← 返回 Quant Digests · 站点首页
别把这份 2026 Hyperliquid lead-lag repo 只读成 network-science demo：对 short-cycle desk，更该先测的是「Lévy rowscore leader move × follower catch-up basket」
更新时间：2026-04-07 16:02 UTC
研究时间：2026-04-07 15:49 UTC
类型：GitHub repo source audit（`README.md` + `main.py` + `portfolio.py` + `trading_signal.py` + `bot.py`）
主题标签：raw-alpha / cross-sectional / lead-lag / relative-value / follower-catch-up / network-ranking / Hyperliquid / 15m / 5m / 1h / repo / cost / risk
证据类型：工程经验
源文件：research/quant_digests/2026-04-07_1549_levy-rowscore-follower-catchup-alpha.md
- 时间：2026-04-07 15:49 UTC
- 类型：GitHub repo source audit（
README.md + main.py + portfolio.py + trading_signal.py + bot.py）
- 主题类型：raw alpha
- 基础 alpha：先找出在最近窗口里“经常先动”的 leader 币，再用 leader 最新一根收益的方向，去做 follower 币的滞后跟随篮子；赚的是 leader 先动、follower 后补 这段短时 lead-lag 传导。
- 是否可独立复现：是
- 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：否
- 主题标签：raw-alpha / cross-sectional / lead-lag / relative-value / follower-catch-up / network-ranking / Hyperliquid / 15m / 5m / 1h / repo / cost / risk
- 证据类型：工程经验
1. 这次看了什么
这次主看 mateofrqt / Crypto-LeadLag-Strategy。它不是普通“相关性排序”脚本，而是先用 Lévy area signatures 估计币对之间的方向性先后关系，再把每个币在有向网络里的行均值分数当成 leader / follower 排名，最后把这套排名翻译成可交易的 long-short 篮子与 live bot。对我们 desk 来说，它最像一条 可快速最小复现的 cross-sectional lead-lag raw alpha，而不是单纯研究图论结构。
2. 核心结论
- 这条东西的 base alpha 很清楚：不是赌 breakout，也不是赌均值回复，而是赌 “先动币”对“后动币”的短时传导。leader 已经朝某个方向明显动了以后，followers 往往会补这一步。
- 它最有用的工程化翻译是：先在滚动窗口上算 lead-lag matrix，再把 row-score 高的币当 leaders、低的币当 followers；下一根如果 leaders 平均收益为正，就做多 follower 篮子；为负，就做空 follower 篮子。
- 仓位层不是一句“等权”带过。源码里 follower 权重直接按 对 leaders 的绝对 lead-lag 强度 来分配，bot 侧又加了
risk_per_trade、target_volatility、max_leverage、rebalance_threshold、min_leader_move 这些约束，说明作者想把它往真实组合壳推进。
- 但当前 repo 还没到 production：
main.py 示例回测只用了很短样本，默认还把 use_risk_management=False；更关键的是，回测里几乎没认真处理手续费、滑点、冲击成本，所以它现在更像“信号骨架已清楚、成本层还没补完”的 raw alpha 候选。
- 对 short-cycle desk 真正值钱的地方不是照搬 Lévy / Hermitian 这些术语，而是学到一个可迁移模板：先做 leader ranking，再做 follower basket catch-up。这比单币追涨更接近可组合、可做多空双开的 alpha 组件。
3. 为什么和当前项目有关
它直接补的是我们素材池里相对还不够多的一层：cross-sectional lead-lag raw alpha。最近我们已经积累了不少 pairs、carry、maker、single-asset continuation，但“谁先动、谁后补”这种 横截面传导 仍然值得持续补货，尤其适合 5m / 15m 甚至 3m。
一句话核心结论：这份 repo 最值得拿来测的，不是复杂数学名词，而是“leader 先涨先跌后，follower 篮子会不会在下一两个 bar 补动作”这条可直接下单的横截面 alpha。 一句话证明方式：作者把 lead-lag 先后关系写成 rolling matrix、ranking、篮子回测和 live bot 参数，而不是只停留在相关性图或论文图表。
3.5 策略拆解（必填）
- 方向属性：横截面 / 相对价值 / lead-lag continuation
- 基础 alpha：leader 最新收益方向对 follower 下一根或下几根收益有预测力
- regime：流动性较好、币种间联动增强、市场有共同驱动但传导不同步的时段
- filter / veto：
min_leader_move、leader/follower 分位筛选、cluster 内交易、rebalance threshold、风险预算开关
- risk / sizing / execution overlay：follower 篮子按 lead-lag 强度加权；组合 notional 受
risk_per_trade、target_volatility、max_leverage、max_drawdown 约束；实盘侧通过定时轮询和最小调仓阈值降低换手
4. 可复刻的最小实验
- 研究假设：在 liquid perp universe 中，若过去
N 根里 A/B/C 经常领先 D/E/F，且本根 leaders 的均值收益绝对值足够大，则 followers 在下一根仍会同向补动作。
- 一个可计算定义：
- 用
30 根滚动窗口在 1h 先复刻 repo 口径，算 lead-lag score matrix；
- 每根按 row-score 排名前
10% 为 leaders、后 10% 为 followers；
- 若
leaders_ret_t > +0.4%，做多 follower basket；若 < -0.4%，做空 follower basket；
- 先持有
1 根，再测 2 根；权重先用等权，再测 abs(score) 加权。
- 最小回测切口：
- 资产：Hyperliquid 或 Binance perpetual 的 top
20~30 liquid names
- 周期：先
15m 稳健复刻，再降到 5m 看 alpha 是否更强但更脆
- 样本：至少
90~180 天，不要沿用 repo 那种极短样本
- 最该先看哪 1~2 个指标：成本前后 next-bar / next-2-bar alpha 是否仍为正、调仓换手后净 edge 是否被费用吃掉。
5. 风险与保留意见
- 当前 repo 最大问题不是信号，而是 证据强度不够：示例样本偏短，且成本处理明显不充分，容易把换手型 alpha 看得太漂亮。
- lead-lag 策略最怕两件事：一是 共同因子同时反转，二是 followers 其实已经同步、只是假象上看起来滞后。所以一定要补市场 beta / sector beta 去残差化对照。
- 如果下到
5m / 3m，真正的敌人不是统计显著性，而是 交易成本、盘口深度、调仓摩擦；这条线很可能从 raw alpha 逐步变成“低频一点能活，高频太碎会死”的策略。
- 另外，repo 里 live bot 有风险管理接口，但仓位、成交、费用、滑点的 production 闭环还不完整，所以目前更适合当 research shell，不适合直接当实盘成品。
6. 来源
- mateofrqt.
Crypto-LeadLag-Strategy.
- README / overview
- Backtest entrypoint
main.py
- Portfolio construction / backtest logic
portfolio.py
- Lead-lag matrix construction
trading_signal.py
- Live execution shell
bot.py