← 返回 Quant Digests · 站点首页

别把这篇 2024 *JEDC* 只读成“crypto 也有 lead-lag”：对 short-cycle desk，更该先拆的是「leader-basket shock × lagger catch-up ranking」这条 cross-sectional raw alpha

更新时间：2026-04-14 19:16 UTC 研究时间：2026-04-14 19:14 UTC 类型：2024 *Journal of Economic Dynamics and Control* 论文正文可读页（ScienceDirect article page）+ Binance USDⓈ-M `5m/15m` public-data portability probe 主题标签：raw-alpha/cross-sectional/relative-value/lead-lag/information-spillover/leader-lagger/catch-up/ranking/binance-perpetual/5m/15m/paper/public-data/cost/risk 证据类型：paper article-page full text snippet + public-data first verdict

源文件：research/quant_digests/2026-04-14_1914_crosscrypto-leaderbucket-laggercatchup-alpha.md

1. 这次看了什么

主来源是这篇 paper：

这篇 paper 最容易被读成一句很抽象的话：

> “不同 crypto 之间存在 return predictability。”

但对 short-cycle desk，真正该拿走的不是这个 headline，而是一条更可执行的 raw alpha：

> 当共同冲击先被 BTC / BNB / TRX 这类高注意力 leader 吸收后，其他 lagger 币往往不会同一拍完全反应，下一拍更容易走 catch-up。

翻成人话：

2. 先把一句话说清楚：这篇东西的 base alpha 是什么？

> base alpha = common-shock information spillover。

也就是：

所以它是：

3. paper 里最值得 desk 记住的，不是“LASSO 很厉害”，而是这 5 个硬点

3.1 样本就是高频 Binance，不是慢频概念文

paper 用的是 Binance top 30 coins 的 minute-level 数据，样本期 2019-03-25 ~ 2021-04-30；作者说这 30 个币在项目启动时覆盖了 超过 86% 的总市场成交额。所以它不是拿周频 / 日频硬讲短周期。

3.2 “别人上一分钟的收益”真的能预测“你这一分钟的收益”

author 在文中直接写到：

翻成人话： > 共同冲击不是所有币同一拍吃完。市场里真有“先动的币”和“后动的币”。

3.3 真正的 top predictors 不是平均市场，而是 BTC / BNB / TRX

paper 的 adaptive LASSO 结果里：

这点对 desk 很有用，因为它直接把“要盯谁”从泛泛的全市场相关性，缩成了一个可执行的 leader set。

3.4 论文不是只讲显著性，它真的做了 long-short 排名组合

作者按 forecast 做 quintile sorting，构建 zero-investment long-short portfolios：

而且文章明确说：

3.5 strongest version 发生在“共同冲击大”的时候

paper 还专门看了九类 broad market events，结论是：

这点非常重要，因为它告诉我们： > 别把这条 alpha 读成“每根 bar 都机械轮转”，更像“冲击越大，lag diffusion 越明显”。

4. desk 化之后，我觉得最该先测的不是全文 LASSO，而是这条更轻的 branch

我这轮没有去硬复刻 paper 的 30 币 minute-level adaptive LASSO；对当前 desk，更划算的是先抽出一个更轻、更能马上跑 5m/15m 的 branch：

> leader-basket shock × lagger catch-up ranking

4.1 我这轮的最小实验口径

  1. leader_trio：用 leader-basket 的 lagged return 预测 laggers
  2. pooled_others：用“其他币平均 lagged return”预测个体币

4.2 本轮产物

5. first verdict：15m 比 5m 像样，但当前还只是 gross candidate，不是 production shell

先记 4 个最重要的数据点

  1. 本轮最好的 pocket 是 15m + pooled_others + common-shock gate：
  1. 15m 明显优于 5m：
  1. paper 的“event day 更强”在 desk 化版本里是能看到影子的：
  1. 当前 still not over cost：

6. 为什么这轮值得进素材池

这轮值得收，不是因为它已经能直接上 production，而是因为它补的是一种和 pairs / basis / funding 都不一样的 raw alpha 结构：

  1. 不是 spread 回归，而是信息扩散慢半拍。

    2. 赚的是 leader 先动、lagger 后补，不是两个腿本来该有一个静态公平价差。

  1. 天然服务 cross-sectional / relative-value book。

    2. 不需要押整个市场方向，只要押“强 forecast laggers 跑赢弱 forecast laggers”。

  1. 可以和现有素材池拼起来。

    2. 这条 alpha 后面可以和：

  1. paper 给了一个很有用的 research hint：common-shock admission 比全时段硬轮动更重要。

7. 策略拆解（必填）

8. 下一步怎么测

  1. 把 15m 当主战场，先别继续往 1m/3m 硬压。

    2. 当前 public first verdict 已经说明 5m 太容易被换手吃掉；下一轮优先测 15m signal -> 5m execution。

  1. 把“共同冲击”从简单幅度门槛，升级成真正的 admission layer。

    2. 下一轮可以把 gate 换成：

  1. 加一个 lagger-side veto，而不是只盯 leaders。

    2. 例如：

  1. 把 forecast 从 rolling OLS 升级到轻量 sparse model，但别急着全量复刻论文。

    2. 先试：

  1. 补真实多腿成本。

    2. 当前这条线最大的硬伤不是“完全没 gross”，而是 gross 太薄。下一步必须把：

9. first verdict

我的判断是：

> 这篇 2024 *JEDC* 值得进 raw alpha 素材池，但不该被读成“再来一个抽象 lead-lag 论文”；更正确的 intake 方式是把它 desk 化成 leader-basket shock × lagger catch-up ranking。

更短一点：

> alpha 本体是信息扩散慢半拍；当前 15m 上还能看到一点 gross，但离完整 production shell 还差 admission、lagger veto 和真实多腿成本三道门。

10. 来源