← 返回 Quant Digests · 站点首页

别把这份 2026 Hyperliquid quant dashboard 只读成“信号看板”：对 short-cycle crypto desk，更该先拆的是「cross-sectional overextension top-vs-bottom fade」这条 raw alpha

更新时间：2026-04-19 19:00 UTC 研究时间：2026-04-19 19:06 UTC 类型：2026 GitHub repo source audit（`README.md` + `app/reversion/page.tsx` + `app/api/signals/route.ts` + `lib/calc/reversion.ts` + `lib/calc/relative-strength.ts` + `lib/data/hyperliquid.ts`）+ Hyperliquid public `15m/5m` portability probe（10 liquid majors） 主题标签：raw-alpha/cross-sectional/relative-value/mean-reversion/overextension/bollinger-position/return-zscore/top-vs-bottom/router/hyperliquid/15m/5m/repo/public-data/cost/risk 证据类型：仓库源码规则 + 公共 API 最小探针

源文件：research/quant_digests/2026-04-19_1906_hl-xs-overextension-fade-alpha.md

1. 这次看了什么

先回答 base alpha：这篇东西的 base alpha 很清楚，就是 raw alpha，不是 filter。

主材料是 2026 新仓库 zkmike11/crypto-quant-dashboard。repo 表面上像“实时因子仪表盘”，但对我们更值钱的不是网页本身，而是它在 reversion 这条分支里把两个很适合短周期 desk 的部件拼成了一个透明的 mean-reversion score：

repo 自己用的是 Hyperliquid 公共数据、偏 1D/1W 可视化语境；但它给的 skeleton 很适合我们 desk 直接压缩到 15m/5m： 把“横截面 return z-score + 自身布林带位置”做成 overextension score，然后做 strongest-overbought vs strongest-oversold 的 spread fade。

2. 核心结论

最关键的数据点：

  1. 15m top1-bottom1，持有 4 bars（约 1h）：n=4909，gross_mean≈+5.60 bps，胜率约 54.9%。
  2. 15m top1-bottom1，持有 8 bars（约 2h）：n=4905，gross_mean≈+8.56 bps，胜率约 55.4%。
  3. 15m top1-bottom1，持有 12 bars（约 3h）：n=4901，gross_mean≈+12.04 bps，胜率约 56.0%。
  4. 5m top1-bottom1，持有 8 bars（约 40m）：n=4731，gross_mean≈+6.11 bps，胜率约 56.4%。
  5. 5m top1-bottom1，持有 12 bars（约 1h）：n=4727，gross_mean≈+7.81 bps，胜率约 56.2%。

如果按保守口径把它理解成 两腿 roundtrip 合计约 8 bps 的 taker 成本，那么：

3. 为什么和当前 desk 直接相关

这轮值得保留，不是因为“又找到一个 loser→winner fade”，而是因为 repo 给的是一个更可工程化、可模块化、可扩 universe 的 raw alpha 壳：

换句话说，它不是“纯解释性看板”，而是已经把 signal family 写进代码的 repo-based raw alpha intake。

3.5 策略拆解（必填）

4. 本地最小快检（公开可得数据）

4.1 数据源、公开性、更新频率、实验口径

4.2 这组快检怎么读

5. 为什么这次不把它降级成 filter / overlay

因为这里最核心的问题“到底做什么”已经很清楚： > 做多当前最被压低的一腿，做空当前最被抬高的一腿，赌的是相对价格回归。

这就是标准的 raw alpha 叙事，而且 entry / hold / sizing / cost 都能讲清楚。它不是只在告诉你“什么时候别做别的 alpha”，而是自己就能站成一个独立的 relative-value 策略原型。

6. 下一步怎么测

  1. 先做 cost ladder：重点看 4 / 6 / 8 / 10 bps 下，15m 8-bar 和 15m 12-bar 还能不能保住正净值。
  2. 加横截面 admission：只有当 max(score) - min(score) 超过阈值时才开仓，避免平庸时段白付手续费。
  3. 把 top1-bottom1 扩成 top2-bottom2：检验 edge 是 strongest-only 还是可以平滑成 basket。
  4. 补 funding / OI veto：若最强 overextended 同时伴随极端 funding/OI 扩张，可能更适合延后 fade。
  5. 做 15m signal -> 5m child execution：比较 next-open、半仓分批、回踩入场三种执行，对净 bps 的影响。
  6. 再切到更贴近实盘的 universe：把 BTC/ETH/SOL/XRP/LINK/BNB 作为第一版 production pool，先验证是否比 10 币混池更干净。

7. 风险与保留意见

8. 来源

  1. zkmike11. (2026). _crypto-quant-dashboard_. GitHub repository.
  1. Source audit files
  1. Hyperliquid Docs / Public API usage context

9. 本地产物