← 返回 Quant Digests · 站点首页
别把这篇 2023 perp 定价论文只读成“模型竞赛”：对 short-cycle desk，更该先测的是「BTC perp conditional-drift slope」这条单资产 raw alpha
更新时间：2026-04-06 09:26 UTC
研究时间：2026-04-06 09:28 UTC
类型：2023 *Expert Systems* 论文摘要/元数据（Crossref + Semantic Scholar + OpenAlex）+ Binance Futures public endpoint availability check
主题标签：raw-alpha/single-asset/trend/momentum/directional/conditional-drift/perpetual-futures/btc/expected-price-slope/vol-normalized/egarch/arma/binance/1m/3m/5m/15m/paper/metadata/public-data/cost/risk
证据类型：论文摘要/元数据 + 公共 API 可得性确认
源文件：research/quant_digests/2026-04-06_0928_btc-perp-conditional-drift-alpha.md
- 时间：2026-04-06 09:28 UTC
- 类型：2023 *Expert Systems* 论文摘要/元数据（Crossref + Semantic Scholar + OpenAlex）+ Binance Futures public endpoint availability check
- 主题类型：raw alpha
- 基础 alpha：滚动估计 BTC perpetual futures 的条件均值
μ̂ 与条件波动 σ̂；当模型隐含的未来价格相对当前价格的预期斜率，在波动归一化后显著偏正/偏负时，顺着这条短周期条件漂移做多/做空。
- 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/single-asset/trend/momentum/directional/conditional-drift/perpetual-futures/btc/expected-price-slope/vol-normalized/egarch/arma/binance/1m/3m/5m/15m/paper/metadata/public-data/cost/risk
- 证据类型：论文摘要/元数据 + 公共 API 可得性确认
1. 这次看了什么
这轮主材料是：
我最后选它，不是因为又想补一篇“fair value 理论文献”，而是因为它补的是一条和我们最近几篇 pairs / carry / fair-value mean reversion 不一样的东西：
> 单资产 BTC perp 的 conditional-drift directional alpha。
它回答的不是“偏离 fair value 后会不会回去”，而是：
> 在已知短周期条件均值 + 条件波动的情况下，下一段价格斜率有没有可交易方向性。
这条线值得进素材池，因为它：
- 是 raw alpha，不是 filter 伪装成 alpha；
- 不依赖配对、cointegration、跨市场 lag；
- 可以直接映射到
1m / 3m / 5m / 15m 的 BTC perp 最小实验；
- 还能自然接到现有 desk 的 cost / funding / execution veto 组件上。
---
2. 先回答：这篇东西的 base alpha 是什么？
先把最关键的问题讲清楚。
2.1 它的 base alpha 是明确的，而且是 raw alpha
这篇 paper 真正可交易的本体不是“模型准确率”这几个字，而是：
> 当模型预测的未来 perp 价格相对当前价格呈现显著正/负斜率时，BTC perpetual futures 在短周期上存在可顺着做的条件漂移。
翻成人话：
- 先用最近一段 intraday 数据估一个 下一段大概往哪边走；
- 再估一个 这段预测有多 noisy；
- 只有当“方向边”足够大、能盖过波动噪音和交易成本时，才开仓；
- 正斜率做多，负斜率做空。
这不是 overlay。 这也不是“看到波动大就别做”。 它本体就是一条：
- single-asset
- directional
- trend / momentum / conditional drift
raw alpha。
2.2 为什么它比继续补一层 filter 更值得
因为我们最近素材池里已经有不少：
- pairs / copula / reference-spread mispricing
- funding / basis / carry
- maker / order-book imbalance
- cross-sectional momentum / reversal
但 “单资产 BTC perp 条件漂移” 这条线，最近反而没有新增 intake。 如果这条壳能活，它有两个用途：
- 直接作为独立策略；
- 给现有 breakout / continuation / event-driven 策略做 direction prior。
也就是说，它不是只能单独用，还是一个能往多条主线里插的基础件。
---
3. 论文到底给了什么证据
从可抓到的摘要/元数据里，paper 明确给了几条对 desk 有用的信息：
3.1 它研究的是 intraday high-frequency BTC perpetual futures
Crossref/Semantic Scholar 摘要写得很直白：
- 研究对象是 Bitcoin perpetual futures contracts；
- 目标是做 intra-day high-frequency 的条件均值与条件波动建模；
