源文件：research/quant_digests/2026-04-11_0756_dynamic-secondfactor-basket-fade-alpha.md
common-trend stripped second-factor residual mean reversion / basket stat-arb —— 先把篮子里的共同大趋势（论文里基本就是 BTC-like market factor）剥掉，再去做第二因子驱动的相对错位回归；赌的不是单币方向，而是多腿 residual basket 会向因子均衡回摆15m portability probe（本地 proxy）一句话： base alpha = 把共同趋势因子剥掉以后，做第二因子主导的 residual basket mean reversion。
翻成人话：
所以它的归类是清楚的：
raw alpha：是relative-value / stat-arb / market-neutral：是filter / regime / overlay：不是 alpha 本体，但论文里的“第二因子仍然 stationary 才交易”是很关键的 admission layer来源信息先摆清楚：
10.1007/s10203-021-00318-x论文原始样本是：
BTC / ETH / LTC / XMR2016-01-01 到 2019-11-302019-01 到 2019-11 做策略评估作者不是只说“crypto 有协整”，而是更进一步： 这个 4 资产篮子，在 2019 年 8 月前后之前，更像“一个 integrated factor + 一个 stationary factor”的二因子系统。
原文 Table 3 给的 Johansen test 结果是：
r=0：stat 105.0086 > c value 40.1751r=1：stat 57.8639 > c value 24.2747r=2：stat 15.7722 > c value 12.3206r=3：p value 0.6356这等价于说： 4 条价格序列有 3 条 cointegrating relationships，也就是 1 条共同 integrated trend。
这一步很关键，因为它不是“随便找两条相关高的币”，而是先承认： 大部分价格漂移其实是共同行情因子。
作者先拟合一因子，再看残差协方差矩阵特征值：
(1184763.89, 6946.14, 185.03, 14.32)因此他们判断： 一条共同趋势不够，至少还需要第二个有效因子。
最后定下来的结构就是：
f1：integrated I(1) 因子f2：第二因子；在 2019 年 8 月底前大体 stationary，之后转坏原文 Table 4 参数：
β11 (BTC on factor1) = 0.9911β21 (ETH) = 0.0700β31 (LTC) = 0.0170β41 (XMR) = 0.0260论文还明确写到： 第一因子 essentially emulates the dynamics of Bitcoin。
也就是说，这里最像 desk 语言的解读其实是：
f1 ≈ 市场共同大趋势 / BTC-like betaf2 ≈ 脱离共同趋势之后的次级相对错位因子这就是它和“普通 pair spread”最不一样的地方。
论文第 4 节把价格按 βi1 缩放：
p*i,t = p_i,t / β_i1
这样处理后，每个缩放价格都可以写成：
f1βi2 / βi1 决定暴露的第二因子 f2于是任意两资产的 scaled spread：
翻成人话： 不是直接做原始 price spread，而是先 strip 掉共同市场 beta，再做 residual spread fade。
这条思路比“相关高 → pair → z-score”更像一个真正能扩展成 basket stat-arb 的壳。
论文的单步逻辑其实挺直接：
f2；论文给的例子（Table 5）里，排序后策略动作是：
所以它不是一条固定 pair，而是： 共同趋势剥离后的 rank-based 多腿 mean reversion / stat-arb。
OpenAlex 摘要和正文都指向同一个结论：
1 integrated + 1 stationary factor2 integrated factors论文正文还写得很直白：
two common integrated factors这对 desk 很重要： 第二因子是不是还 stationary，本身就是 admission layer，而不是事后解释。
Table 6 给了不同 no-trade 常数 c 下的 summary：
c = 0.20（作者认为更合理，兼顾费用后更优）时：
222G_{τ+M} mean：7623.34G*_{τ+M} mean（含 0.10% 交易费）：3032.97G*_{τ+M} st.dev.：2598.39文中还明确说：
c=0 时 cumulative gain 最大c=0.20 更像合理选择所以这篇东西不是纯理论文章；它至少给了一条：
都比较完整的原始壳。
表面上它也在做 market-neutral / spread fade，容易被误判成“和已有 pairs digest 差不多”。
但我觉得它真正新增的点有 3 个：
很多 pairs / basket stat-arb 文章默认：
而这篇更像：
这比“裸 spread mean reversion”更接近 factor-neutral stat-arb。
原文虽然最后落到多腿 long-short，但底层不是固定 pair， 而是整个篮子的因子结构。
