← 返回 Quant Digests · 站点首页

别把 2025 自适应双均线论文只读成老派 MA crossover：对 short-cycle desk，更该先测的是「walk-forward 2-SMA perp trend × slow-window bias」完整 raw alpha

• 时间：2026-04-06 03:57 UTC
• 类型：2025 *Mathematics* 论文摘要/元数据（Crossref + OpenAlex）+ Hyperliquid public 5m portability probe
• 主题类型：raw alpha
• 基础 alpha：单资产趋势延续；用快慢均线相对位置定义方向，用 walk-forward 参数更新控制趋势信号失效
• 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：raw-alpha/trend/momentum/single-asset/dual-moving-average/2sma/walk-forward/adaptive-optimization/slow-window-bias/perpetual/btcusdt/hyperliquid/5m/15m/paper/public-data/cost/risk
• 证据类型：论文证据（摘要/元数据）+ 公开行情快检（自建 toy backtest）

> 先回答一句：这篇东西的 base alpha 是什么？ > > base alpha = trend / momentum continuation。 > 不是 filter，不是 overlay；它本体就是一条可以独立跑起来的单资产 perp 趋势策略：快均线上穿慢均线就顺势持仓，反向穿越就翻向/离场，再用 walk-forward 重选参数。

1. 这次看了什么

这轮主看：

1. Romo, A., Soto, R., Vega, E., Crawford, B., Salinas, A., & Becerra-Rozas, M. (2025). _Adaptive Optimization of a Dual Moving Average Strategy for Automated Cryptocurrency Trading_. Mathematics, 13(16), 2629.

• DOI：10.3390/math13162629
• DOI URL：https://doi.org/10.3390/math13162629
• Readable URL：https://www.mdpi.com/2227-7390/13/16/2629
• PDF URL：https://www.mdpi.com/2227-7390/13/16/2629/pdf
• Venue：*Mathematics*
• Repo URL：未见公开仓库

1. 本轮 desk 化 portability probe（公开数据）

• 数据源：Hyperliquid public API candleSnapshot
• 数据公开性：公开可得、无需 key
• 更新频率：分钟级 / 可取 5m bar
• 本地实验产物：
• reports/artifacts/quant_digests/adaptive_2sma_20260406/hl_btc_5m_last90d.csv
• reports/artifacts/quant_digests/adaptive_2sma_20260406/grid_results_5m.csv
• reports/artifacts/quant_digests/adaptive_2sma_20260406/grid_results_5m_split6d.csv

这轮值得写它，不是因为“均线金叉死叉很新”，而是因为它刚好补当前素材池里一个很实用但不该缺位的东西：

• 最近几篇 intake 偏 pairs / microstructure / shared gate；
• 这篇则是单资产、低依赖、完整可落地的 perp raw alpha；
• 而且 paper 直接把 交易成本 + walk-forward 训练/测试切分 + benchmark 对照 都写进去了，很适合当 desk 的基础控制组。

2. 一句话核心结论 + 它是怎么证明的

一句话核心结论

别把这篇 paper 只读成“把老双均线调了调参”；它真正适合 short-cycle desk 的点，是把 2-SMA 趋势方向 包装成一条能直接做最小实验的完整策略，并且明确告诉你：参数必须 walk-forward，窗口别太快。

一句话它怎么证明

按论文摘要可得，作者：

• 用 Binance 平台的 BTCUSDT futures 历史数据；
• 做了 34 个 overlapping 60-day train/test splits；
• 在计入真实交易费用的条件下，LB2 自适应优化后的 2-SMA 策略在 unseen test 上达到：
• 平均 ROI 7.9%
• 最佳 ROI 17.2%
• 并且用 Wilcoxon Signed-Rank Test 证明其显著优于：
• Buy & Hold
• Random Walk
• 非优化版 2-SMA

翻成人话： > 这篇 paper 想说的不是“均线还能用”这种废话，而是 crypto perp 上确实可以把简单趋势骨架做成可复现策略，但前提是别把窗口固定死、也别假装参数永远稳定。

3. 这篇东西最值钱的，不是均线本身，而是它给了 desk 一条便宜、清晰、能快速否证的完整策略壳

3.1 它是完整 raw alpha，不是解释型材料

这条线很完整：

1. entry / flip：快均线 vs 慢均线；
2. direction：fast > slow 持多，fast < slow 持空；
3. retraining：滚动训练窗里更新参数；
4. cost-aware evaluation：交易费直接进净收益；
5. benchmarking：和最朴素的持有/随机/固定参数版直接比。

