← 返回 Quant Digests · 站点首页
别把这篇 2021 Bitcoin 日内曲线论文只读成功能数据分析 demo：对 crypto short-cycle desk，更该先测的是「predicted CIDR trough → subsequent peak」这条 raw alpha
更新时间：2026-04-12 02:49 UTC
研究时间：2026-04-12 02:44 UTC
类型：2021 *International Review of Financial Analysis* 全文 accepted PDF（University of Reading CentAUR）+ Binance USDⓈ-M `BTCUSDT 5m` portability probe
主题标签：raw-alpha/intraday/path-shape/cidr/fpca/functional-time-series/mean-reversion/timing/btc/bitstamp/binance/5m/15m/paper/fulltext/public-probe/cost/risk
证据类型：论文全文证据 + 公共数据 portability probe
源文件：research/quant_digests/2026-04-12_0244_predicted-cidr-trough-peak-intraday-alpha.md
- 时间：2026-04-12 02:44 UTC
- 类型：2021 *International Review of Financial Analysis* 全文 accepted PDF（University of Reading CentAUR）+ Binance USDⓈ-M
BTCUSDT 5m portability probe
- 主题类型：raw alpha
- 基础 alpha：把过去一段时间的
5m 日内累积收益曲线（CIDR）压缩成少数几个主成分分数，预测下一天整条日内回报路径；若预测曲线先下后上，就在预测谷底买入、在其后预测峰值卖出。对 desk 来说，本质不是“追涨/抄底一句话”，而是“次日 intraday path shape forecast”。
- 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/intraday/path-shape/cidr/fpca/functional-time-series/mean-reversion/timing/btc/bitstamp/binance/5m/15m/paper/fulltext/public-probe/cost/risk
- 证据类型：论文全文证据 + 公共数据 portability probe
1. 这次看了什么
这轮主材料不是新 repo，而是一篇能直接拿到全文的论文：
它的表面故事像“functional data analysis 在 Bitcoin 上的一个统计学应用”。 但对我们 desk，真正有交易味道的不是方法学名词，而是这句：
> 把一天内整条回报曲线先预测出来，再从预测曲线里读出次日的买点和卖点。
这不是常见的：
- 单根 bar continuation；
- 某个指标 cross；
- funding/basis/carry 慢频壳子；
- 纯解释型 filter。
它是一个可以单独成型的 raw alpha：
> 预测次日 path shape → 在预测 trough 入场 → 在其后预测 peak 离场。
2. 先回答最重要的一句：base alpha 到底是什么
这轮 base alpha 是清楚的：
> next-day intraday path-shape forecast alpha。
翻成人话：
- 先把每天
5m 的 BTC 价格轨迹改写成一条“从当天开头累积到当天每个时点的收益曲线”；
- 再看过去很多天这些曲线里，最稳定的几个“形状因子”是什么；
- 用这些因子分数去预测下一天的曲线大概会先往哪边走、何时更像低点、何时更像高点；
- 如果预测是“先压后抬”，就可以提前规划第二天的 long-only intraday trade。
所以它不是：
- 只给趋势信号做一个模糊 filter；
- 只能解释、不能下单的结构研究；
- 低频 regime 备注。
它本身就能写成完整交易规则，因此归类 raw alpha 没问题。
3. 论文里真正值得 desk 拿走的 5 个点
3.1 原始样本与信号口径很贴近我们的 fast lane
论文用的是：
- 标的： Bitcoin
- 来源： Bitstamp
- 频率：
5m
- 区间：
2014-11-01 到 2019-08-10
- 样本天数：
1367 天
- 单日观测数： 论文写
290 个 intraday grid
它先定义：
``text CIDR_t(u) = 100 × [ log P_t(u) - log P_t(0) ] ``
也就是：
- 当天起点收益是
0；
- 曲线后面每个点，表示“从当天开始到此刻，累计涨了/跌了多少”。
这对 short-cycle desk 的好处很明显：
- 它保留了整天的路径信息，不是只看收盘到收盘；
- 很容易迁移到
5m / 15m；
- 可以直接产出 time-of-day execution plan，而不只是方向判断。
