← 返回 Quant Digests · 站点首页
别把 realized variance 只当风险指标：这篇 2025 *JFQA* 更该先测的是「positive-jump variance × anti-lottery cross-sectional long-short」这条 raw alpha
更新时间：2026-04-06 06:21 UTC
研究时间：2026-04-06 06:19 UTC
类型：2025 *Journal of Financial and Quantitative Analysis* 开放获取论文全文（Cambridge PDF）+ Binance public `15m` spot portability probe
主题标签：raw-alpha/cross-sectional/mean-reversion/anti-lottery/realized-variance/positive-jump/jump-robust/15m/intraday/weekly-sort/spot/coinbase/kaiko/binance/open-access/paper/public-probe/cost/risk
证据类型：开放获取论文全文 + 表格/回归结果 + 本地 Binance `15m` 便携性快检
源文件：research/quant_digests/2026-04-06_0619_positive-jump-variance-antilottery-xs-alpha.md
- 时间：2026-04-06 06:19 UTC
- 类型：2025 *Journal of Financial and Quantitative Analysis* 开放获取论文全文（Cambridge PDF）+ Binance public
15m spot portability probe
- 主题类型：raw alpha
- 基础 alpha：做多低 realized-variance / 低 positive-jump-variance 币，做空高 realized-variance / 高 positive-jump-variance 币；赚的是“彩票偏好过热后，横截面回报被高波动/高正跳跃币透支”的反向价差。
- 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/cross-sectional/mean-reversion/anti-lottery/realized-variance/positive-jump/jump-robust/15m/intraday/weekly-sort/spot/coinbase/kaiko/binance/open-access/paper/public-probe/cost/risk
- 证据类型：开放获取论文全文 + 表格/回归结果 + 本地 Binance
15m 便携性快检
1. 先回答一句：这篇东西的 base alpha 是什么？
base alpha = 横截面做多低波动/低正跳跃币，做空高波动/高正跳跃币。
翻成人话：
- 不是把 volatility 当成风控变量；
- 而是把 “谁最近更像彩票、谁刚经历了更多极端正跳跃” 当成可交易的横截面特征；
- 论文核心不是 generic low-vol，而是更尖一点的：
positive jump variance（正向极端跳跃的方差）jump-robust variance（非跳跃但持续躁动的方差）这两块对后续收益的负预测最强。
所以它属于 cross-sectional / anti-lottery raw alpha，不是单纯 overlay，也不是只给解释。
2. 为什么这轮值得进研究池
当前 mainline 文档和最近 digest 池，已经积累了很多：
- breakout / trend / TSMOM，
- pairs / spread mean reversion，
- funding / basis carry，
- microstructure continuation / reversal。
这篇值得补，是因为它补的是另一块 可独立站立的 raw alpha：
- 它不是再围着 trend/breakout 打转。
这条线直接扩充 cross-sectional / relative-value / anti-lottery 素材池。
- 它的信号来自 intraday realized moments，本质上与 short-cycle infra 是兼容的。
论文直接用高频数据估计 variance，不是拿低频基本面硬套到分钟级。
- 它还能自然拆成 raw alpha + veto/filter。
主体当然是 long-low / short-high；但即便 desk 最后不直接上 market-neutral 壳，high positive-jump variance 也很适合做：
- 不追涨 veto，
- 选空优先级，
- 或 cross-sectional momentum 的 short-side exclusion。
3. 来源与材料
主论文
论文数据口径
- 主数据源：Kaiko 高频 quote / order-book 数据
- 交易场所：以 Coinbase 为主样本构建基底，并验证其他交易所鲁棒性
- 公开性：论文主数据并非免费公共源；但方法、公式、回测口径是可读全文可复现的
- 采样频率：
15m mid-quote returns