- paper 把 perpetual pricing 问题和交易算法绑在一起，不只是做 forecasting score。
3.2 它不是只做 ML 马术表演，而是最终落到交易
摘要里的主结论有 3 个：
- EGARCH 对 intraday volatility 的预测几乎无偏；
- ARMA(0,0) 反而是 conditional mean 的最好刻画；
- 交易算法用“当前价格 vs 预测未来价格”的 slope 来决定 long / short。
这第三点最关键。 对 desk 真正值钱的不是“谁赢了模型比赛”，而是：
> signal = expected future price slope
而不是“多加几个 feature 再让黑箱自己学”。
3.3 论文 headline 很夸张，但仍然给了我们 3 个有价值的数据点
摘要里直接写到：
- BTC perpetual futures 日交易量约 $45B；
- 最优模型平均方向判断正确率约 85%；
- 回测绝对收益在不同费用/杠杆假设下达到 1500%–8000%。
这些 headline 我不会原样照单全收，原因很简单：
- 单资产 + 高杠杆回测，百分比收益很容易被放大；
- 没看到完整持仓路径、滑点、资金利用率、爆仓约束，就不能把这个收益当真；
85% 的 hit-rate 也必须看 horizon、class balance、是否只挑高置信样本。
但即便把夸张部分都打掉，这篇 paper 仍然给了我们一个值得 first test 的小壳：
> 波动归一化后的 expected-price slope，到底有没有 post-cost 方向边。
这条就够了。
---
4. 对 short-cycle desk，最该拿走的不是“最准模型”，而是这条更小、更诚实的策略壳
4.1 别先复刻论文的 full model zoo，先复刻 base alpha
paper 的写法容易把人带进“我要不要也跑一堆 ML 模型”的误区。 但对我们 desk 来说，first verdict 根本不需要先做 full horse-race。
更实用的拆法是：
μ̂_t：短周期条件均值（先用最简单的 rolling mean / EWMA / AR(1)）σ̂_t：短周期条件波动（先用 EWMA vol，第二轮再升级 EGARCH）score_t = μ̂_{t→t+H} / σ̂_{t→t+H}
然后只问一个问题：
> 当 score_t 足够大/小的时候，下一段 BTC perp 的 realized return 是否具有单调性与 post-cost edge？
如果这个问题答不出，先别谈模型升级。
4.2 它和我们已有的 fair-value / basis mean-reversion 不是一回事
这点要说清。
这次 intake 的 base alpha 不是：
perp - spot 偏离会回归；- funding/basis 太高会均值回归；
- 某个 alt 相对 benchmark 的 residual 会收敛。
它是：
> BTC perp 自己，在短周期上有条件方向漂移。
所以它更像：
- single-asset momentum / continuation 的统计版本；
- 但又比“看上一根涨跌”多了一层 volatility normalization；
- 也比纯 breakout 更容易和成本门槛结合。
4.3 这条线很适合做成“基础方向层 + 交易否决层”
它的 best use 不是满脑子只看方向，而是做成两层：
- 方向层：
score_t 决定 long / short bias；
- 否决层：basis / funding / event / spread 过差时不做。
这样它既保留 raw alpha 属性，也不会在最差执行环境里硬冲。
---
5. 公开数据能不能快速复现？能
5.1 数据源：公开可得
要把这条线先落成最小实验，不需要私有数据。 最实用的公开口径可以直接用 Binance：
本轮 availability check 里，premiumIndex 和 fundingRate 都能直接拉到；spot klines 也可直接获取。
5.2 更新频率：能映射到 1m / 3m / 5m / 15m
这条信号不需要低频宏观数据，天然适合短周期：
1m / 3m：适合做更高频 score 刷新与 child execution；5m / 15m：适合做 first verdict，先看 cost-adjusted monotonicity；- live 版本建议直接改走 websocket，避免 REST ban。
5.3 最小可复现实验口径
先别追求论文 exact reproduction。 最快的 desk 版本可以定义成：
- 标的：
BTCUSDT perpetual
- bar：
5m 主实验，15m 稳健性复核
- price：perp mark / perp last / spot close 三套都做一遍
μ̂：EWMA return mean 或 rolling constant-meanσ̂：EWMA realized vol（第二轮升级 EGARCH）H：1 bar / 2 bars / 3 barsscore = μ̂_H / σ̂_H
这已经足够回答：
> 论文真正值钱的那个 base alpha，在我们的数据口径里有没有活性。
---
6. 直接落地成完整策略的话，我会怎么写
6.1 entry
先用最小、最诚实的定义：
long：score_t >= z_entryshort：score_t <= -z_entry
第一轮网格：
z_entry ∈ {0.15, 0.25, 0.35, 0.50}H ∈ {1,2,3} bars
同时加两个 admission 条件：
|basis_t| 不在最近 20d 的极端分位（避免已经高度拥挤的 rich/cheap 狀态）- 距离 funding timestamp 太近时可降权或不入场
6.2 exit
别把 exit 写复杂，先用 4 个最直白的：
- time exit：持有
