← 返回 Quant Digests · 站点首页

别把这份 2026 repo 只读成“trend 打败 mean reversion”：对 short-cycle desk，更该先保留的是「liquid-major 横截面 loser→winner fade 基线」这条 raw alpha

• 时间：2026-04-15 01:13 UTC
• 类型：GitHub / repo source audit（README + notebook source/output + embedded report tables）
• 主题类型：raw alpha
• 基础 alpha：对 liquid-major crypto 横截面，先算最近 L 根收益并做横截面去均值；然后 买入最近相对落后者、卖出最近相对领先者，赌的是短周期 relative-value mean reversion，而不是单资产方向预测
• 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 / cross-sectional / relative-value / mean-reversion / loser-winner / market-neutral / turnover / slippage / binance-spot / 1h / 15m / 5m / repo / public-data / cost / risk
• 证据类型：工程证据（repo README + notebook源码/内嵌输出 + GitHub metadata）

1. 这次看了什么

先回答 base alpha：这不是“趋势和反转谁赢”的课堂比较题，而是一条可独立抽出来的 raw alpha——对一篮子 liquid majors，做最近相对 loser vs winner 的横截面均值回复。

这轮主材料是 2026 GitHub repo mhtkrmz/crypto-alpha-comparison。repo headline 是 Crypto Momentum vs Mean Reversion，但对 desk 更有价值的 intake 其实是其中那条 cross-sectional mean-reversion baseline，因为它把：

• 数据口径
• 信号定义
• 组合优化
• 换手惩罚
• slippage 估计
• 固定 cap vs self-financing 口径差异

都放在了同一个 notebook 里，结构很完整，适合拿来当 short-cycle relative-value baseline。

repo 的公开环境也比较干净：

• 资产池：BTCUSDT / ETHUSDT / BNBUSDT / XRPUSDT / ADAUSDT / DOGEUSDT
• 数据：Binance spot 1h
• 样本：2022-01-01 00:00:00 UTC ~ 2026-03-15 15:00:00 UTC
• 每个资产 36,832 根 bar，缺失修复几乎可以忽略（每个品种只补了 1 根）
• 统一成本框架：Roll 为主、Corwin-Schultz 为 fallback，最后汇总成 one-way scalar slippage 8.6777 bps

所以这不是“只靠 README 讲故事”的 repo；它至少给了一个足够透明的 baseline skeleton。

2. 核心结论

• 一句话核心结论： 这份 repo 最值得 short-cycle desk 保存下来的，不是“trend beat MR”这句结论本身，而是那条 无额外花哨 filter 的 liquid-major XS loser→winner fade baseline。
• 一句话 first verdict： 这条 baseline 结构上完全可复现，甚至可直接落地成完整策略骨架，但当前公开结果也很明确——它最大的敌人不是预测定义，而是 turnover 与成本。

2.1 raw alpha 到底怎么写

notebook 里的 mean-reversion 信号定义非常直接：

1. 对每个资产算最近 L 根的对数收益：

• short = log(P_t / P_{t-L})

1. 对每个时点做横截面去均值：

• cs = short - mean(short across assets)

1. 做波动标准化并通过 tanh 截断：

• z = cs / (sigma_t * sqrt(L))
• signal = -tanh(z)

1. 再 shift 1 根 bar，避免 lookahead
2. 最后把 signal * sigma1 映射成 expected-return 向量 mu

repo 在网格搜索里给 mean-reversion 测了：

• MR_LOOKBACK_GRID = [4, 8, 12, 24]
• TURNOVER_PENALTY_GRID = [0.02, 0.05, 0.10]

最终被 validation 选中的参数是：

• selected_lookback_bars = 24
• selected_turnover_penalty = 0.10
• risk_aversion = 15.0
• cov_shrink = 0.25
• vol_cov_window_bars = 168

翻成人话就是：repo 自己最后也承认，短 lookback 反转太容易把换手打爆，所以被选出来的是更慢、更钝一些的 24h 横截面 loser/winner fade。

2.2 它为什么算“完整策略骨架”