- 样本期：
2015-10 ~ 2023-06
- 样本规模：100 个 crypto（含 delisted coin，作者明确强调 survivorship bias 不是关键问题）
本轮本地 portability probe（公开数据）
- 数据源：Binance spot public API
15m klines
- 公开性：公开可得，无 key
- 最小实验字段：
close
- 本地产物目录：
/root/clawd/jerry/momentum/reports/artifacts/quant_digests/2026-04-06_variance-jump-crosssection-alpha/probe_summary_all.csv/root/clawd/jerry/momentum/reports/artifacts/quant_digests/2026-04-06_variance-jump-crosssection-alpha/major_alts_summary.csv/root/clawd/jerry/momentum/reports/artifacts/quant_digests/2026-04-06_variance-jump-crosssection-alpha/speculative_alts_summary.csv
4. 论文里最该拿走的硬信息
4.1 方法不是“低波动因子”空话，而是高频 realized moment 拆解
作者不是只看一个粗糙的 daily volatility，而是：
- 用
15m mid-quote returns 估计 realized variance；
- 再把总方差拆成：
positive jump variancenegative jump variancejump-robust variance- 每周做横截面排序；
- 用前一个月的高频观测估计这些 realized measures，预测下一周超额收益。
这点很关键：
> 论文真正的 edge 不是“波动大所以可能跌”，而是“用高频数据更及时地刻画谁刚变成彩票资产”。
作者也明确拿 daily-data volatility 做对照，发现 daily volatility 系数不显著，而 intraday-based realized variance 显著。
4.2 最关键结论：高 realized variance 币，后续周收益显著更差
论文 Figure 2 / Table 4 最核心的数字：
- 总 realized variance 排序：
- Low 组下一周 EW excess return：+0.1%
- High 组下一周 EW excess return：-3.6%
Low - High：+3.7%/周- VW 口径
Low - High：+3.0%/周
这不是小 edge。
更重要的是，作者继续拆分后发现：
- positive jump variance 排序：
- EW
Low - High：+3.6%/周
- VW
Low - High：+2.3%/周
- jump-robust variance 排序：
- EW
Low - High：+3.2%/周
- VW
Low - High：+2.6%/周
换句话说：
- 不只是“高波动”坏；
- “刚出现很多大阳线式正跳跃” 更坏；
- “即便不是跳跃，而是整体持续躁动” 也坏；
- 反而 negative jump variance 不是主要驱动。
4.3 回归层面：positive jump variance 是最硬的解释变量
Fama-MacBeth 回归里，作者给出的几个特别值得记住的系数：
total variance 系数：-0.221*jump variance 系数：-0.669*positive jump variance 系数：-1.470*jump-robust variance 系数：-0.152*daily volatility 系数：**-0.134（不显著）
最有用的一句就是：
> 用高频估出来的 variance 有预测力；用日频粗波动替代，不行。
这对我们 desk 很重要，因为它意味着：
- 这不是传统资产里那种慢吞吞 low-vol story；
- 它和
5m/15m 研究栈是有技术兼容性的。
4.4 机制不是“风险补偿”，更像“彩票偏好 + 零售追逐”
论文给出的机制读法很适合 desk：
- 高 variance / 高 positive-jump variance 币通常：
- 更小市值
- 更低价格
- 更宽 bid-ask spread
- 更高 retail trading proportion
- 更高正向情绪/买入舆情
- 作者把它解释成 lottery preference / speculative retail trading。
也就是：
- 市场不是因为这些币“风险高所以应该给更高回报”；
- 而是因为很多人愿意为了“可能再来一个大阳线”先把价格抬贵；
- 所以后续反而给出更差回报。
这对 crypto 尤其合理，因为彩票偏好和追热点资金，本来就是这里的常见定价力量。
5. 对 short-cycle desk，最诚实的读法是什么？
5.1 诚实版：它是慢一点的横截面 raw alpha，不是逐根 5m 主信号
必须老实讲：
- 论文交易频率是 周级排序、周级持有；
- 信号估计用的是 过去一个月 的 intraday returns；
- 所以它不是那种“下一根 5m K 线涨跌”的 ultra-short predictor。