H bars 或 2H bars
- sign flip：
score_t 反向穿回 0
- stop-loss：
0.75 × σ̂_H
- take-profit：
1.0 × σ̂_H 或 1.25 × σ̂_H
如果 first verdict 里发现 edge 主要集中在首 bar，那就别强行拿长。
6.3 sizing
position size 直接用 volatility normalization：
``text target_notional_t ∝ clip(|score_t|, 0, score_cap) / σ̂_t ``
第一轮建议：
- notional cap：单次
0.5x ~ 1.0x 研究杠杆
- 不做 martingale
- 不因为连胜连败改仓
6.4 cost
这条线最怕 turnover 被成本吃掉，所以 first test 必须显式带：
- taker-only：单边
2~4 bps
- maker/taker mix：
1~3 bps
- 再单独计 funding transfer
没有 post-cost，就直接判死，不要再给它找借口。
6.5 risk
最小 risk shell：
- funding 窗口前后
±10m 降权
- CPI / FOMC / NFP 大事件前后可先做 veto 版本
- 当 realized vol 超过 rolling
95% 分位时减半仓或不做
注意：这些是 risk / execution overlay，不是 alpha 本体。
---
7. 这条线最值得先测的 3 个问题
7.1 方向 score 有没有单调性
最先看这个：
score 分桶后，下一 bar / 下一 H bars return 是否单调；- 不是只看 top-vs-bottom，连中间桶也要看。
如果只有极端桶有点效果，而中间全乱，那说明它更像 sparse trigger，不像连续 alpha。
7.2 edge 是不是被波动环境伪装出来的
因为信号本身来自 μ̂/σ̂，最容易出现的问题是：
- 表面像方向预测；
- 实际上只是高波动环境里“顺着大波动继续抖”。
所以必须切：
- 低 vol / 中 vol / 高 vol
- funding 正 / funding 负
- basis rich / cheap / neutral
看 edge 到底在哪一层活。
7.3 论文 headline 的 85% / 1500%-8000% 能留下多少“干货”
我的预期是：
- 真正可移植到 desk 的，不会是 8000% 这种 headline；
- 更现实的是：某些
score 极端桶在 5m / 15m 上有稳定的正负偏移，并且能在合理 round-trip cost 后剩下一点边。
这就够了。
---
8. 下一步怎么测（最小实验，别拖）
8.1 第一轮：先做 cheapest possible verdict
目标：一下午内回答“这条 alpha 活不活”。
- 拉
BTCUSDT spot 5m + perp mark/premium/funding 数据；
- 用
20d rolling window 估 μ̂ 和 σ̂；
- 先不用 EGARCH，直接上 EWMA mean + EWMA vol；
- 计算
score_t = μ̂_H / σ̂_H；
- 跑
H = 1,2,3 bars；
- 输出：
- 分桶 next-return monotonicity
- top-bottom spread
- hit-rate
- gross / net PnL
- turnover
- funding-adjusted PnL
8.2 第二轮：再验证论文最值钱的那块——EGARCH 值不值得加
如果第一轮活，再做：
σ̂：EWMA vs EGARCHμ̂：constant mean vs AR(1) vs simple EWMA mean- 对比谁带来更好的 net monotonicity，而不是只看 in-sample fit
8.3 第三轮：接到 desk 现有执行壳
如果第二轮仍然活，就把它接进：
- funding veto
- event veto
- maker/taker route split
- size scaler
再看它更适合：
- 独立跑；还是
- 作为 breakout / continuation / event-driven 的 direction prior。
---
9. 我对这篇材料的判断
9.1 值得 intake，但不要被 headline 绑架
这篇 paper 值得进研究池，不是因为我信它的高收益回测，而是因为它给了一个对 short-cycle 很实用、而且最近没重复 intake 的基元：
> BTC perp 的 vol-normalized expected slope。
9.2 它在我们 desk 的最好定位
我会把它定位成：
- 主标签：raw alpha
- 子标签：single-asset / directional / conditional drift
- 首轮战术：5m/15m minimal experiment
- 后续用途：独立策略或 shared direction prior
9.3 一句话结论
> 别先复刻论文那串模型比赛；先测“vol-normalized expected-price slope”这条最小 raw alpha，在 BTCUSDT perpetual 的 5m / 15m 上看它有没有 post-cost 单调性。
---
10. 参考与来源
- Malik, A. (2023). _A comparison of machine learning and econometric models for pricing perpetual Bitcoin futures and their application to algorithmic trading_. Expert Systems, 40(10).
- Binance Spot API
- Binance Futures Public API