← 返回 Quant Digests · 站点首页

别把 *Same Returns, Different Risks* 只读成“收益差不多”：对 short-cycle desk，更该先接的是「infrastructure shock volatility veto / size-down overlay」

更新时间：2026-04-13 01:58 UTC 研究时间：2026-04-13 01:56 UTC 类型：2026 working paper + code/data repo source audit 主题标签：overlay/regime/event-driven/infrastructure-vs-regulatory/shock-taxonomy/volatility-asymmetry/kill-switch/size-down/mean-reversion-veto/trend-book/binance/1m/3m/5m/15m/paper/repo/public-data 证据类型：论文证据 + repo 结构证据

源文件：research/quant_digests/2026-04-13_0156_infra-vs-reg-shock-voloverlay.md

1. 先把一句话说清楚：这篇东西的 base alpha 是什么？

> base alpha 不存在。 这篇东西不是方向信号本体，而是一个 event-type-aware risk overlay：同样是负面事件，市场在收益方向上未必明显区分 infrastructure failure 和 regulatory enforcement，但在风险/波动通道上会明显区分，所以 desk 不该用同一种 post-event 风控模板去对待两者。

翻成人话：

2. 这次看了什么

主来源（paper）

这篇 paper 最重要的读法

这篇 paper headline 很容易被读成：

但对 short-cycle desk，这么读太浪费。

更值钱的读法是：

> 如果 return channel 区分不明显，但 variance channel 区分非常明显，那么该落地的不是新 directional alpha，而是 shock-type-aware overlay。

也就是：

3. 核心结论

3.1 论文本体的结论

作者用 2019--2025 年 31 个事件、覆盖 BTC / ETH / SOL / ADA，比较两类负面事件：

在累计异常收益（CAR）层面，结果是：

也就是说： > 单看 return，分不出显著差异。

3.2 但真正重要的是这句 companion result

这篇 paper 摘要里明确写了 companion variance analysis 的结论：

这句话对 desk 的价值远大于 headline 本身。

翻译成交易语言就是：

4. 关键数据点（这轮最值得记住的 4 个数）

  1. 样本： 31 个事件，2019--2025，资产覆盖 BTC / ETH / SOL / ADA
  2. Infrastructure negative mean CAR： -7.6%
  3. Regulatory negative mean CAR： -11.1%
  4. Variance impact ratio（companion result）： infrastructure ≈ regulatory 的 5.7x，p = 0.0008

这组数拼起来的意思不是“infra 事件更看空”，而是：

> infra 事件更该让你先担心“还能不能好好交易”。

5. 为什么这轮值得做它，而不是再补一条 raw alpha

先回答用户要求的那句内部问题： 它为什么比继续补 raw alpha 更值得？

因为这轮边际价值更高的缺口，不是“再多一条和现有 pairs / funding / stat-arb 很像的 alpha”，而是：

  1. 现有 raw alpha 池已经够多，但缺统一 event-risk taxonomy
  1. 这篇东西直接服务多个 alpha 家族
  1. 它能很快做最小实验

所以它不是泛风险闲聊，而是给现有 raw alpha 池补统一的 post-event 处置层。

6. desk 化重写：真正该拿走的不是 headline，而是一张 shock-type 风控表

6.1 对不同 alpha 家族的直觉影响

#### A. mean reversion / pairs / stat-arb 这类书最怕的是：

所以在 negative infrastructure shock 后，第一反应不该是“跌多了可以捞”。 更合理的是：

#### B. carry / funding / basis 这类书在基础设施事故后也可能出现“看起来更肥”的 carry， 但那往往同时伴随：

所以 infra shock 下不该把高 carry 直接当绿灯。

#### C. trend / breakout trend 类不一定必须停，但也不该无脑照常：

6.2 第一版 desk overlay 规则（建议）

下面这张表不是 paper 原文直接给的，是基于 paper 结论做的 desk hypothesis：

| 事件类型 | 0~12h | 12~48h | 优先 veto 的策略 | 可保留策略 | |---|---|---|---|---| | negative infrastructure | gross = 0.25~0.50x；暂停新开 fade/pairs/carry | 直到 15m RV 回落到 pre-event 的 <= 2x 再恢复 | MR / pairs / convergence / maker-tight-quote | trend / breakout / directional only（但降仓） | | negative regulatory | gross = 0.60~0.80x；保留更高阈值 | 12~24h 后可逐步恢复 | 高换手 MR / 薄盘口小币 | major-only trend / selective carry / slower pairs |

它回答的不是“做多还是做空”，而是： > shock 出现后，哪些书先关、哪些书只降仓、哪些还能继续跑。

7. 可复刻的最小实验

7.1 研究假设

7.2 最小可复现实验口径

数据源

  1. paper/repo 给出的事件清单与分类（public）
  2. Binance public OHLCV（1m/5m/15m）
  3. 若可得，再补 Binance public funding / OI / taker flow proxy

公开性

更新频率

最小实验

  1. 选两组事件：infra_negative vs reg_negative
  2. 对每个事件对齐 t0
  3. 观察窗口拆成：0~6h、6~24h、24~72h
  4. 在每个窗口计算：

7.3 第一版 go/no-go 判定

8. 对当前 1m / 3m / 5m / 15m desk 的直接关系

它不是逐根 alpha，但它会改变这些 alpha 的 live 行为：

更具体地说：

9. 风险与保留意见

10. 下一步怎么测

  1. 从 repo / paper 的负面事件清单里先抽 infra_negative 与 reg_negative 各 5~8 个事件。
  2. 用 Binance 公共 15m 数据先跑一个最小脚本，只比较 post-event 的 RV / high-low range / gap frequency。
  3. 再把当前 2~3 条代表性 raw alpha 接进去：
  1. 输出一张统一表：post-event PnL / max DD / stop-out ratio / realized vol multiplier / recommended gross scaler。
  2. 若结果支持 infra 事件更脆弱，就把它正式写进 desk 的 shock veto 规则，而不是继续停留在 paper 摘要层。

11. 来源

  1. Farzulla, Murad. (2026). *Same Returns, Different Risks: How Cryptocurrency Markets Process Infrastructure vs Regulatory Shocks*. Working paper / arXiv.
  1. studiofarzulla/sentiment-without-structure. GitHub repository for code/data companion.
  1. Repo page summary / paper abstract关键信息（本轮使用）：