源文件：research/quant_digests/2026-04-06_0558_btc-lead-liquidity-lag-alt-alpha.md
1m spot data 本地 portability probeleader-laggard 信息传导迟滞，而不是泛化“跟着 BTC 看大盘”。1m K 线/成交笔数 + 本地 horizon portability probebase alpha = BTC 上一分钟收益 -> 低交易频次 ALT 下一分钟跟涨/跟跌。
翻成人话：
这条东西天然属于 cross-market / leader-laggard raw alpha，不是 filter，也不是 overlay。
当前 digest 池最近几轮已经连续补了不少：
这篇 paper 值得补的地方在于：
这点很关键：不是拿 BTC 当 regime gate，而是直接拿 BTC 当 leading leg。
只要有：
1m close1m trade count就能先验证延迟是否真的存在。
不是继续在单一形态里打转，而是扩 leader-laggard 这条可复现 alpha 家族。
10.1007/s10690-026-09589-z1m klines（data.binance.vision）close, trade_countreports/artifacts/quant_digests/2026-04-06_btc-alt-liquidity-lag-alpha/leadlag_by_horizon.csvreports/artifacts/quant_digests/2026-04-06_btc-alt-liquidity-lag-alpha/leadlag_horizon_summary.csv这篇 paper 不是只讲“BTC 会影响 alt”。它把 怎么影响、影响多久、哪些币更慢、策略怎么落地 讲得很具体。
1m close + trade count；BTC / ETH / LTC + 5 个低交易频次小币（BIFI / CITY / PIVX / GNO / QKC）；log(trade count) 与 ISI 的相关系数是 0.561；含义：越不活跃，越容易慢半拍。
论文的 Granger test 显示：
BTC(t-1) 对 ALT 预测显著；ALT(t-1) -> BTC 大多不显著。也就是说，这不是“大家互相带”，而更像 BTC 先发现，ALT 后补价。
他们的交易输入只用了：
BTC(t-1) returnALT(t-1) returnPaper Table 4 给出的最优阈值：
entry = 0.0000, hold = -0.0001entry = 0.0000, hold = -0.0001entry = 0.0001, hold = -0.0001翻成人话：
论文最有用的不是“准确率”，而是它给出了很直白的 OOS 累计收益对比。
QKC：Buy-and-Hold 7% vs Lag Strategy 59%PIVX：Buy-and-Hold 7% vs Lag Strategy 81%BIFI：Buy-and-Hold 1% vs Lag Strategy 49%CITY：Buy-and-Hold 0% vs Lag Strategy 7%GNO：Buy-and-Hold 6% vs Lag Strategy 6%QKC：Buy-and-Hold -9% vs Lag Strategy 116%PIVX：Buy-and-Hold -12% vs Lag Strategy 69%BIFI：Buy-and-Hold -6% vs Lag Strategy 96%GNO：Buy-and-Hold -6% vs Lag Strategy 41%CITY：Buy-and-Hold -10% vs Lag Strategy 23%当然，这些数字不能直接照搬到我们 desk：
但它已经足够说明一句话：
> 这不是“统计上有点延迟”而已，而是有可能长成完整策略的 raw alpha。
把它读成：
BTC leader + low-liquidity alt lagger + 短持有 catch-up
而不是：
这条线本质上属于：
cross-marketleader-laggardrelative-value / lag-arb所以这轮值得单独 intake，不需要挂靠旧的 breakout / retest / park 叙事。
先不要贪大：
BTCUSDT 做 leader；最重要的不是小币越小越好，而是：
最小版先照 paper 主体：
x1 = BTC(t-1) returnx2 = ALT(t-1) return直觉上：
可以先做两个版本：
BTC(t-1) 上涨超阈值，且 ALT(t-1) 同向但幅度偏小，做多 ALT 1 barBTC(t-1) 下跌超阈值，且 ALT(t-1) 跟跌不足，做空 ALT 1 bar[BTC(t-1), ALT(t-1)]next-bar return > entry_threshold ?先照论文精神，不要一上来加花活：
entry threshold 从 0bp / +1bp 开始扫；BTC(t-1) move 达到 rolling quantile（例如 p70/p80）时触发；2~3 bars hold1 / realized vol 或 1 / ATR 做轻量 inverse-vol25bp~50bp 风险预算起步paper 直接按 0.02% fee 记账，这点很有参考价值。
我们 desk 第一轮也该这么老实：
为了避免只抄 paper，我用它 bull regime 的同一批公开 Binance 1m 数据，先做了一个最小 horizon 检查。
2024-02-25 ~ 2024-03-25 UTCBTCUSDT + QKCUSDT / GNOUSDT / PIVXUSDT / CITYUSDT / BIFIUSDTdata.binance.vision spot monthly 1m klinescorr(BTC_t, ALT_t)corr(BTC_{t-1}, ALT_t)lead_edge = corr(BTC_{t-1}, ALT_t) - corr(BTC_t, ALT_t)1m / 3m / 5m / 15m#### 1m：还有可见 lag
lead_edge > 0median lead_edge = +0.0089#### 3m：基本开始被同 bar catch-up 吞掉
median lead_edge = -0.1524#### 5m：lead 几乎完全变成 contemporaneous
median lead_edge = -0.2647#### 15m：已经不该再把它当 primary signal
median lead_edge = -0.4494这组结果非常重要，因为它告诉我们：
> 这条 alpha 的“物理半衰期”非常短。
也就是说：
1m 是主战场；3m 还能勉强做 child aggregation / batch execution；5m/15m 更像是用来做 sampling / regime summary，不该再假装是原生信号频率。如果硬把它抬成 15m 主信号，本质上就不是在复现这篇 paper，而是在做另一条东西了。
这条 edge 很短，错的不是方向时常，而是来不及吃到净收益。
alpha 越明显的地方，往往越难做大。
论文主样本是 spot，小币 perp 是否保留同样 lag，需要单独审计。
这类 micro inefficiency 不是“永恒 factor”，更像 contingent pocket。
1m 数据、同样 fee = 2bps one-way1m 与 3m：只加两层：
trade_count / quote-volume floorBTC impulse quantile gate注意：
论文结尾明确提到：ETH 对某些 ALT 的解释力可能不低于 BTC。 所以下一步很自然：
BTC -> altETH -> altBTC/ETH 二选一 leader router这一步如果成立，才有机会把它从“BTC 单 leader lag trade”扩成更完整的 cross-market sleeve。
这篇 paper 值得进池，不是因为它又证明了一次“BTC 很重要”，而是因为它把一句更可交易的话讲清楚了：
> 当 BTC 先动、而低流动性 ALT 还没 fully absorb 这段信息时，市场里会出现一段很短、但可建壳的 catch-up alpha。
对我们 desk 来说，最重要的不是把它吹成万能策略，而是接受它的真实边界：
1m / 3m，不是天然 15m；如果要一句最短结论：
这是值得补进 short-cycle 素材池的 cross-market raw alpha；但必须把它当“超短半衰期的 BTC→ALT lag pocket”，而不是泛化的大盘 beta 跟随。