间时给更高权重，过热或过冷都降杠杆；
• 这是对 short-cycle desk 很有启发的一点：不只是 high vol 才危险，极低 vol 的拥挤/缺 dispersion 状态同样可能让 XSM 变钝。

5.3 friction 假设写得比很多学生 repo 认真

repo 不是完全忽略成本：

• long_trade_cost_bps = 10
• short_trade_cost_bps = 20
• btc_short_funding_annual = 0.05
• eth_short_funding_annual = 0.07
• short_borrow_scarcity_annual = 0.03
• short_margin_friction_annual = 0.02

这当然还是 daily 研究口径，不是 perp 短周期真实成交模型，但至少已经把“short 端更贵”写进去了，不是裸 Sharpe 幻觉。

6. 最值得拿走的硬数据点

这份 paper draft 里，最值得记的不是“收益更高”，而是raw alpha 在什么状态下被公共因子吞掉。

6.1 baseline XSM 有 alpha，但回撤极其难看

main1.tex 表 1 给出的 baseline：

• Ann. Return：21.7%
• Ann. Vol：49.3%
• Sharpe：0.44
• Max Drawdown：-85.9%

这说明：横截面动量本体不是没有，但裸跑太脆。

6.2 regime-aware scaling 牺牲收益，换来更可部署的分布

同一张表里，regime-aware XSM：

• Ann. Return：16.7%
• Ann. Vol：32.8%
• Sharpe：0.51
• Max Drawdown：-66.4%

翻成人话：

• 没有发明新 alpha；
• 但把同一条 raw alpha 的收益分布修得更像能部署的东西。

6.3 失效机制抓得很实

paper draft 里的另外三条数字很值钱：

• 第一主成分解释约 66% 的横截面方差；
• 这条主成分与 BTC 回报相关性约 0.85；
• 对应 R² 约 0.73。

也就是说，很多时候你以为自己在做“横截面 relative value”，其实市场已经被同一个 BTC 因子一起拖着跑了。

6.4 高波动 stress regime 会显著削弱 XSM

paper draft 明写：

• 当 BTC realized vol 超过历史 80% 分位时，
• momentum_strength × high_vol_regime 的交互项大约 -0.233，
• p = 0.029。

这条结果对 desk 很重要：不是“波动大就好做”，对横截面动量来说，高 stress 反而可能让 all-coins-one-beta，relative edge 被压扁。

7. 我对这份材料的 desk 结论

7.1 真正值得 intake 的，不是“daily XSM 又多一个版本”

如果只是把它读成 daily 论文，那信息增量有限；但对 short-cycle desk，它更有价值的读法是：

“把 cross-sectional relative momentum 当 raw alpha，把 BTC vol / corr / dispersion 当 exposure router。”

这比继续围绕某个单币形态内循环更值钱，因为：

• 它补的是relative-value / basket alpha 家族；
• 它天然能做 market-neutral / beta-light；
• 它给了一个很清楚的 何时减 gross 的框架。

7.2 这份 repo 更像一个可迁移框架，而不是可原样抄的参数包

不能原样抄的地方：

• 数据频率是 daily；
• 研究区间是 2015–2026；
• 动态 universe 依赖 CoinGecko Pro API key；
• 真实 short-cycle perp 执行成本，跟 paper 里 daily friction 不是一回事。

但可直接迁移的东西非常明确：

• 标准化横截面动量权重
• BTC-vol scaler
• corr scaler
• dispersion / Goldilocks state scaler

这四样拆出来，完全可以在 15m / 5m / 3m 上先做最小实验。

8. 对 1m / 3m / 5m / 15m 的 desk 化落地

我不建议第一步就把它硬压到 1m。更合理的 desk 版本是：15m 生成 basket signal，5m/1m 做执行与滑点监控。

8.1 Entry / rebalance

• Universe：Binance / Bybit / OKX 的 top 12~20 个高流动性 USDT perp
• Signal bar：15m
• Formation lookback：先试 8 / 16 / 32 bars（对应 2h / 4h / 8h）
• Signal：过去 H bars 累计 return 的横截面 standardized score
• 持仓：long relative winners，short relative losers，组合 gross 归一化到 1
• 更新频率：每个 15m bar rebalance 一次