这对当前 desk 的价值在于：
这篇东西最能落到 desk 的一句其实不是“trade spread”，而是： 当第二因子不再 stationary，就停。
这比很多 pairs repo 里的固定 z-score / 固定半衰期规则更干净。
15m因为论文原始是日频 + Bayesian dynamic factor / state-space 估计， 我先做一个最小 desk proxy，看它有没有 short-cycle 素材价值：
BTCUSDT / ETHUSDT / LTCUSDT / SOLUSDTXMR 在当前 Binance 永续不可直接照搬，所以我用 SOL 做可交易替代，重点保留“共同 market factor + 次级 residual factor”这个结构，而不是硬复刻原资产集合15m2025-11-12 08:00 UTC 到 2026-04-11 07:45 UTC10d rollingcommon trendresidual factor4 / 8 / 12 bars产物：
reports/artifacts/literature/dynamic_factor_shortcycle_probe_2026-04-11.csvreports/artifacts/literature/dynamic_factor_shortcycle_probe_2026-04-11.json如果用 10d 训练、half-life 上限 200 bars 的宽松 proxy：
13,43685.84%z >= 1.0 时信号数：5,432但问题是：
4-bar 持有 gross mean 只有 +1.06 bps/trade8-bar 持有 gross mean +2.02 bps/trade12-bar 持有 gross mean +2.59 bps/trade也就是说： 共同趋势剥离后的第二因子 fade，在 15m 上不是完全失效，但 naive trade 太薄，直接 taker 化基本不行。
把 entry 提高到更极端的 |z| >= 1.75：
1,7084-bar gross mean：+2.01 bps/trade8-bar gross mean：+3.67 bps/trade12-bar gross mean：+5.07 bps/trade12-bar win rate：56.8%这说明什么？
20 bps round-trip 成本假设，它还是过不了。所以我对这轮 probe 的结论是： 它是“可独立复现的 raw alpha 候选”，但还不是“当前 desk 可直接拿来完整部署的 finished strategy”。
在可交易窗口中位数上：
0.3670.5380.4020.577+0.154+0.451-0.457-0.249翻成人话：
更像是： short 第二因子偏热的一侧，long 第二因子偏冷的一侧。
虽然论文原始框架是完整的， 但对我们当前 5m/15m short-cycle desk，我认为更诚实的定位是：
主题类型：raw alpha是否可独立复现：是是否可直接落地完整策略：否原因不是 base alpha 不清楚； 恰恰相反，base alpha 很清楚。
真正的问题在于：
我们最近 pairs / stat-arb 积累已经很多， 但大多还是：
这篇新增的是： 共同趋势先 strip，再做第二因子 residual 的 market-neutral mean reversion。
也就是把 raw alpha 从“pair spread 回归”再往上抬了一层： 从 spread 工程，变成common-trend neutralized factor-residual stat-arb。
这条线值得继续挖。
我建议下一轮不要再做“大而全重写论文”，而是直接做这 4 个最小实验：
当前 probe 用的是 rolling PCA proxy。 下一步应补一个更接近论文原意的版本：
f1、f2f2 的 stationarity / half-life先回答： PCA 的第二主成分，能不能稳定近似论文里的第二因子？
当前结果已经说明：
因此下一步应把 alpha 限制到：
|z_f2| >= 1.75 或 2.08~12 bar 这一档zero-cross / half-z / time-stop 做离场比较如果继续做 4-leg basket：
所以下一步必须显式比较：
不然这条线永远只会停留在 paper alpha。
下一步应该试两类 universe：
BTC / ETH / LTC / SOL / XRPETH / LTC / SOL / XRP / ADA看哪个更容易形成：
如果 alt-heavy 版本能把共同 market beta 外显得更干净， 它在 15m 上可能反而比 BTC-inclusive 更像可交易对象。
这篇 2021 dynamic-factor 论文，不是又一篇可以直接塞进“普通 cointegration pairs”抽屉里的旧材料。
对当前 desk，最值得拿出来单独测的，不是“原文那套日频 long-short 排名”本身， 而是它背后的这条 raw alpha：
先剥共同趋势，再做第二因子 residual basket fade。
这是条：
的 raw alpha 候选。
所以我会把它放在当前研究池里的定位定为： “值得继续做 exact-factor replication 与 maker-execution 细化的 factor-neutral basket stat-arb 支线”，而不是立刻上 production 的完成品。