但这不妨碍它服务当前 desk，因为它完全可以读成：
一个由高频数据驱动、但 refresh 较慢的横截面 raw alpha sleeve。
更具体点：
- execution 可以在
5m/15m；
- 但 signal refresh 不一定每根 bar；
- 完全可以是：
- 每
4h / 1d 刷一次横截面分层；
- 组合执行和风控仍在
5m/15m 完成。
5.2 这条线真正适合 desk 的支线读法
这篇 paper 对我们最值得先拆的，不只是完整的 long-short 组合，还有两条支线：
支线 A：short-side candidate ranker
- 把
high positive-jump variance 当成优先做空池；
- 尤其在情绪高涨、山寨追涨很拥挤时，优先找“最像彩票”的那一篮子。
支线 B：momentum / breakout 的追涨 veto
- 若一个币刚出现很大的正跳跃方差，别把它继续当最舒服的 breakout 跟随对象；
- 它更可能已经被过度追逐，后续 risk-reward 变差。
所以即便完整 long-short 最后不进 production，positive jump variance veto 也很值。
6. 我做的最小 portability probe：直接搬到 Binance 15m，近期样本先别急着上
为了避免只抄 paper，我做了一个很小但诚实的最近窗口快检。
6.1 实验口径
- 数据：Binance spot 公共 API，最近
1000 根 15m bars（约 10.4 天）
- 信号：
rv_1d：过去 96 根 15m 的 realized variancepsv_1d：过去 96 根 15m 的 positive semivariance proxybv_1d：过去 96 根 15m 的 bipower variation proxy（jump-robust variance 近似）- 排序：每个时间点做横截面三分位
- 组合：
long low tercile - short high tercile
- 评估 horizon：
1h / 4h / 1d
- 两组 universe：
major_alts：SOL/XRP/DOGE/BNB/ADA/AVAX/... 这类液态大中盘 altspeculative_alts：SHIB/BONK/PIXEL/ONT/... 这类更偏投机的中小盘 alt
6.2 结果：最近这段 Binance tape，信号短期是反着的
#### major_alts
rv_1d 的 Low - High：1h：-0.0062%4h：-0.0526%1d：-0.3729%psv_1d 的 Low - High：1h：-0.0160%4h：-0.0692%1d：-0.3591%
#### speculative_alts
rv_1d 的 Low - High：1h：-0.0342%4h：-0.1577%1d：-0.7310%psv_1d 的 Low - High：1h：-0.0415%4h：-0.1682%1d：-0.3854%
也就是说，在最近这 10 天左右的 Binance 15m 样本里：
> 不是低 variance 币更强，而是高 variance / 高 positive-jump 币继续更强。
这和 paper 的周级结论相反。
6.3 这不代表论文没用，代表我们不能“频率偷换”
最合理的解释不是“paper 错了”，而是：
- paper 的 alpha 是周级横截面，不是近 10 天 15m 的追踪误差游戏；
- 当前 tape 更像投机追涨环境，高方差币正处在被继续买的阶段；
- 作者的效应更强于长期、更广的 Coinbase/Kaiko 横截面，并且更偏小币/零售拥挤环境；
- 我们这里的 recent-window probe 更像在测“这条周级 alpha 能不能直接压缩成短线版本”，答案目前是：不能直接照搬。
这反而是好事，因为它告诉我们：
- 这条线 值得测，
- 但 不能粗暴降频率/缩 horizon。
7. desk 版该怎么落地，才不算乱改论文
7.1 先做 paper-faithful replication
第一步不要自作聪明，先复原它的结构：
- universe：尽量广的 spot coin 横截面
- sampling：
15m
- feature window：过去
1 month
- rebalance：每周
- portfolio：
long low positive-jump variance tercileshort high positive-jump variance tercile- weighting：先 equal-weight，再加 liquidity cap
这是主验证，不是可选项。
7.2 然后才是 desk adaptation
版本 A：慢因子 + 快执行
- signal 每
1d 或 4h 刷新一次；
- 执行 bar 在
15m；
- 组合仍是 market-neutral cross-sectional long-short。
版本 B：short-side ranker
- 只取
high positive-jump variance 分位做 short candidate 池；
- 再叠一个
breadth weakening / BTC not impulsing up 的环境确认。
版本 C：trend / breakout veto