这轮我把它归为“可直接落地完整策略 = 是”，原因不是它已经 profitable，而是因为 repo 把完整骨架基本补齐了：

• entry： 每根 bar 依据上一步计算出来的 mu_t 重新解目标权重
• signal timing： 明确 shift(1)，即只用 t-1 之前能知道的信息
• sizing / allocator：
• 每根 bar 解：
• max mu'w - 0.5*lambda*w'Sw - 0.5*kappa||w-w_prev||^2
• 约束：||w||_1 <= 1
• 再乘 GROSS_CAP = 100,000 USDT
• neutrality： mean-reversion 分支里会再对 mu 去均值，保持近似 market-neutral
• risk： rolling covariance + shrinkage + risk aversion
• turnover control： kappa 显式惩罚 ||w-w_prev||
• cost： one-way slippage scalar s = 8.6777 bps
• performance accounting： 同时给 fixed-cap 和 equity-protected/self-financing-like 口径

所以这不是一个“只有信号、没有执行壳”的 idea，而是一条很适合拿来做 desk baseline / ablation anchor / negative control 的完整 shell。

2.3 公开结果：问题不是信号没法定义，而是 turnover 太贵

repo notebook 的验证/测试与成本结果非常说明问题。

先看 mean-reversion 被选中的参数在 validation / test：

• validation Sharpe：-1.207
• validation cumulative PnL：-69,135.87 USDT
• validation avg turnover：7,460.50 USDT / bar
• test Sharpe：+0.623
• test cumulative PnL：+17,714.81 USDT
• test avg turnover：6,246.84 USDT / bar

这组数本身就在提醒：它不是那种 validation、test 都顺的稳健 alpha，而是明显带着 regime/样本依赖。

再看全样本成本归因：

• mean-reversion gross PnL：-141,850.67 USDT
• total turnover：245.06M USDT
• estimated slippage cost：212,658.24 USDT
• net PnL（fixed 100k cap 口径）：-354,508.91 USDT
• cost drag = 149.92% of |gross PnL|

翻成人话：这条 baseline 甚至不是“有 gross edge 但被成本吃掉”，而是 gross 已经不强，成本再补一刀，直接把它打成负教材。

更关键的是 notebook 还主动暴露了 accounting 风险：

• 在 fixed_100k_cap 口径下，trend 看起来 net 还能赚 +243,432.38 USDT
• 但到了 equity_protected_cap（更接近 self-financing）口径，trend 和 MR 最终都接近把 10,000 USDT 初始资本亏穿
• mean-reversion 的 first nonpositive net equity time：2022-10-29 08:00 UTC

所以这个 repo 的真正教育价值不是“trend 永远赢”，而是：同样一套统一 optimizer 下，plain XS reversal 在 liquid majors 里很容易先死于换手，而固定 gross cap 会让策略看起来比真实 live 账户强。

3. 为什么和当前项目有关

这条线和当前 desk 直接相关，不是因为它马上能上 production，而是因为它正好补我们现在最需要的一块：

1. 它是明确的 raw alpha。

base alpha 非常清楚：cross-sectional loser-bounce / winner-fade。

1. 它是“无复杂 filter”的基线。

我们最近 intake 里不少 reversal / pairs / XS 主题都带筛选层、状态层、admission 层。这个 repo 的价值恰恰在于：先给你一条 plain baseline，方便之后做增量对照。

1. 它能自然映射到 15m/5m。

虽然原始 repo 是 1h，但它的数学结构完全可以平移到更短周期：

• 15m：做主信号与组合层
• 5m / 3m / 1m：做 child execution / queueing / cost control

1. 它帮我们识别“反转为什么死”。

不是所有失败都没价值。对于 desk 来说，一条失败得很透明的 baseline，经常比一条写满 filter、却说不清 base alpha 的策略更有研究价值。

3.5 策略拆解（必填）

• 方向属性：cross-sectional / relative-value / market-neutral
• 基础 alpha：最近一段时间相对跑输的资产，下一段时间更容易对相对跑赢者做均值回复
• regime：repo 原版没有额外 regime gate；它本质上就是 plain baseline
• filter / veto：主要不是市场状态 filter，而是通过 tanh 截断、covariance、risk aversion、turnover penalty 来限制极端权重与过度换手
• risk / sizing / execution overlay：L1 gross-cap 约束、shrunk covariance、turnover penalty、slippage scalar；真正的主风险不是方向错，而是 换手过高 + 真实资本约束

4. 可复刻的最小实验

4.1 desk 化映射

这条线最自然的 short-cycle 映射不是“把 1h notebook 原封不动搬到 1m”，而是：

• 主 alpha 频率：15m
• 子执行频率：5m（有余力再下钻 3m/1m）

对应关系：

• 原版 24 x 1h lookback 约等于 24h
• 若迁到 15m，第一版就用 96 x 15m lookback
• 若迁到 5m，同等时间窗大约是 288 x 5m

