← 返回 Quant Digests · 站点首页

别把这个 Lévy/Hermitian lead-lag repo 只读成“followers 跟随 leaders”：对 short-cycle desk，更该先测的是「leader impulse × lagger-vs-leader spread catch-up」这条 relative-value raw alpha

• 时间：2026-04-12 14:36 UTC
• 类型：2026 GitHub repo source audit（README.md + levy.py + hermitian.py + trading_signal.py + portfolio.py + main.py）+ Binance USDⓈ-M 15m/5m public-data portability probe
• 主题类型：raw alpha
• 基础 alpha：Lévy lead-lag 分数高的一组资产更像“先动腿”，分数低的一组更像“后反应腿”；当 leaders 先走出一段，laggers 与 leaders 之间的相对价格会在接下来几根 bar 里部分回补。
• 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/relative-value/lead-lag/levy-area/hermitian-clustering/leader-lagger/catch-up/spread/hyperliquid/binance-perpetual/5m/15m/repo/public-data/cost/risk
• 证据类型：GitHub repo 工程实现 + Binance 公共数据 first-verdict probe

1. 先把一句话说清楚：这篇东西的 base alpha 是什么？

> base alpha = leaders 先动、laggers 后动，所以真正值得 desk 先测的不是“followers 同向追随”，而是 leader impulse -> lagger-vs-leader spread close。

这一步必须先讲清。因为 repo README 的表述容易让人以为它在做“leaders 涨了就直接追 followers”。但按源码往下拆，真正更适合我们 desk 的 raw alpha 分支其实是：

• 先用 levy.py 对 rolling return path 算 pairwise lead-lag 分数；
• 用 hermitian.py / trading_signal.py 把资产分成更像 leaders 和 laggers 的两侧；
• 然后不要直接做单腿追随，而是把它改写成 long laggers / short leaders（leaders 上涨时），或反向做空 laggers / 做多 leaders（leaders 下跌时）的相对价值书。

翻成人话：

> 不是赌“落后腿会无脑追涨杀跌”，而是赌“先动腿和后动腿之间会出现一个短时错位，这个错位会回补”。

2. 这次看了什么

主来源是 Mateo Fourquet (2026), _Crypto Lead-Lag Strategy_ 这个 GitHub repo：

• Repo URL：<https://github.com/mateofrqt/Crypto-LeadLag-Strategy>
• 无 DOI / 非正式论文，但有清楚的数学和代码骨架。

这轮重点看的不是 README 口号，而是 5 个真正决定可复现性的文件：

• levy.py：先把价格面板转成标准化收益，再算 pairwise Lévy area；
• hermitian.py：把反对称 lead-lag 矩阵嵌到 Hermitian 结构里做谱聚类；
• trading_signal.py：repo 实际 live 信号逻辑；
• portfolio.py：组合/风险壳；
• main.py：默认回测流程和窗口参数。

源码里最重要的 3 个可迁移点是：

1. rolling_window = 30；
2. selection_percentile = 0.15，也就是 leader / lagger 两端各取约前后 15%；
3. repo 默认 live 逻辑其实是：先看 leaders 最新一根平均回报的方向，再决定 followers 的交易方向。

3. 核心结论

• 一句话核心结论： repo headline 的“followers directional catch-up”在 Binance 15m 上不够好，但把它改写成 lagger-vs-leader spread catch-up 之后，至少能从负 edge 拉成小幅正的 raw alpha 候选。
• 一句话证明方式： 我先按 repo 的 rolling Lévy score / top-bottom selection 逻辑，在 Binance USDⓈ-M BTC/ETH/SOL/XRP/DOGE/BNB/ADA/LINK 上做 15m 与 5m portability probe，再对比“followers 同向追随”与“long laggers / short leaders”的两种读法。
• 15m 直接照 repo 的 followers 同向追随书：4283 个事件里，未来 1/2/4 根平均约 -0.54 / -0.91 / -0.48 bps，gross 累计约 -22.3% / -35.0% / -25.3%，说明这条直译版不过线。
• 改成 15m 的 lagger-vs-leader 相对价值书 后，同样 4283 个事件里，未来 1/2/4 根平均约 +0.26 / +0.43 / +0.44 bps，gross 累计约 +11.35% / +19.10% / +18.21%；方向终于转正，但还远没厚到能轻松吃掉 taker 成本。
• 更自然的 5m 口径 下，若再要求 leaders 当根绝对波动至少 30 bps，则 170 个事件里：
• 未来 15m（3 bars）lagger-vs-leader spread 平均约 +2.06 bps，胜率 57.6%；
• 未来 30m（6 bars）平均约 +2.90 bps，胜率 53.5%。
• 但即便这样，按双腿 round-trip 4 / 8 bps 粗扣，仍然没有稳定越过 taker friction。所以这轮最诚实的结论不是“找到可直接上线书”，而是：
• raw alpha 本体有一点东西；
• 但现阶段更像 maker-first / execution-sensitive / threshold-gated 的 relative-value 候选。

4. 为什么和当前项目有关

这轮值得 intake，不是因为它已经过线，而是因为它给 raw alpha 池补了一个我们最近还不够系统化的方向：

• 不是 breakout / trend / funding / basis；
• 而是 cross-sectional lead-lag / relative-value catch-up；
• 且结构很适合拆成：
• base alpha：leader-lagger spread close
• filter：只有 leader impulse 足够大才开
• execution：更偏 maker / spread-close / inventory-aware，而不是无脑 taker