- breakout 本来想追多的币，如果它的
positive-jump variance 已在横截面顶部分位，先降权或 veto。
对当前 desk，版本 B / C 反而可能比直接上完整 long-short 更快。
8. 一条最小可执行策略骨架
8.1 Universe
- Binance spot 或 perp 流动性前
30~80 币
- 剔除：稳定币、包装资产、明显不可借不可空标的
- 首轮优先：spot 做研究；能成立再映射 perp
8.2 Signal
- bar frequency：
15m
- 每个币估计：
RV = sum(r_t^2)PSV = sum(max(r_t, 0)^2)BV ≈ (π/2) * sum(|r_t||r_{t-1}|)- window：
- Paper-faithful：
~30d
- Desk-minimal：先从
3d / 7d / 14d / 30d 四档试
- 排序：横截面 tercile / quintile
8.3 Entry / Exit
Paper-faithful 版
Desk-adapted 版
- 每
4h 或 1d 刷一次排序
- 固定持有
1d / 3d
- 不要先上 per-bar 动态翻仓，不然 turnover 会把 edge 吃掉
8.4 Sizing
- equal-weight 起步
- 再加：
- 单币权重上限
- ADV cap / trade-count cap
- inverse-vol 微调，但不要把 alpha 又冲淡成 generic risk parity
8.5 Risk / Cost
- 手续费：先按 taker 双边
4~8 bps
- 做空可得性：优先在 perp 验证，但注意 funding 不要把 alpha 和 carry 混起来
- 风险项：
- squeeze risk（尤其 short 高 positive-jump 币时）
- crowding / meme continuation
- regime dependency（risk-on 疯涨阶段，信号容易翻面）
9. 这篇 paper 目前最适合放在我们研究栈里的位置
我的判断：
- 主标签仍然是
raw alpha，因为 base alpha 很清楚；
- 但对当前
1m/3m/5m/15m desk，最优先的不是直接把它压成下一根 K 线预测器；
- 更适合先作为：
- 慢横截面 alpha sleeve
- short-side ranker
- trend/breakout 的 anti-lottery veto
这比把它硬伪装成“分钟级主信号”诚实得多，也更可能跑出东西。
10. 下一步怎么测
按优先级，我建议直接做这 4 组实验：
P0：paper-faithful replication（必须先做）
- 数据：尽量广的 spot 横截面，
15m 或更高质量 intraday 数据
- 信号：
RV / PSV / BV
- 窗口：
30d
- rebalance：weekly
- 输出：
Low/Mid/High 分组收益、Low-High spread、turnover、成本后收益
P1：desk 适配版慢刷新
- 用 Binance / Bybit 可拿到的公开数据
15m bar 估 7d/14d/30d variance family- refresh：
4h / 1d
- hold：
1d / 3d
- 验证这条线是不是只能慢做，还是能压缩到我们现有 infra
P2：regime split
把样本按以下条件切开：
- BTC
1d 涨幅分位
- alt breadth
- high-beta risk-on / risk-off
- meme season proxy
核心问题：
> anti-lottery 这条线是不是只在 risk-off / overheat-cooling 阶段成立，而在纯 risk-on 追涨阶段翻面？
P3：把它变成 veto，而不是强行当主 alpha
- 在现有 breakout / winner-only / market TSMOM / cross-sectional momentum 壳上，加入：
positive-jump variance top decile vetojump-robust variance top decile size-down- 看它能不能改善：
- entry timing
- short-side hit rate
- MDD
11. 一句话结论
这篇 2025 *JFQA* 给的不是“vol 高要小心”这种废话，而是一条很清楚的 anti-lottery cross-sectional raw alpha：
> 做多低 realized-variance / 低 positive-jump-variance 币，做空高 realized-variance / 高 positive-jump-variance 币。
但我这轮 public 15m 快检也很明确：
> 它不能被粗暴压缩成最近 10 天 Binance 15m 的短线版本；当前 tape 里，高 variance 币反而在继续赢。
所以最该做的，不是把它误读成逐根信号，而是：
- 先做 paper-faithful 周级 replication；
- 再把它拆成
slow cross-sectional sleeve / short-side ranker / anti-lottery veto 三条线。
12. 参考链接