对 desk 来说，这种材料的价值很高，因为它不是“一个想法”，而是一条可以当天就写成回测脚本的策略骨架。

3.2 真正该借的，是 walk-forward，不是神化某组 window

paper 里真正值钱的结论不是“短均线用几根、长均线用几根”，而是：

• 参数会漂移；
• crypto perp 的最优窗口不是静态的；
• 如果你用一次性全样本调参，很容易把噪声错当 alpha。

这对 1m/3m/5m/15m desk 特别关键，因为：

• 越短周期，换手越高、参数越不稳；
• 越容易出现“训练期漂亮、上线就死”的问题；
• 所以这篇 paper 更像在提醒我们：先搭一条能频繁重估、并且把 costs 放进去的 trend baseline。

3.3 它很适合做“主信号控制组”

当前研究池里，复杂结构已经不少：

• spread MR
• pairs / relative value
• order-book imbalance
• event impulse
• regime / overlay

但越是这样，越需要一条非常朴素、可解释、能快速复刻的单资产趋势控制组。2-SMA 的意义恰好在这里：

• 如果连这种最基础的趋势壳在某个市场/频段都活不下来，复杂策略的上线预期也该降温；
• 如果它能活，复杂 alpha 至少有一个可以对照的 baseline，而不是每次都在黑箱里互相比烂。

4. desk 化拆解：直接翻成 entry / exit / sizing / risk / cost

4.1 策略骨架（最小版）

• Universe：先单资产 BTC perpetual；第二步再扩到 ETH 与高流动大币
• 频率：优先 15m 主实验，5m 做压力测试；若做更快，只建议当 stress bucket
• Signal：fast_ma(close) - slow_ma(close)
• Entry / Flip：
• fast > slow → long
• fast < slow → short
• Exit：基础版直接反向翻仓；加强版可加 ATR stop 或 time stop
• Sizing：先固定名义敞口 / vol target 二选一；第一轮别上复杂 sizing
• Risk：限制单日最大翻仓次数，避免 chop 环境过度来回打脸
• Cost：至少显式跑 maker/taker 两档，第一轮可先按 taker-only 压力测试

4.2 这条线最适合 desk 的哪种角色

它更像：

• 完整 raw alpha 候选；
• 也是后续更复杂趋势框架的base layer；
• 还能给现有 breakout / fresh-high / trend basket 系列提供一个更便宜、更简单的对照组。

换句话说，它不是最终答案，但非常适合做“别让复杂研究没有朴素 baseline”的那条底线策略。

5. 本轮公开数据快检：Hyperliquid BTC 5m toy probe 给出的 desk 结论

> 说明：论文主数据是 Binance BTCUSDT futures；当前主机直接打 Binance futures REST 受限，所以 portability probe 用 Hyperliquid 公开 5m candles 做 proxy 检查。目的不是 faithful replication，而是回答：这条 raw alpha 现在还能不能先做最小实验？

5.1 数据口径

• 数据源：Hyperliquid public API candleSnapshot
• 标的：BTC
• 频率：5m
• 样本：2026-03-19 19:00 UTC ~ 2026-04-06 03:55 UTC
• bar 数：5004
• 成本假设：每次仓位变化按 1.5 bps / side 扣费（toy 压力口径）
• 参数网格：
• fast ∈ {4,8,12,16,24,32,48}
• slow ∈ {48,72,96,144,192,288,384}
• 且 fast < slow

5.2 快检结果里最值钱的 3 个观察

#### 观察 1：最亮眼的 in-sample 快窗口，OOS 很容易坏掉 按 train = 前 12 天 / test = 后 6 天 的 toy split：

• 12/96 在训练窗里：
• train cumret +8.24%
• train Sharpe 5.41
• 但到测试窗：
• test cumret -3.04%
• test Sharpe -4.74

这和 paper 强调 walk-forward 的方向是一致的： > 短窗口、快翻仓，在短样本里很容易看起来会赚钱；但一上 OOS 就容易被 chop 和成本打回原形。

#### 观察 2：更慢的窗口组合，反而更像 short-cycle desk 可迁移的版本 同一 toy probe 里，OOS 更稳的反而是偏慢组合：

• 48/192：
• test cumret +2.52%
• test Sharpe 4.74
• test trades 11
• 32/192：
• test cumret +0.82%
• test Sharpe 1.66
• test trades 15