3.2 论文结论不是“整条曲线自相关很强”，而是“曲线本身不相关，但分数在某些时期会相关”
论文先做了一堆 functional tests，结论很关键：
- CIDR curves stationary
- non-normal
- uncorrelated
- 但有 conditional heteroscedasticity
这点很重要，因为它说明：
> 不能简单把整条曲线直接喂进 functional AR，就期待稳定预测。
作者的处理是：
- 先做 FPCA，把曲线压成少数几个 principal scores；
- 再只在这些 score 序列出现 serial correlation 的时候做预测。
这跟我们做 short-cycle 的习惯很像：
> 不要默认 alpha 永远开着；要先问当前这个“状态/分数过程”有没有可预测性。
3.3 第一主成分像“均值曲线”，第二主成分更像“均值回归形状”
论文原文直接说：
- 前 2 个主成分已经解释了 90.23% 的总变异；
- 第一主成分主要解释 functional mean；
- 第二主成分更像 mean-reversion mechanism of return curves。
对 desk 的启发非常直接：
- 这条线不是纯 trend-only alpha；
- 它更像“日内路径模板”在不同 regime 下的切换；
- 第二主成分如果升高/降低，很可能就是“今天更像先冲后回 / 先压后弹”的 shape switch。
也就是说，这篇东西虽然表面挂着“functional forecasting”，但实质上更接近：
> path-shape based intraday timing alpha。
3.4 论文里的最小策略是完整的，不是半成品
论文给的 long-only 交易流程很朴素：
- 用过去
w 天估计模型；
- 预测下一天的整条 CIDR 曲线；
- 找预测曲线的最小值时点
u_min，作为买点；
- 在
u_min 之后再找预测曲线的最大值 u_max，作为卖点；
- 次日按这个计划执行，且不隔夜。
这是完整交易规则，不需要你再脑补：
- entry
- exit
- long-only constraint
- intraday flattening
所以这篇 paper 不是“有想法但没办法下单”，而是已经给了我们一个能落地的 skeletal strategy。
3.5 论文最值钱的结果，不是“天天都能预测”，而是“serial-score pocket 里更有边”
论文的诚实点在于：
- 如果拿全部样本硬做，FPES / FPAR 的 forecasting error 并不总是优于简单均值曲线；
- 但如果只看 first / second score 出现 serial correlation 的子样本，预测才明显变得更值钱。
几个关键数字：
#### 预测误差层（Table 3） 当训练窗 S=182：
- 在“第一或第二 score serially correlated”的子样本上，FPAR 仍不算特别强；
- 但在“第一和第二 score 都 serially correlated”子样本上：
- FPAR RPE = +1.98%
- FPES 也转正，RPE = +0.89%
#### 交易层（Table 4） 整段样本、每天都交易：
- Fmean Sharpe：
1.03
- FPES Sharpe：
1.08
- FPAR Sharpe：
1.11（S=182）
只在“第一或第二 score serially correlated”时交易：
- Fmean Sharpe：
0.55
- FPES Sharpe：
0.63
- FPAR Sharpe：
0.72（S=182）
- 换
S=365 时，FPAR Sharpe = 1.05
考虑论文假设的 0.03% fee 后（appendix 口径）：
- FPAR 仍是最优方案；
- 在全样本
S=182 下，Sharpe 还剩大约 0.74。
一句话：
> 这不是“永远开着”的傻瓜型 raw alpha，更像是“分数过程先出现可预测口袋，再启用路径定时交易”。
4. 为什么这轮值得进池，而不是继续做又一条普通 momentum / pairs
因为它补的是当前素材池里比较少的一块：
- 它是 raw alpha，不是纯 filter。
- 它天然带 timing 维度。
- 不是只告诉你多空方向；
- 而是告诉你“今天更该在什么时候进，什么时候平”。
- 它既能单独成策略，也能给别的 alpha 做 execution router。
- 例如：趋势 alpha 只在预测曲线后半段抬升时启用；
- reversal alpha 只在预测曲线前半段下压后反抬时启用。
- 它和我们当前
5m / 15m desk 直接相关。
- 不需要专有数据；
- 只要公开
5m / 15m K 线就能起步。
所以这条线不是学术好看而已，它确实能补一个我们还没系统收录的：
> “day-template / path-shape” raw alpha family。
5. 本地 portability probe：放到更近的 Binance BTCUSDT 5m 上，还剩什么
我补了一个最小近样本迁移测试，不是论文原版复现，但足够判断它在现今 crypto 上有没有残留价值。