这很符合当前 desk 想补的： raw alpha 素材池要持续扩到 cross-sectional / relative-value / stat-arb，而不是只围着单资产形态打转。

4.5 策略拆解（必填）

• 方向属性：横截面 / 相对价值 / lead-lag catch-up
• 基础 alpha：leaders 先走出冲击后，laggers 与 leaders 的相对价差在后续几根 bar 内部分回补
• regime：更像高联动、短时错位但未完全同步的 market state
• filter / veto：|leader move| 至少达到一档阈值（这轮 5m probe 里 30 bps 比无阈值更像样）
• risk / sizing / execution overlay：两端各取 15% 资产；按 |levy_score| 归一权重；future 15m/30m time-stop；成本必须单独做 4/8/12 bps friction ladder；优先测试 maker-first / spread-close 执行，而不是默认双腿 taker

5. 可复刻的最小实验

研究假设

当 rolling Lévy score 把一组币识别成 leaders、另一组识别成 laggers 时，如果 leaders 本根已经先走出明显冲击，laggers 与 leaders 的 spread 在接下来 15m~30m 有回补倾向。

一个可计算定义

1. 用 30 根 rolling window 的标准化收益，算每对资产的离散 Lévy area：

0.5 * Σ(x_t * y_{t+1} - y_t * x_{t+1})

2. 对每个资产取 row-mean score；
3. 取 top 15% 作为 leaders，bottom 15% 作为 laggers；
4. 若 leaders 当根均值回报 > +30 bps：做多 laggers、做空 leaders；若 < -30 bps：反向；
5. 持有 3 或 6 根 5m bar 后平仓。

最小回测切口

• 资产：BTC/ETH/SOL/XRP/DOGE/BNB/ADA/LINK
• 数据：Binance USDⓈ-M 公共 5m / 15m klines
• 先看：

1. gross mean bps / trade
2. 4/8/12 bps 成本后是否还活着

本地 artifacts：

• /root/clawd/jerry/momentum/reports/artifacts/literature/hyperliquid_levy_leadlag_15m_probe_summary_2026-04-12.csv
• /root/clawd/jerry/momentum/reports/artifacts/literature/hyperliquid_levy_laggervsleader_15m_probe_summary_2026-04-12.csv
• /root/clawd/jerry/momentum/reports/artifacts/literature/hyperliquid_levy_laggervsleader_15m_threshold_summary_2026-04-12.csv
• /root/clawd/jerry/momentum/reports/artifacts/literature/hyperliquid_levy_laggervsleader_5m_threshold_summary_2026-04-12.csv

6. 风险与保留意见

• 这不是正式同行评审论文，而是个人 GitHub repo；优点是代码清楚，缺点是外部实证约束弱。
• repo 的默认 live 方向其实更偏 directional follower book；这轮真正更有 desk 味的，是我额外拆出来的 relative-value branch，所以它属于“沿 source 派生的 desk 读法”，不是原仓库 headline。
• 这轮 public probe 用的是 Binance perp，不是 Hyperliquid 原生数据；因此它回答的是 portability，不是“repo 原市场已完整复现”。
• 现在最大问题不是有没有正号，而是 gross 太薄。所以它暂时不能被包装成完整 taker 策略，更像：

1. maker-first 候选；
2. 或现有 RV / stat-arb 书的 admission layer。

7. 一句话带走

这个 repo 真正值得 desk 留下来的，不是“leaders 动了就追 laggers”，而是“leaders 先动后，lagger-vs-leader spread 有短时回补倾向”——但当前 public probe 还只够把它列进 raw alpha 池，不够直接过成本线。

8. 下一步怎么测

1. 把执行从 taker 改成 maker-first：只在 spread 继续拉开时挂回补方向，被动成交，检验 0~2 bps 成本世界是否能站住。
2. 加第二层 gate：除了 |leader move| >= 30 bps，再要求 leader_score - lagger_score 足够大，避免弱排序噪音。
3. 缩窄 universe：优先测试 ETH/SOL/XRP/DOGE/ADA/LINK 这类高 beta alt，不让 BTC/BNB 这种更像 market anchor 的腿稀释错位。
4. 做事件簇去重：连续多根触发只保留第一次，避免同一段冲击被过度重复记账。
5. 补 Hyperliquid 原生验证：若原市场 5m / 1m 下 edge 更厚，再决定它是独立书还是 shared lead-lag gate。

9. 来源

主来源（repo）

• Mateo Fourquet. (2026). *Crypto Lead-Lag Strategy*. GitHub.
• DOI：无
• Readable URL / Repo URL：<https://github.com/mateofrqt/Crypto-LeadLag-Strategy>
• README：<https://raw.githubusercontent.com/mateofrqt/Crypto-LeadLag-Strategy/main/README.md>

本轮重点审计文件

• levy.py
• hermitian.py
• trading_signal.py
• portfolio.py
• main.py

repo 在 README 中提到的相关方法线索

• Lévy-area / rough-path lead-lag detection
• Hermitian matrix clustering
• ARahimiQuant/lead-lag-portfolios（repo 在 README 中提到的启发来源）