这意味着 desk 版第一轮没必要从超快均线开搞，反而更该优先：

• 用更慢的 slow leg 控制翻仓；
• 让 5m 只是承载更平滑的趋势状态，而不是追求每小时多次切换方向。

#### 观察 3：这条 alpha 可以先做，但必须把“慢窗口偏置”写进实验设计 如果只看这轮快检，最合理的实验假设不是“均线越快越灵”，而是：

• 5m 上也许能做趋势；
• 但真正活下来的，更可能是 slow >= 144 bar` 的低换手版本；
• 快窗口应该被当成stress / falsification bucket，不是默认主配方。

6. 为什么这篇东西和当前 desk 直接相关

它直接补了 3 个当前很需要的东西：

1. 单资产 perp 趋势 baseline

• 不依赖配对、不依赖横截面、不依赖外部事件；
• 当天就能复刻。

1. walk-forward 训练框架

• 可以直接复用到其他趋势、breakout、fresh-high 题材上；
• 不只服务于 2-SMA 本身。

1. 成本先验

• 这条线天然提醒你：参数越快、翻仓越勤，越容易被 cost 吃掉；
• 很适合拿来当 1m/3m/5m 研发时的反过拟合教材。

7. 下一步怎么测（这轮最重要）

7.1 先做哪 3 个版本

直接跑三层递进：

1. A = 固定参数 2-SMA

• 15m 主频；5m 压力频

1. B = walk-forward 2-SMA

• train 30d / test 7d
• 训练窗按 net Sharpe 选参数

1. C = B + simple veto

• 加一个很轻的 chop veto：例如 ATR / price 太低或过去 N 根交叉过密时不交易

7.2 最小可复现实验口径

• 数据：Hyperliquid / Binance perpetual 公开 OHLCV
• 标的：先 BTC，再扩 ETH
• 频率：
• 主实验：15m
• 压力测试：5m
• 参数网格建议：
• fast = 4, 8, 12, 16, 24, 32
• slow = 48, 72, 96, 144, 192, 288
• 成本：至少 1.5 / 3 / 6 bps 每 side 三档
• 输出：gross/net return、Sharpe、turnover、trades/day、持仓方向占比、最长连续亏损段

7.3 第一轮最该回答的 4 个问题

1. 15m 上，walk-forward 是否稳定优于固定参数？
2. 5m 上，slow >= 144 的慢窗口是否明显优于快窗口？
3. 成本从 1.5bps -> 6bps 时，哪类窗口最先失效？
4. 加一个很轻的 chop veto 后，收益下降还是 Sharpe / MDD 改善更明显？

8. 先别自嗨的风险

1. 这篇 intake 目前基于摘要/元数据，而非全文逐段审计。 所以 paper 内部的精确超参数、交易规则细节，仍需二次核对。
2. 只有单资产 BTCUSDT 证据。 先别把它自动推广成多资产 basket 结论。
3. 双均线是极易过拟合的家族。 如果没有严格 walk-forward，几乎必然会挑到噪声参数。
4. 短周期下成本是第一风险，不是附注。 越快的窗口越容易被交易费和 chop 同时击穿。

9. 这轮最值得记住的 desk 化结论

如果只记一句：

> 这篇 2025 论文真正适合 intake 的，不是“2-SMA 还能用”这句老话，而是把 walk-forward parameter refresh 正式拉进了单资产 perp 趋势策略的核心。

再补一句更贴当前 desk：

> 第一轮别从超快均线开搞；先用 15m 和 5m 上的慢窗口版本做 baseline，再把快窗口当 falsification bucket。

10. 来源

1. Romo, A., Soto, R., Vega, E., Crawford, B., Salinas, A., & Becerra-Rozas, M. (2025). _Adaptive Optimization of a Dual Moving Average Strategy for Automated Cryptocurrency Trading_. Mathematics, 13(16), 2629.

• DOI：10.3390/math13162629
• DOI URL：https://doi.org/10.3390/math13162629
• Readable URL：https://www.mdpi.com/2227-7390/13/16/2629
• PDF URL：https://www.mdpi.com/2227-7390/13/16/2629/pdf

1. Crossref metadata for 10.3390/math13162629

• URL：https://api.crossref.org/works/10.3390/math13162629

1. OpenAlex metadata for 10.3390/math13162629

• URL：https://api.openalex.org/works/https://doi.org/10.3390/math13162629

1. Hyperliquid API docs / public market data

• API host：https://api.hyperliquid.xyz/info
• Docs：https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/info-endpoint
• 本轮实验产物：reports/artifacts/quant_digests/adaptive_2sma_20260406/