8.2 Exit

这条线不需要复杂花式出场，先用最干净的：

• 默认 exit = 下一次 rebalance 覆盖旧仓；
• 另加一个 max holding bars（先试 4 / 8 / 12 bars）防 stale signal；
• 不先塞 ATR 止损，避免把 basket alpha 搞成单币趋势线。

8.3 Sizing

核心不是单名次大小，而是组合 gross：

• base weights：按 standardized cross-sectional score 归一化；
• gross scalar：g_t = g_btc × g_rho × g_gold 或先做 one-at-a-time A/B；
• 单币上限：单腿绝对权重上限先卡 10%~15%；
• 总 gross：默认 1.0x，由 scaler 降到 0.1x~1.0x。

8.4 Risk / veto

这条线最该加的不是更多信号，而是 4 个约束：

1. 集中度 veto：若横截面有效名字数太少，不开仓；
2. 相关性 veto：若 rho_bar 过高，直接 size-down；
3. BTC shock veto：BTC 突发大幅单边冲击时，临时减 gross；
4. funding / borrow stress veto：short 端 carry 太贵时，把 alpha 和 carry 成本分开看。

8.5 Cost

至少跑三套：

• 2 bps/side
• 4 bps/side
• 6 bps/side

外加：

• short funding 年化摊入
• 极端拥挤时的 slippage uplift

否则很容易把 basket alpha 误判成“稳定可做”。

9. 这份 repo 的几个真实 caveat

9.1 它更像研究仓，不是 production code

repo 很完整，但仍明显偏研究脚本 / paper draft：

• 路径里有大量 report builder；
• 主要口径是 daily；
• 真实交易层没有短周期执行细节。

9.2 这里最该带走的是结构，不是参数

不要死记：

• 20d lookback
• 0.80 sigma target
• 0.40 rho_ref

更该带走的是：

• 相对动量本体
• 状态变量可观测
• gross 应随状态缩放

9.3 它也提醒我们：raw alpha 和 overlay 要分账

这份材料最好的地方，就是让你能把问题拆清楚：

• raw alpha 本体行不行？
• 失效是不是来自公共因子 dominance？
• 去风险是改善分布，还是掩盖信号弱？

这种可分账性，比再拿一个“回测年化 80%”的裸 repo 更值钱。

10. 下一步怎么测

实验 A：先测 raw alpha 本体，不加任何 overlay

目标：确认在短周期 perp universe 里，standardized XSM 自身有没有 post-cost edge。

• 市场：Binance USDT perp
• Universe：top 15 流动性合约
• 频率：15m
• Formation：8 / 16 / 32 bars cumulative return
• 权重：横截面去均值、标准化、绝对值和归一
• 持有：每 15m rebalance，另测 max hold 4 / 8 / 12 bars
• 成本：2 / 4 / 6 bps per side
• 回答问题：这条 raw alpha 在我们 desk 的 liquid universe 里，post-cost 还能不能站住？

实验 B：只加一个 scaler，看谁最有用

目标：分开看 BTC vol、corr、Goldilocks 哪个真的有增量。

按 A 的 raw alpha baseline，分别单独加入：

1. BTC RV scaler
2. 平均 off-diagonal corr scaler
3. BTC-vol Goldilocks scaler

比较：

• post-cost Sharpe
• max drawdown
• turnover
• beta vs BTC

实验 C：再做组合 scaler

若 B 里有明确增量，再试：

• g_btc × g_rho
• g_btc × g_gold
• g_btc × g_rho × g_gold

重点不是追最高收益，而是看：

• 能否把 MDD 明显压下去；
• 同时不把 raw alpha 完全缩死。

实验 D：执行层分离

如果 15m signal 站得住，再加一层：

• 15m 产出目标仓位
• 5m / 1m 做 TWAP / maker-first 执行模拟

这样才能分清：

• 是 signal 本体没 edge；
• 还是 basket turnover / 执行把 edge 吃掉了。

11. 一句话结论

这份 2026 新 repo 最值得 desk 抄的，不是“再做一个 daily 风险控制故事”，而是把 cross-sectional relative momentum 当 raw alpha，把 BTC-vol / corr / dispersion 当可分账的 exposure router；先在 15m top-liquid perp basket 上做最小实验，再决定它能不能进入短周期正式素材池。