别把这个 2026 Hyperliquid 仓只读成“作者秀收益”：对 short-cycle crypto desk，更该先拆的是「leader 波动冲击 × lagger 方向跟随」这条 1m raw alpha

更新时间：2026-04-25 20:52 UTC 研究时间：2026-04-25 20:46 UTC 类型：2026 GitHub repo source audit（`README.md` + `bot.py`）主题标签：raw-alpha/lead-lag/cross-asset/relative-value/vol-spread/continuation/1m/3m/5m/15m/repo/cost/risk 证据类型：工程经验

源文件：research/quant_digests/2026-04-25_2046_pairwise-volspread-lagger-continuation.md

时间：2026-04-25 20:46 UTC
类型：2026 GitHub repo source audit（README.md + bot.py）
主题类型：raw alpha
基础 alpha：当预先排好的 leader/lagger 对中，leader 在 1m 上先出现足够大的波动/收益冲击时，lagger 在下一小段时间更容易沿同方向跟随；可先写成 sign(ret_leader_1m) * 1[abs(ret_leader_1m) > k * rv_leader]，交易 lagger。
是否可独立复现：否
是否可直接落地完整策略（entry/exit/sizing/risk/cost）：否
主题标签：raw-alpha/lead-lag/cross-asset/relative-value/vol-spread/continuation/1m/3m/5m/15m/repo/cost/risk
证据类型：工程经验

先回答 base alpha 是什么： 不是“lead-lag 这个大词”，而是很具体的一条 raw alpha：同一批活跃 perp 里，先动的 leader 若在 1m 上打出足够大的波动冲击，后动的 lagger 会有一小段方向跟随窗口。

1. 为什么这条线值得单独拎出来

今天已经写过不少 funding / basis / xs reversal / pairs z-score fade。这个 2026 仓 mateofrqt/Crypto-LeadLag-Strategy 真正有补充价值的，不是作者的 daily L/S 或 15m directional，而是 README 里那条 Pairwise Vol-Spread — 1-Minute：

预先离线排好 leader/lagger 对；
每根 1m bar 先看 leader 是否出现足够大的波动/收益事件；
若满足条件，就在 lagger 上顺着 leader 的方向开仓；
用固定风险规则退出，而不是无限追。

翻成人话：

不是赌“价差回归”；
也不是做“横截面赢家轮动”；
而是赌 信息扩散有时不是同时完成的，先被打穿的那条腿会把冲击传给后面的那条腿。

这对我们 desk 有价值，因为它能补一条与 pairs mean reversion 完全不同的分支：relative-value 也可以做 continuation，而不只做 fade。

2. 我实际读到了什么

Repo

Author / Year / Title: mateofrqt / 2026 / *Crypto-LeadLag-Strategy*
Venue: GitHub repository
DOI: N/A
Readable URL: <https://github.com/mateofrqt/Crypto-LeadLag-Strategy>
Repo URL: <https://github.com/mateofrqt/Crypto-LeadLag-Strategy>

本轮审计文件

README.md
bot.py

和本主题最相关的硬信息

README 明确把第二套策略写成：

Pairwise Vol-Spread (Intraday)
Timeframe: 1m
Universe: scheduled leader/lagger pairs
Style: pairwise statistical arbitrage / trend continuation

README 给出 walk-forward 结果（费用按 round-trip 0.09% 建模）：

In-sample：28 笔，+2.48%
Short OOS：24 笔，+14.54%，最大回撤 -0.81%
Long OOS：398 笔，-27.7%，最大回撤 -35.4%

README 自己就承认：

长 OOS 退化很明显；
pair schedule 需要定期重拟合，否则 edge 会掉。

bot.py 里能看到 live 壳的一些风险约束：

min_leader_move = 0.0005（至少 0.05% leader move 才动）
rebalance_threshold = 0.30
有 budget filter、vol scalar、drawdown circuit breaker、position close / flip 流程

最重要的一点是：repo 没公开核心 signal construction 与 pair-schedule 参数。所以它不是“拿来就能一键复现”的公开 alpha；但它把 base alpha 壳说清楚了。