也就是说：先保持“经济时间”不变，再压缩 bar 频率；不要一上来把 24 根机械地改成 24 x 15m，那会把 alpha 本体改掉。

4.2 最小实验口径

第一版建议：

• 市场：Binance USDⓈ-M 或 spot（先以 perp 更贴 desk）
• 资产池：先从 BTC / ETH / BNB / XRP / ADA / DOGE / SOL 这类 liquid majors 开始
• 主信号：
• ret_L = log(P_t / P_{t-L})
• cs_ret = ret_L - cross-sectional mean(ret_L)
• z = cs_ret / (sigma_1 * sqrt(L))
• signal = -tanh(z)
• 约束：近似 market-neutral，gross <= 1
• 组合：先复刻 repo 的 risk_aversion + turnover_penalty + shrunk covariance
• 成本：至少跑 2 / 4 / 6 / 8 bps roundtrip ladder

4.3 必做对照组

至少同时跑这四组：

1. plain XS reversal baseline（完全照 repo 思路）
2. top-liquidity admission（只留流动性前半区）
3. session pocket（只做某些日内窗口）
4. child-execution 版（15m 信号，5m 分批进场）

因为这轮最关键的问题不是“MR 有没有定义”，而是：plain baseline 到底死在 alpha 本身，还是死在可交易性与执行。

4.4 先看哪些指标

这条线不要先被 Sharpe 带跑，先看：

• net bps / rebalance
• turnover / gross exposure
• holding horizon
• winner leg 与 loser leg 的分腿贡献
• cost-as-%-of-gross-PnL
• fixed-cap vs equity-linked 口径差异

原 repo 的一个很强信号就是：

• mean-reversion 平均持有大约 29.4 根 1h bar（约 1.23 天）
• 但换手依然高到 6.65k USDT / bar 量级

这恰好说明：不是你想象中的 ultra-HFT 才会死于 turnover；中低频 XS rebalance 同样会。

4.5 下一步怎么测

• 第一步： 先在 15m 上原样复刻 plain baseline，保持“经济时间窗”一致，即先试 96 x 15m lookback。
• 第二步： 不加 fancy filter，先只做 cost ladder + universe admission，看看 edge 是否只是被低流动性腿拖死。
• 第三步： 若 plain baseline 仍然明显不过线，再只加一层最便宜的结构性修补：
• top-liquidity admission
• min spread / min quote volume veto
• rebalance threshold（小信号不调仓）
• 第四步： 如果修补后仍不行，就把它降级成 negative-control baseline，以后凡是新的 XS reversal / pairs / lagger-catch-up 主题，都必须先对比它。

5. 风险与保留意见

• 这是完整骨架，不是现成可上线 alpha。 可执行与可赚钱是两回事。
• 公开结果已经偏负面。 这点反而要正视，别把 repo headline 翻译成“trend good, MR bad”然后就草草带过。
• fixed gross cap 很会美化结果。 对任何 short-cycle 组合策略，都必须额外看 equity-linked/self-financing 口径。
• 迁到 15m/5m 不保证更好。 更高频只会让 turnover 更敏感；除非 child execution 真能明显降成本，否则直觉上只会更难。
• 这条线最适合的定位可能不是 production shell，而是 ablation anchor。 但这依然很值钱，因为它能帮 desk 分清“哪些额外 filter 真有增量”。

6. 来源

• Mehmet Kurmaz. (2026). *crypto-alpha-comparison*. GitHub Repo.

Repo URL: https://github.com/mhtkrmz/crypto-alpha-comparison

• Mehmet Kurmaz. (2026). *Crypto Momentum vs Mean Reversion*. README.

Readable URL: https://raw.githubusercontent.com/mhtkrmz/crypto-alpha-comparison/main/README.md

• Mehmet Kurmaz. (2026). *Code.ipynb*. GitHub Notebook.

Readable URL: https://github.com/mhtkrmz/crypto-alpha-comparison/blob/main/Code.ipynb

• Mehmet Kurmaz. (2026). *Report.pdf*. GitHub bundled report.

Readable URL: https://github.com/mhtkrmz/crypto-alpha-comparison/blob/main/Report.pdf

• GitHub API metadata: repository created 2026-03-30, description Systematic crypto trading study: trend-following vs mean-reversion.

7. 本地产物

• Digest：research/quant_digests/2026-04-15_0113_liquidmajor-xs-loserwinner-fade-baseline.md