5.1 数据与近似实现
数据源：
- Binance USDⓈ-M Futures
BTCUSDT
- 频率：
5m
- 样本： 最近约
184 个完整 UTC 日
- 公开性： 公开 REST 接口
- 最小实验口径： 每天
288 个 5m bar，构造 daily CIDR
近似实现：
- rolling window 分别试
30 / 45 / 60 / 90 天；
- 用 PCA 近似论文里的 FPCA；
- 取解释
90% 方差以内的前 K<=4 个主成分；
- 对 score 过程做简化版 Ljung-Box serial check；
- 只有 serial 成立时，才对 score 用 AR(1) 预测；否则预测 score = 0；
- 仍按论文 long-only 规则：预测 trough 买，之后预测 peak 卖。
相关 artifacts：
/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_probe_2026-04-12.csv/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_windows_summary_2026-04-12.csv/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_window30_2026-04-12.csv/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_window45_2026-04-12.csv/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_window60_2026-04-12.csv/root/clawd/jerry/momentum/reports/artifacts/literature/bitcoin_cidr_binance_portability_window90_2026-04-12.csv
5.2 结果：它不是稳定常开 alpha，但 serial-score pocket 里有一点味道
先看全天都做：
- window=30d：平均
-13.86 bps/trade，胜率 44.8%
- window=45d：平均
-7.05 bps/trade，胜率 39.6%
- window=60d：平均
+5.42 bps/trade，胜率 44.4%
- window=90d：平均
+1.59 bps/trade，胜率 51.1%
这说明一件很诚实的事：
> 近样本里，这条路径预测骨架不是“随便开、都能赚”的常开策略。
但再看 serial1_or_2 子样本：
- window=30d：只有
5 次事件，但平均 +38.10 bps/trade，胜率 80%
- window=60d：只有
4 次事件，但平均 +71.42 bps/trade，胜率 75%
同时也要说清楚坏消息：
window=45d 的 serial pocket 反而是负的；serial1_and_2 在这份近样本里几乎没出现；- 事件数极少，还远远谈不上 production evidence。
所以近样本更像在告诉我们：
- 论文的直觉方向没有完全死；
- 但它高度依赖“可预测 pocket 出现”这件事；
- 若不先做 admission/gating，最近样本表现会非常不稳。
6. 对当前 desk，最合理的策略化读法是什么
6.1 主读法：它是一条 raw alpha，但不是 always-on raw alpha
我会把它定义成：
> event-sparse / pocket-dependent raw alpha。
也就是：
- base alpha 本体是成立的；
- 但 deployment 方式不该是“每天机械开一笔”；
- 更像先等 score serial-correlation 或 predicted amplitude 足够大时，再允许开火。
6.2 对 15m desk 的第一落点，不是照搬整日 one-trade，而是压成“预测日内模板”
论文是完整按一天交易； 但我们 desk 更适合先把它压缩成三个可测试部件：
- path slope sign：预测曲线前半段 vs 后半段谁更强；
- predicted trough timing：预测低点落在日内哪个 bucket；
- predicted amplitude：预测 peak-trough 振幅够不够大。
然后写成 15m 版本：
- 若预测 trough 落在 UTC 日前
35%~55%，且 trough→peak 振幅 > 阈值；
- 则允许在 trough 附近 1~2 根
15m bar 内找 long setup；
- 若预测曲线全天单边下行，就不给 long alpha 开门；
- 若预测曲线前高后低，则反而可作为 momentum long 的 veto。
6.3 它最像给哪类 raw alpha 服务
这条线最适合服务两类：
#### A. BTC 单腿 intraday timing raw alpha 最直接：
- 只做
BTCUSDT
5m 构造曲线15m 执行- 以 predicted trough/peak 做当日交易计划