3. desk 化拆解

3.5 策略拆解（必填）

方向属性：相对价值 + continuation
基础 alpha：leader 的 1m 冲击先发生，lagger 的 1m~3m 跟随后发生
regime：适合高联动、信息传导快、同主题币同步性强的时段
filter / veto：只做预先筛好的高耦合 pair；leader move 不够大不做；极端高波动或流动性塌陷时不做
risk / sizing / execution overlay：固定风险退出、pair schedule 定期重拟合、budget cap、drawdown circuit breaker、成本前置建模

对我们更重要的读法不是照抄作者结果，而是把它翻成一个最小可测壳：

> leader event 触发后，lagger 在未来 1~3 根 bar 的 sign / markout，是否比随机同方向追单更好？

4. 可复刻的最小实验

最小实验 A：先不碰作者 proprietary schedule，只做公开版

资产：BTC/ETH/SOL/BNB/XRP/DOGE/ADA/AVAX/LINK/OP/ARB
周期：主测 1m，辅测 3m
pair 生成：滚动 5d~10d 计算 leader→lagger 的 lagged corr / lead-lag hit-rate，只保留前 N 个 pair
事件定义：
ret_leader_1m
rv_leader = std(ret_1m, 60)
当 abs(ret_leader_1m) > k * rv_leader 时触发，k 先扫 1.5 / 2.0 / 2.5
交易：
若 leader 上涨，则做多 lagger；leader 下跌则做空 lagger
在 lagger 上持有 1 / 2 / 3 根 1m bar，或 1 根 3m bar
先看指标：

event-conditioned forward return / hit-rate
扣 4~6 bps one-way 后是否仍为正

最小实验 B：只测“冲击强度是否单调”

按 leader event 的 z-score 分层：1.5~2 / 2~2.5 / >2.5
看 lagger 的未来 1m/3m markout 是否单调上升
若不单调，这条线大概率只是噪声或 news chase

最小实验 C：把 15m 当 regime gate，不把它伪装成 1m 主信号

只有当 pair 在 15m 上同向 trend / 同主题 beta 扩散期，才允许 1m 事件触发
这能直接回答：短周期 alpha 本体在 1m，15m 只是 gate，还是它根本离不开高一级 regime。

5. 风险与保留意见

不是 fully reproducible public alpha

README 明说信号构造和参数未公开；
所以当前更适合当 raw alpha intake，不是直接升格成 replication-ready 策略。

长 OOS 退化是很重的警告

24 笔短 OOS 的漂亮结果，不足以盖过 398 笔长 OOS 的明显失效；
更合理的解释是：pair schedule / 事件阈值是强时变对象。

它最怕两种环境

全市场同步乱跳，谁也不是 leader，只是一起噪声放大；
低流动性币被单笔打穿，表面像 leader，实则只是局部冲击。

成本门槛可能比看上去更高

README 已经把 round-trip fee 设到 0.09%；
若我们在公开市场上拿不到更好的 maker/queue edge，很多 1m 跟随 edge 会被直接吃掉。

6. 一句话结论

这份仓最值得 desk 留样的，不是作者展示的收益曲线，而是那条很清楚的 1m raw alpha 壳：leader 波动冲击先发生 -> lagger 有短暂方向跟随窗口。

一句话证明方式： 公开 README 给了 walk-forward OOS 结果和明确的交易壳，虽然没公开核心参数，但已经足够支撑我们做一个自己的最小事件研究版。

7. 下一步怎么测

先不要复刻作者整套 live infra；直接做一个 event study + friction ladder：

1m 上先测 leader event 触发后的 lagger 1/2/3 bar markout；
再加 15m regime gate；
最后才决定要不要上 pair scheduler、仓位分配和多 pair 组合。

如果 event study 本身不过线，就别被 repo 的架子和 live 标签带偏。

8. 来源

mateofrqt. (2026). *Crypto-LeadLag-Strategy*. GitHub repository.
Readable URL / Repo URL: <https://github.com/mateofrqt/Crypto-LeadLag-Strategy>
审计文件：README.md, bot.py