#### B. 给现有 momentum / mean-reversion 信号做日内 router 例如：
- 如果预测模板是“先压后抬”，那日内 reversal/long 信号更值得放行；
- 如果预测模板是“早高后弱”，那 continuation long 要降权，甚至转成 fade 思路。
注意：这不是把它降级成纯 filter； 而是说它既可单独成 raw alpha，也可上接 execution router。
7. 这轮最值得记住的 7 个数
- 论文样本：
1367 天，5m Bitcoin（Bitstamp）
- 前两主成分解释：
90.23% 总变异
- 全样本日内交易（
S=182）：FPAR Sharpe 1.11
- 全样本日内交易（
S=182）：Fmean 也不差，Sharpe 1.03
- serial pocket 交易（
S=365）：FPAR Sharpe 1.05
- 近样本 Binance probe：
window=30d serial pocket 仅 5 次，但 +38.10 bps/trade
- 近样本 Binance probe：
window=60d serial pocket 仅 4 次，但 +71.42 bps/trade
这 7 个数合起来说明：
> 这条线值得进研究池，但前提是把它当“稀疏口袋 alpha”，而不是 daily always-on 印钞机。
8. 最小实验应该怎么测
实验 1：先做 paper-style clean replication（BTC 单腿）
目标： 先确认这条骨架在我们自己的下载链路里能不能稳定复现。
- 标的：
BTCUSDT perp
- 数据：公开
5m
- 曲线：daily CIDR
- 训练窗：
30 / 45 / 60 / 90 天都测
- 预测：PCA/FPCA top-K + AR(1) score forecast
- gate：
serial1_or_2- predicted amplitude > X bps
- 执行：
- 预测 trough 对应
15m bucket 开多
- 之后最近预测 peak bucket 平仓
- 输出：
- avg bps/trade
- win rate
- annualized Sharpe
- max drawdown
- 对比 simple mean-curve baseline
实验 2：把“预测 trough/peak”改写成 15m execution router
目标： 看它是不是更适合作为 execution timing 层，而不是直接 one-trade/day。
- 用
5m 曲线预测，但执行压到 15m
- 若 trough 在接下来
2 根 15m 内出现，且 predicted amplitude > 阈值：
- 允许现有 long-alpha 进场
- 否则：
- long-alpha 降权或 veto
实验 3：测它给哪一类 alpha 增益最大
目标： 决定它该放进 raw alpha 主池，还是作为 router 接在别的信号前面。
优先做三组：
- BTC 单腿 intraday reversal
- BTC/ETH 短窗 momentum continuation
- alt-beta 跟随 BTC 的 lead-lag long sleeve
看哪一组在接了 path-shape router 后：
- hit rate 提升最多
- drawdown 压得最多
- cost 后最能活
9. 风险与诚实门
这条线有 4 个不能跳过的坑：
- 均值曲线 baseline 其实不弱。
- 论文里 Fmean 本身就不差；
- 近样本里很多窗口下，复杂模型也未必稳赢 baseline。
- serial pocket 很稀疏。
- 近样本只抓到 4~5 次；
- 现在远不能说“可直接上生产”。
- 成本和延迟不能假装不存在。
- 论文 even 在 0.03% fee 下还有边，但那是历史 Bitstamp；
- 我们要用当前 fee tier 和实际 slippage 再验一遍。
- 它可能更适合 BTC，不一定天然外推到 alt。
- 真要迁移到 ETH / alt，需要单独测，不要默认复制成立。
10. 结论
这轮我会把它放进研究池，而且归类成 raw alpha，不是 filter。
但我给它的 desk 结论不是“明天就全天机械开一笔”，而是：
> 这是一条“预测次日日内路径形状”的 raw alpha。论文正文证明它能长成完整策略；近样本 probe 则提醒我们：它更像稀疏 pocket 里的 timing alpha，必须先过 serial-correlation / predicted-amplitude 这类 admission 门，再谈稳定 deployment。
如果要排优先级，我会给它这样的落点：
- 先做 BTC 单腿 clean replication；
- 再把 trough/peak timing 压成
15m router；
- 最后再看能不能服务 ETH / alt-beta 交易。
一句话收口：
> 别把这篇 paper 只当“functional stats 在 Bitcoin 上的炫技”；对 short-cycle desk，它更像一条还没被充分开采的 day-template / path-shape raw alpha。